Përdorimi i AI për të gjetur përdorime të reja për ilaçet ekzistuese

Shkencëtarët kanë zhvilluar një metodë të të mësuarit makinerik që mbledh sasi të mëdha të të dhënave për të ndihmuar në përcaktimin se cilat ilaçe ekzistuese mund të përmirësojnë rezultatet në sëmundjet për të cilat ato nuk janë të përshkruara. Qëllimi i kësaj pune është të shpejtojë rivendosjen e ilaçeve për shembull mendoni injeksione Botox, së pari të aprovuara për të trajtuar sytë e kryqëzuar dhe tani një trajtim për migrenë dhe një strategji të lartë kozmetike për të zvogëluar shfaqjen e rrudhave.

Por arritja në ato përdorime të reja zakonisht përfshin prova klinike të rastësishme që kërkojnë shumë kohë dhe të shtrenjta për të siguruar që një ilaç që konsiderohet efektiv për një çrregullim do të jetë i dobishëm si një trajtim për diçka tjetër.

Studiuesit e Universitetit Shtetëror të Ohajos krijuan një kornizë që kombinon grupe të mëdha të lidhura me kujdesin e pacientit me llogaritjen me fuqi të lartë për të arritur tek kandidatët për ilaçe të ripërcaktuara dhe efektet e vlerësuara të atyre ilaçeve ekzistuese në një grup të përcaktuar të rezultateve.

Megjithëse ky studim u përqendrua në ripozicionimin e propozuar të barnave për të parandaluar dështimin e zemrës dhe goditjen në pacientët me sëmundje të arterieve koronare, korniza është fleksibël – dhe mund të zbatohet në shumicën e sëmundjeve.

“Kjo punë tregon se si inteligjenca artificiale mund të përdoret për të” testuar “një ilaç mbi një pacient, dhe për të shpejtuar krijimin e hipotezave dhe potencialisht për të shpejtuar një gjykim klinik,” tha autori i vjetër Ping Zhang, asistent profesor i shkencave kompjuterike dhe inxhinierisë dhe informatikës biomjekësore. në shtetin e Ohajos. “Por ne kurrë nuk do ta zëvendësojmë mjekun – vendimet për ilaçet do të merren gjithmonë nga klinikët”.

Ripropozimi i ilaçeve është një ndjekje tërheqëse sepse mund të ulë rrezikun që lidhet me testimin e sigurisë së ilaçeve të reja dhe të ulë në mënyrë dramatike kohën që duhet për të marrë një ilaç në treg për përdorim klinik.

Provat klinike të rastësishme janë standardi i artë për përcaktimin e efektivitetit të një ilaçi kundër një sëmundjeje, por Zhang vuri në dukje se të mësuarit në makinë mund të llogarisë për qindra – ose mijëra – të ndryshimeve njerëzore brenda një popullsie të madhe që mund të ndikojë në mënyrën e funksionimit të ilaçeve në trup. Këta faktorë, ose ngatërrues, duke filluar nga mosha, seksi dhe raca te ashpërsia e sëmundjes dhe prania e sëmundjeve të tjera, funksionojnë si parametra në algoritmin kompjuterik të mësimit të thellë mbi të cilin bazohet korniza. Ky informacion vjen nga “provat e botës reale”, të cilat janë të dhëna gjatësore vëzhguese për miliona pacientë të kapur nga të dhënat elektronike mjekësore ose pretendimet e sigurimeve dhe të dhënat e recetave.

“Të dhënat në botën reale kanë kaq shumë konfuzion. Kjo është arsyeja që duhet të prezantojmë algoritmin e të mësuarit të thellë, i cili mund të trajtojë shumë parametra”, tha Zhang, i cili drejton Inteligjencën Artificiale në Laboratorin e Mjekësisë dhe është një anëtar kryesor i fakultetit në Translational Instituti i Analizave të të Dhënave në shtetin e Ohajos. “Nëse kemi qindra ose mijëra konfuzionues, asnjë qenie njerëzore nuk mund të punojë me këtë. Pra, ne duhet të përdorim inteligjencën artificiale për të zgjidhur problemin.

“Ne jemi ekipi i parë për të futur përdorimin e algoritmit të mësimit të thellë për të trajtuar të dhënat e botës reale, kontrollin për konfonduesit e shumtë dhe për të imituar provat klinike,” tha Zhang.

Ekipi hulumtues përdori të dhëna për pretendimet e sigurimeve për gati 1.2 milion pacientë me sëmundje të zemrës, të cilat ofruan informacion mbi trajtimin e caktuar, rezultatet e sëmundjes dhe vlera të ndryshme për konfonduesit e mundshëm. Algoritmi i mësimit të thellë gjithashtu ka fuqinë për të marrë parasysh kalimin e kohës në përvojën e secilit pacient – për çdo vizitë, recetë dhe test diagnostik. Futja e modelit për barnat bazohet në përbërësit e tyre aktivë.

Duke aplikuar atë që quhet teori e konkluzionit kauzal, studiuesit kategorizuan, për qëllimet e kësaj analize, ilaçet aktive dhe grupet e pacientëve me placebo që do të gjendeshin në një provë klinike. Modeli gjurmoi pacientët për dy vjet – dhe krahasoi statusin e tyre të sëmundjes në atë pikë përfundimtare nëse ata morën apo jo ilaçe, cilat barna morën dhe kur filluan regjimin.

“Me konkluzionin kauzal, ne mund të adresojmë problemin e trajtimeve të shumta. Ne nuk përgjigjemi nëse ilaçi A ose ilaçi B funksionojnë për këtë sëmundje apo jo, por kuptojmë se cili trajtim do të ketë performancën më të mirë”, tha Zhang.

Hipoteza e tyre: se modeli do të identifikonte ilaçe që mund të ulnin rrezikun për dështimin e zemrës dhe goditjen në pacientët me sëmundje të arterieve koronare.

Modeli dha nëntë ilaçe që konsiderohet se mund të ofrojnë ato përfitime terapeutike, tre prej të cilave aktualisht janë në përdorim – që do të thotë analiza identifikoi gjashtë kandidatë për rivendosjen e ilaçeve. Ndër gjetjet e tjera, analiza sugjeroi që një ilaç për diabetin, metforminën dhe escitalopramin, të përdorur për të trajtuar depresionin dhe ankthin, mund të ulte rrezikun për dështimin e zemrës dhe goditjen në popullsinë e pacientit model. Siç rezulton, të dy ato barna aktualisht janë duke u testuar për efektivitetin e tyre kundër sëmundjeve të zemrës.

Zhang theksoi se ajo që ekipi gjeti në këtë rast studimi është më pak e rëndësishme sesa mënyra se si arritën atje.

“Motivimi im është të zbatoj këtë, së bashku me ekspertë të tjerë, për të gjetur ilaçe për sëmundjet pa ndonjë trajtim aktual. Ky është shumë fleksibël dhe ne mund të rregullojmë rast pas rasti,” tha ai. “Modeli i përgjithshëm mund të zbatohet për çdo sëmundje nëse mund të përcaktoni rezultatin e sëmundjes.”