人工智能可以提供药物相互作用的严重副作用的警告

患者服用的药物越多，这些药物之间的相互作用就越有可能引发负面副作用，包括长期器官损伤甚至死亡。现在，宾夕法尼亚州立大学的研究人员开发了一种机器学习系统，可以警告医生和患者药物混合时可能出现的负面副作用。

在一项研究中，研究人员设计了一种算法来分析数据药物由美国食品和药物管理局(Food and Drug Administration)和其他机构编制的报告中列出的药物相互作用，用于可能的警报系统，让患者知道何时药物组合可能引发危险的副作用。

宾夕法尼亚州立大学工业工程教授Allen E. Pearce和Allen M. Pearce教授Soundar Kumara说:“假设我正在服用一种流行的非处方止痛药，然后我又服用了降压药，这些药物相互作用，反过来影响我的肝脏。”“从本质上讲，我们在这项研究中所做的是收集所有与肝脏有关的疾病的数据，看看哪些药物相互作用会影响肝脏。”

药物-药物相互作用的问题很重要，因为患者经常被开多种药物，他们自己服用非处方药，Kumara补充道，他也是网络科学研究所的成员，该研究所为宾夕法尼亚州立大学的研究人员提供超级计算资源。

Kumara说:“这项研究非常重要。“大多数患者不是在服用一种药物。他们在服用多种药物。这样的研究对这些人非常有用。”

为了创建警报系统，研究人员依赖于一个自动编码器模型，这是一种人工神经网络，它是根据人脑处理信息的方式松散设计的。传统上，计算机需要标记数据，这意味着人们需要为系统描述数据，以产生结果。对于药物-药物相互作用，可能需要程序员标记来自数千种药物和数百万种可能相互作用的不同组合的数据。然而，自编码器模型适用于半监督算法，这意味着它既可以使用由人标记的数据，也可以使用未标记的数据。

大量可能的不良药物相互作用，从轻微到严重，可能会无意中导致医生和患者忽视警报，研究人员称之为“警报疲劳”。为了避免警觉疲劳，研究人员只确定了被认为是高优先级的相互作用，如生命危险、残疾、住院和需要干预。

Kumara说，分析药物如何相互作用是第一步。这项技术的进一步发展和完善可能会带来更精确、甚至更个性化的药物相互作用警报。

Kumara说:“这些反应并不是独立于这些化学物质之间的相互作用，这是第二个层面。”“第三个层面是与个体患者基因组数据的化学-化学相互作用。”

研究人员在2019年8月的《科学》杂志上发表了他们的研究结果生物医学与健康信息学该研究使用了来自FDA不良事件报告系统的自我报告数据，以及来自国家卫生信息技术协调办公室的潜在严重药物-药物相互作用的信息。他们还使用了DrugBank和Drugs.com的在线数据库中的信息。重复的报告和关于非严重互动的报告被删除。

该清单包括约2891种药物，或约110495种药物组合。研究人员发现，共有1740770份关于药物对健康造成严重影响的报告的相互作用．