{{{sourceTextContent.title}}}

Ayudas de la inteligencia artificial predecir los efectos secundarios de las combinaciones de la droga

{{{sourceTextContent.subTitle}}}

El mes pasado solamente, el 23 por ciento de americanos tomó dos o más medicamentos de venta con receta, según una estimación de la CDC, y el 39 por ciento sobre la edad 65 tome cinco o más, un número que sea triple creciente en el último varias décadas. Y si eso no es bastante asombrosamente, intente éste: en muchos casos, los doctores no tienen ninguna idea qué los efectos secundarios pudieron presentarse de añadir otra droga a la farmacia personal de un paciente.

{{{sourceTextContent.description}}}

El problema es ése con tan muchas drogas actualmente en el mercado farmacéutico de los E.E.U.U., “es prácticamente imposible probar una nueva droga conjuntamente con el resto de las drogas, porque apenas para una droga que sería cinco mil nuevos experimentos,” dijo a Marinka Zitnik, un becario postdoctoral en de informática. Con algunas nuevas combinaciones de la droga, ella dijo, “no conocemos verdad qué sucederá.”

Pero de informática puede poder ayudar. En un papel presentado 10 de julio en la reunión de 2018 de la sociedad internacional para la biología de cómputo en Chicago. Zitnik y los colegas Monica Agrawal, el estudiante de un amo, y Jure Leskovec, profesor adjunto de informática, presentan un sistema de inteligencia artificial para predecir, no simplemente siguiendo, los efectos secundarios potenciales de combinaciones de la droga. Ese sistema, llamado Decagon, podría ayudar a doctores a tomar mejores decisiones sobre qué drogas para describir y para ayudar a investigadores a encontrar mejores combinaciones de drogas para tratar enfermedades complejas.

Una vez disponible para los doctores en una forma más fácil de usar, las predicciones de Decagon sea una mejora sobre cuál está disponible ahora, que esencialmente baja a la ocasión - un paciente toma una droga, comienza a tomar otra y después desarrolla un dolor de cabeza o peor. Hay cerca de 1000 diversos efectos secundarios sabidos y 5.000 drogas en el mercado, haciendo para casi 125 mil millones efectos secundarios posibles entre todos los pares posibles de drogas. La mayor parte de éstos nunca se han prescrito juntos, y mucho menos estudiado sistemáticamente.

Pero, Zitnik, Agrawal y Leskovec realizó que podrían conseguir alrededor de ese problema estudiando cómo las drogas afectan a la maquinaria celular subyacente en nuestro cuerpo. Compusieron una red masiva que describía cómo las más de 19.000 proteínas en nuestros cuerpos obran recíprocamente con uno a y cómo diversas drogas afectan a estas proteínas. Usando más de 4 millones de asociaciones sabidas entre las drogas y los efectos secundarios, el equipo entonces diseñó un método para identificar modelos en cómo se presentan los efectos secundarios basado en cómo las drogas apuntan diversas proteínas.

Para hacer que, el equipo dio vuelta al aprendizaje profundo, una clase de inteligencia artificial modelada después del cerebro. Esencialmente, miradas de aprendizaje profundas en los datos complejos y extractos de ellos abstractos, modelos a veces antiintuitivos en los datos. En este caso, los investigadores diseñaron su sistema para deducir modelos sobre efectos secundarios de las interacciones medicamentosas y para predecir consecuencias previamente no vistas de tomar dos drogas juntas.

Ahora, Decagon solamente considera efectos secundarios asociados a pares de drogas, y el equipo espera en el futuro ampliar sus resultados para incluir regímenes más complejos, Leskovec dijo. También esperan crear una herramienta más fácil de usar para dar a doctores la dirección encendido si es una buena idea prescribir una droga particular a un paciente particular y ayudar a los investigadores que desarrollan los regímenes de la droga para las enfermedades complejas con menos efectos secundarios.

“Hoy, los efectos secundarios de la droga se descubren esencialmente accidentalmente,” Leskovec dijo, “y nuestro acercamiento tiene el potencial para llevar a atención sanitaria más de manera efectiva y más segura.”