w不同的來自不同的副作用來自不同的副作用藥物組合是斯坦福大學開發的一種新的人工智能係統，希望更好地預測這些並發症。
AI工具稱為Decagon，可以幫助預測藥物配對的可能影響，幫助醫生做出更好的決定藥物處方並有助於研究人員創建更好的藥物組合來治療疾病。
識別藥物相互作用副作用中的模式
準確地確定各種藥物組合的影響仍然是一項艱鉅的任務。如今，市場上有1,000個已知的副作用以及5,000種藥物，其中大多數從未一起處方。
“實際上不可能與所有其他藥物結合測試新藥，”計算機科學博士後Marinka Zitnik說在一份聲明中：“因為僅用於5,000種新實驗的藥物。”
Zitnik與計算機科學副教授Jure Leskovec合作，並提出了Decagon，他們於7月10日在芝加哥國際計算生物學學會2018年會議上提出了Decagon。
首先，該小組研究了藥物如何影響人體由巨大網絡組成的人體的基礎細胞機制，詳細介紹了體內19,000多種蛋白質如何相互作用以及各種藥物如何影響這種蛋白質。
然後，他們使用了藥物和副作用之間已知的已知關聯中的400萬以上，以提出一個深度學習系統，該系統識別出來自藥物靶向蛋白質的副作用出現的模式。
深度學習是一種以大腦建模的AI類型，孔隙孔隙為複雜的數據，並在數據中提取模式，這些模式通常是抽象的，甚至是違反直覺的。在這種情況下，系統會滲透有關藥物相互作用副作用的模式，然後通過將多種藥物一起服用來預測以前的未鑑定後果。
AI和機器學習
例如，儘管沒有早期的跡象表明它們會產生肌肉炎症，但AI工具預測了膽固醇藥物與高血壓藥物amlipidine搭配的膽固醇藥物與高血壓藥物的抗藥藥。該團隊後來確認他們的預測以前是在2017年的一項案例研究中提出的。
該團隊計劃擴大工作，以構成更複雜的方案，並為醫生生產更具用戶友好的工具。萊斯科維克說，如果今天大多偶然發現毒品副作用，它們的方法可能會導致更大的安全性。
配音多藥，結合藥物的做法被證明是一個真正的威脅。僅在上個月，根據CDC的估計，有23％的美國人至少服用了兩種處方藥。
專家吹捧了AI驅動的分析和工具，以防止威脅生命的患者並發症。例如，麥肯錫分析師估計機器學習算法可以幫助醫學和製藥公司每年節省多達1000億美元。
