根據(jù)9月22日在線發(fā)表在Patterns上的一份報告，哥倫比亞大學的研究人員開發(fā)了一種機器學習算法，該算法可以識別并預測基于性別的藥物不良反應差異。

該算法被稱為AwareDX-分析處于藥物毒性危險中的女性，該算法自動糾正由于男性受試者在臨床研究試驗中人數(shù)過多而產(chǎn)生的藥物效應數(shù)據(jù)中的偏差。

Nicholas Tatonetti博士及其同事基于以下觀察結(jié)果創(chuàng)建了該算法：盡管男人和女人可以從某些藥物中經(jīng)歷不同的副作用，但醫(yī)生可能沒有意識到它們，因為大多數(shù)臨床試驗數(shù)據(jù)都偏向男人。他們在報告中指出，這會影響處方指南，藥物營銷以及最終對患者的健康。

該算法利用了FDA不良事件報告系統(tǒng)（FAERS）的52年數(shù)據(jù)，該數(shù)據(jù)包含來自消費者，醫(yī)療保健提供者和制造商的藥物不良反應報告。Tatonetti和合著者，哥倫比亞高級生物醫(yī)學信息學專業(yè)的Paydal Chandak將數(shù)據(jù)匯編成一個具有20，000多種潛在的針對性別的藥物效應的數(shù)據(jù)庫。

可以通過回顧較舊的數(shù)據(jù)或進行新的研究來驗證這些影響。該算法在尋找模式和趨勢之前將數(shù)據(jù)分組為性別平衡的子集，重復搜索過程25次以改善搜索結(jié)果。

研究人員指出，盡管還有大量工作要做，但他們已經(jīng)基于先前的研究成功驗證了幾種藥物的結(jié)果。

例如，他們假設(shè)服用膽固醇藥物辛伐他汀的男性比女性更有可能出現(xiàn)肌肉酸痛。他們還推論，服用抗精神病藥利培酮的女性比服用相同藥物的男性更有可能出現(xiàn)心律減慢的風險。

兩種假設(shè)都基于這樣一個事實，即ABCB1基因在男性中比在女性中更活躍，ABCB1基因影響人體可使用的藥物量以及可使用多長時間。作者寫道，該算法成功地預測了辛伐他汀和利培酮的作用。

“對我來說，最令人興奮的是，我們不僅擁有從FDA資源中開發(fā)的不良事件數(shù)據(jù)庫，而且我們已經(jīng)表明，對于其中一些此類事件，男性之間存在遺傳差異的已有知識和女性”，Chandak補充說。

研究人員希望，繼續(xù)努力以驗證其結(jié)果將意味著醫(yī)生在開藥時（尤其是女性患者）開藥時會使用從算法中收集到的見解，做出更明智的選擇。

責任編輯：lq