תגובות שליליות לתרופות (ADR) הן גורם משמעותי לאשפוז בית חולים והפסקת הטיפול ברחבי העולם. גישות קונבנציונאליות לרוב אינן מצליחות לאתר השפעות נדירות או מעוכבות של מוצרי תרופות. על מנת לשפר את הגילוי המוקדם, צוות מחקר מהאוניברסיטה הרפואית בסופיה פיתח מודל למידה עמוקה כדי לחזות את הסבירות של ADRs המבוססים אך ורק על המבנה הכימי של התרופה.
המודל נבנה באמצעות רשת עצבית שהוכשרה באמצעות נתוני Pharmacovigilance התייחסות. תכונות הקלט נגזרו מקודי חיוכים – פורמט סטנדרטי המייצג מבנה מולקולרי. תחזיות נוצרו עבור שישה ADR עיקריים: רעילות כבד, נפרוטוקסיות, קרדיוטוקסיות, נוירוטוקסיות, יתר לחץ דם ורגישות לאור.
החוקרים כותבים במאמרם, "נוכל להסיק כי הוא זיהה בהצלחה תגובות צפויות רבות תוך הפקת מעט חיוביות שווא," Pharmaciaסיום זה "מדגים דיוק מקובל בחיזוי ADRs."
בדיקת המודל עם תרופות מאופיינות היטב הביאה לתחזיות התואמות את פרופילי התופעות הצדדיות הידועות. לדוגמה, היא העריכה הסתברות של 94.06% לרעילות של הפטוטו לאריתרומיצין, 88.44% לרעילות נפרוטית ו 75.8% ליתר לחץ דם בציספלטין. בנוסף, צפו רגישות לאור של 22% עבור ציספלטין, ואילו 64.8% רגישות לאור הוערכה עבור תרכובת הניסוי EzeProgind. עבור אנדולינה, מולקולה חדשה, המודל החזיר ציוני הסתברות נמוכים בכל ADR, מה שמרמז על סיכון מינימלי.
ראוי לציין כי תוצאות אלה מדגימות את פוטנציאל המודל ככלי לתמיכה בהחלטות בגילוי תרופות מוקדם בשלב ובניטור בטיחות רגולטורי. המחברים מכירים בכך שניתן היה לשפר עוד יותר את ביצועי התשתית על ידי שילוב גורמים כמו רמות מינון ופרמטרים ספציפיים למטופלים.
