В доклад пред ECTRIMS 2023 г e направено представяне на модел на изкуствен интелект, който сравнява структурите на лекарства и храни и открива множество потенциални взаимодействия при пациенти с множествена склероза (МС). Целта е да се уточнят схеми за по-малко рискови терапевтични комбинации.
„Потенциалните взаимодействия лекарство-лекарство са основен проблем за безопасността при пациенти с МС“, казва водещият изследовател д-р Майкъл Хекер от Медицински център на университета Рощок, Германия.
Как е осъществено проучването?
Към момента съществува онлайн база-данни DrugBank, в която има информация за лекарствени взаимодействия. Но за лекарства, които са тествани само в клинични изпитвания няма данни. Освен това търсенето в базата данни отнема много време.
За проучването изследователите са обучили модела на изкуствен интелект, наречен дълбока невронна мрежа (DeepDDI) на най-новата версия на базата данни DrugBank и така става възможно изследване на взаимодействията между лекарства. Системата сравнява структурите на двойки лекарство-лекарство или лекарство-храна, за да определи сходството им. Тази информация се подава в дълбока мрежа с почти 34 милиона обучаеми параметри. След това се предоставя прогноза за всякакви взаимодействия, като се използват съществуващите в DrugBank термини. Например, лекарство А може да намали антихипертензивната активност на лекарство Б.
За осъществяване на проучването, изследователският екип е заредил плановете за лечение на почти 630 пациенти с МС в DeepDDI с цел да бъдат идентифицирани взаимодействията лекарство-лекарство, особено при преминаване от едно лекарство към друго. Методът, базиран на дълбоко обучение се оказва полезен и за откриване на потенциални взаимодействия и с храни, защото мрежата е заредена и с данни за съединения от база-данни FooDB .
Пациентите с МС са били на средна възраст 48,6 години, 70,3% са жени, а средната продължителност на заболяването е 10 години. Те са приемали средно 5,3 лекарства, а 62% от тях са използвали лекарства, променящи хода на болестта.
Какви са резултатите от проучването?
Някои от някои от цитираните в проучването находки са следните:
- Установено е, че общото разпространение на потенциални лекарствени взаимодействия сред пациентите, включени в проучването, е 81,2%.
- Над 40% от пациентите, преминали на финголимод, биха били изложени на повишен риск от брадикардия (намаляване на сърдечната честота).
- Малко под 40% от пациентите, които са сменили своето лекарство с пуриновия аналог кладрибин, биха имали повишен риск от кървене.
- Установява се подгрупа от 6860 потенциални взаимодействия лекарство-храна, което води до намалени или повишени концентрации на лекарствата, особено при консумация на риба или гъби.
Освен това DeepDDI може да направи предложения за това как критичните взаимодействия лекарство-лекарство могат да бъдат избегнати чрез замяна на взаимодействащи лекарства с алтернативи, които имат подобни фармакологични ефекти.
Един съществен недостатък на DeepDDI е, че за всяко лекарство има един запис, но в практиката то се прилага за различни показания, с различни дозировки и има различни странични ефекти, в зависимост от това как се използва. В модела това не се разграничава и някои от взаимодействията могат да бъдат свързани с други дози, различни от използваната при МС.
Какво е бъдещето?
Паван Бхаргава, доцент по неврология, който съпредседателства сесията, на която е представен доклада, коментира че както при всички инструменти за изкуствен интелект, „това е толкова добро, колкото и това, което влагаме в него“, защото има ограничения и недостатъци на информацията в базите данни, с които се захранва DeepDDI.
Той също така подчертава, че „на този етап не изглежда, че DeepDDI идва с много клинично полезна информация“, но отбелязва, че „може да стигнем до тази точка“.
Източник: ECTRIMS 2023
Статията е базирана на публикация в Medscape: AI Tool Reveals MS Drug Interactions, Offers Safer Options.
