Ученые из Университета штата Огайо разработали метод машинного обучения, который обрабатывает огромные объемы данных по уходу за пациентами. В процессе технология определяет доступность на рынке лекарств, способствующих лечению, даже если медпрепараты показаны к другим заболеваниям.
Ученые использовали данные о страховых выплатах почти 1,2 млн пациентов с сердечными заболеваниями, которые предоставили информацию о назначенном им лечении, течении болезни и различных значениях для потенциальных искажающих факторов. Алгоритм глубокого обучения учитывал временные промежутки каждого пациента – при посещении специалиста, назначении препаратов и диагностического тестирования.
Входные данные модели для лекарств основаны на активных ингредиентах и их свойствах. Кроме этого, модель обучалась на параллельных наблюдениях за пациентами, зарегистрированных в электронных медицинских картах, страховых требованиях и базах рецептурных препаратов.
Применяя теорию причинности, разработчики классифицировали группы пациентов, принимающих активное лекарство и плацебо – такой подход применяется в клинических испытаниях. Модель отслеживала пациентов в течение двух лет и сравнивала их статус болезни в конечной точке с тем, принимали ли они препараты, какие именно и когда начали лечение.
Модель предложила девять лекарств, которые, предположительно, могут дать терапевтические преимущества. Также анализ выявил шесть препаратов-кандидатов для перепрофилирования.
Лекарства от диабета, метформин и эсциталопрам, используемые для лечения депрессии и тревоги, могут снизить риск сердечной недостаточности и инсульта в модельной популяции пациентов. Оба этих препарата проходят испытания на предмет эффективности против болезней сердца.
Ученые с помощью новой технологии планируют ускорить перепрофилирование лекарств в первую очередь для пациентов с ишемической болезнью сердца, чтобы предотвратить сердечную недостаточность и инсульт. Однако такой подход можно применить и на большинство других заболеваний.
«Эта технология поможет медикам. Но мы никогда не заменим врача: решения о назначении препаратов всегда будут принимать специалисты», – отметил соавтор исследования, материалы которого опубликованы в журнале Nature Machine Intelligence.
Перепрофилирование лекарств – это перспективное направление. Оно может снизить риски безопасности новых препаратов, значительно сокращает время для выхода лекарства на рынок для клинического использования.
Машинное обучение может объяснить сотни и даже тысячи различий среди большого количества людей, влияющих на действенность препаратов: от возраста, пола и расы до серьезности заболевания и наличия смежных проблем.