Миллионы людей принимают по пять и более препаратов в день. При таком их количестве врачи не могут заранее предсказать побочные эффекты. Теперь им поможет в этом искусственный интеллект.

Количество препаратов на фармацевтическом рынке сейчас огромно, и каждый день появляются новые. «Практически невозможно протестировать новый препарат в сочетании со всеми другими препаратами, потому что только для одного препарата это будет пять тысяч новых экспериментов», – говорит Маринка Зитник (Marinka Zitnik), докторант в области компьютерных наук. Что же ждет пациента, комбинирующего новейшие лекарства? «На самом деле, мы не знаем», – отвечает она.

В докладе, представленном 10 июля на заседании Международного общества вычислительной биологии в Чикаго, Зитник и ее коллеги Моника Аграваль (Monica Agrawal) и Юре Лесковец (Jure Leskovec) представили интеллектуальную систему для прогнозирования (а не просто отслеживания) потенциальных побочных эффектов от комбинаций лекарств. Эта система, получившая название Decagon, поможет врачам принимать более обоснованные решения о том, какие препараты прописывать, а исследователям – найти лучшие комбинации препаратов для лечения сложных заболеваний.


Самым очевидным и правильным в данной ситуации кажется выявление побочных эффектов опытным путем. Но есть проблема: известно около 1000 возможных «побочек». Помножим их на 5000 препаратов – в сумме одно это дает нам 125 миллиардов комбинаций. А большинство новых препаратов просто еще никогда не назначались вместе. В результате добыть информацию из чьего-то опыта в лучшем случае сложно, а то и просто неоткуда.

Зитник, Аграваль и Лесковец выбрали другой способ получения информации – из влияния лекарств на клеточные механизмы человеческого тела. Они составили базу данных того, как более 19000 белков в нашем организме взаимодействуют друг с другом, и как различные препараты влияют на эти белки. Используя более 4 миллионов известных связей между лекарственными средствами и побочными эффектами, команда затем разработала метод выявления закономерностей в том, как возникают побочные эффекты, основанные влиянии препаратов на различные белки. Для этого команда обратилась к методам глубокого обучения.

В процессе тестирования системы исследователи неоднократно убеждались в ее эффективности. Decagon предсказывал определенные побочные эффекты (например, воспалительные процессы в мышечной ткани) там, где это никак не подтверждалось практикой – и оказывался прав.

«Просто удивительно, что схема взаимодействия белков так много говорит о побочных эффектах лекарств», – сказал Лесковиц, член исследовательской группы Stanford Bio-X, а также Stanford Neurosciences Institute и Chan Zuckerberg Biohub.

Сейчас Decagon работает в основном с парами препаратов. В будущем команда надеется обучить его работе с комбинациями из трех, четырех и т.д. препаратов. Они также планируют совершенствовать программные инструменты, чтобы сделать их более доступными для врачей.

Источник: ScienceDaily