Obat-obatan biasanya tidak diuji pada wanita – kecerdasan buatan dapat memperbaiki bias itu – ScienceDaily

Obat-obatan biasanya tidak diuji pada wanita – kecerdasan buatan dapat memperbaiki bias itu – ScienceDaily


Para peneliti di Universitas Columbia telah mengembangkan AwareDX – Menganalisis Wanita Berisiko untuk Mengalami Toksisitas Obat – sebuah algoritma pembelajaran mesin yang mengidentifikasi dan memprediksi perbedaan efek samping obat antara pria dan wanita dengan menganalisis laporan selama 50 tahun dalam database FDA. Algoritme, dijelaskan pada 22 September di jurnal Pola, secara otomatis mengoreksi bias dalam data ini yang berasal dari terlalu banyak subjek laki-laki dalam uji coba penelitian klinis.

Meskipun pria dan wanita dapat memiliki respons yang berbeda terhadap obat-obatan – bantuan tidur Ambien, misalnya, memetabolisme lebih lambat pada wanita, menyebabkan pusing di hari berikutnya – bahkan dokter mungkin tidak tahu tentang perbedaan ini karena sebagian besar data uji klinis itu sendiri bias. laki-laki. Ini berdampak pada pedoman resep, pemasaran obat, dan pada akhirnya, kesehatan pasien.

“Farmasi memiliki sejarah mengabaikan masalah yang kompleks. Secara tradisional, uji klinis bahkan belum memasukkan wanita dalam studi mereka. Cara kuno dulu adalah mengumpulkan sekelompok pria sehat untuk memberi mereka obat, pastikan itu tidak dilakukan. “Tidak membunuh mereka, dan Anda pergi ke perlombaan. Akibatnya, kami memiliki lebih sedikit informasi tentang bagaimana wanita menanggapi narkoba daripada pria,” kata Nicholas Tatonetti (@nicktatonetti), seorang profesor informatika biomedis di Universitas Columbia dan rekan penulis makalah. “Kami belum memiliki kemampuan untuk mengevaluasi perbedaan ini sebelumnya, atau bahkan untuk mengukurnya.”

Tatonetti bekerja sama dengan salah satu mahasiswanya – Payal Chandak, seorang jurusan informatika biomedis senior di Universitas Columbia dan rekan penulis lainnya di atas kertas. Bersama-sama mereka mengembangkan AwareDX. Karena ini adalah algoritme pembelajaran mesin, AwareDX dapat secara otomatis menyesuaikan bias berbasis seks dengan cara yang memerlukan upaya bersama untuk melakukannya secara manual.

“Pembelajaran mesin jelas merupakan kata kunci, tetapi pada dasarnya idenya adalah untuk mengoreksi bias ini sebelum Anda melakukan analisis statistik lainnya dengan membangun subset pasien yang seimbang dengan bagian yang sama dari pria dan wanita untuk setiap obat,” kata Chandak.

Algoritme menggunakan data dari FDA Adverse Event Reporting System (FAERS), yang berisi laporan efek merugikan obat dari konsumen, penyedia layanan kesehatan, dan produsen sejak tahun 1968. AwareDX mengelompokkan data ke dalam subset yang seimbang berdasarkan jenis kelamin sebelum mencari pola dan tren. Untuk meningkatkan hasil, algoritma mengulangi keseluruhan proses sebanyak 25 kali.

Para peneliti mengumpulkan hasil ke dalam bank yang berisi lebih dari 20.000 potensi efek obat spesifik jenis kelamin, yang kemudian dapat diverifikasi baik dengan melihat kembali data yang lebih lama atau dengan melakukan penelitian baru. Meskipun masih banyak pekerjaan yang harus dilakukan, para peneliti telah berhasil memverifikasi hasil beberapa obat berdasarkan penelitian genetik sebelumnya.

Misalnya, gen ABCB1, yang memengaruhi seberapa banyak obat dapat digunakan oleh tubuh dan untuk berapa lama, diketahui lebih aktif pada pria daripada wanita. Karena itu, para peneliti berharap untuk melihat risiko yang lebih besar dari nyeri otot pada pria yang menggunakan simvastatin – obat kolesterol – dan risiko yang lebih besar untuk memperlambat detak jantung bagi wanita yang menggunakan risperidone – antipsikotik. AwareDX berhasil memprediksi kedua efek ini.

“Hal yang paling menarik bagi saya adalah kami tidak hanya memiliki basis data kejadian buruk yang telah kami kembangkan dari sumber daya FDA ini, tetapi kami telah menunjukkan bahwa untuk beberapa kejadian ini, ada pengetahuan yang sudah ada sebelumnya tentang perbedaan genetik antara pria. dan wanita, “kata Chandak. “Dengan menggunakan pengetahuan itu, kami benar-benar dapat memprediksi respons berbeda yang seharusnya dimiliki pria dan wanita dan memvalidasi metode kami terhadapnya. Itu memberi kami banyak kepercayaan pada metode itu sendiri.”

Dengan terus memverifikasi hasil mereka, para peneliti berharap wawasan dari AwareDX akan membantu dokter membuat pilihan yang lebih tepat saat meresepkan obat, terutama untuk wanita. “Dokter benar-benar melihat informasi efek samping khusus untuk obat yang mereka resepkan. Jadi begitu informasi ini dipelajari lebih lanjut dan dikuatkan, itu sebenarnya akan berdampak pada resep obat dan kesehatan orang,” kata Tatonetti.

Pekerjaan ini didukung oleh National Institutes of Health.

Sumber Cerita:

Materi disediakan oleh Sel Tekan. Catatan: Konten dapat diedit untuk gaya dan panjangnya.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel

Author Image
adminProzen