Kunstmatige intelligentie voorkomt verkeerde medicijncombinaties

Met behulp van kunstmatige intelligentie kunnen de bijwerkingen van miljoenen medicijncombinaties worden voorspeld. Dat blijkt uit een onderzoek van Stanford University. Artsen kunnen hierdoor effectief en veilig medicijnen voorschrijven.

Artikel bewaren

U heeft een account nodig om artikelen in uw profiel op te slaan

Login of Maak een account aan
PGO
Foto: iStock

Miljoenen mensen slikken meer dan vijf medicijnen per dag. Het klinisch testen van al deze medicijncombinaties is echter praktisch onmogelijk. Om de veiligheid van medicijngebruik te garanderen, hebben wetenschappers van Stanford University onderzoek gedaan naar kunstmatige intelligentie in relatie met medicijncombinaties. Het gaat om Jure Leskovec, universitair hoofddocent computerwetenschappen, onderzoeker Marina Zitnik en masterstudent Monica Agrawal.

De onderzoekers omschrijven een kunstmatig intelligentiesysteem dat de bijwerkingen van miljoenen geneesmiddelen kan voorspellen. Dit systeem kan artsen helpen betere beslissingen te nemen over het voorschrijven van medicijnen en helpt onderzoekers juiste combinaties van medicijnen te vinden voor het behandelen van complexe ziekten.

Tevens kan het systeem al tijdens de ontwikkeling van medicijnen worden ingezet. Leskovec: ‘Er wordt dan gekeken of het medicijn wel veilig is en of er ongewenste neveneffecten van het medicijn worden ondervonden.’

‘Deep learning’

Zitnik, Agrawal en Leskovec zijn met het onderzoek begonnen door te kijken naar de rol van eiwitten in het menselijk lichaam en hoe deze eiwitten worden beïnvloed door verschillende geneesmiddelen. Met behulp van meer dan vier miljoen bekende combinaties van geneesmiddelen en bijwerkingen heeft het team vervolgens met algoritmen een methode ontwikkeld die patronen kan identificeren.

Deze patronen laten zien welke bijwerkingen bij welke medicijncombinaties optreden. Dit wordt ook wel ‘deep learning’ genoemd – een algoritme waarmee computers patronen leren herkennen uit tal van voorbeelden.

De betrouwbaarheid

Om de betrouwbaarheid van de patronen te controleren werd door de onderzoekers nagegaan of de voorspellingen ook daadwerkelijk uitkwamen. In veel gevallen kwamen zij dan ook echt uit. Zo hadden Zitnik, Agrawal en Leskovec bijvoorbeeld niet gedacht dat de combinatie van het cholesterolmedicijn atorvastatine en het bloeddrukmedicijn amlopidine zou kunnen leiden tot spierontsteking – dit terwijl het kunstmatige intelligentiesysteem dat juist wel voorspelde.

Uiteindelijk kreeg het systeem gelijk: spierontsteking is wel degelijk een bijwerking van de genoemde medicijnencombinatie. ‘Het is verrassend om te zien dat eiwitinteractienetwerken zoveel onthullen over de bijwerken van geneesmiddelen’, zegt Leskovec. ‘Tegenwoordig worden bijwerkingen van medicijnen voornamelijk per ongeluk ontdekt. Onze aanpak kan leiden tot een effectievere en veiligere gezondheidszorg’.

De toekomst

In de toekomst hopen Zitnik, Agrawal en Leskovec hun resultaten uit te breiden met meer complexe regimes. Ze hopen ook een gebruiksvriendelijker hulpmiddel te ontwikkelen die artsen advies geeft over het voorschrijven van de juiste geneesmiddelcombinaties. Tevens hopen zij andere onderzoekers te helpen bij het ontwikkelen van medicatieregimes voor complexe ziektes met minder bijwerkingen.

Geef je reactie

Om te kunnen reageren moet u ingelogd zijn. Heeft u nog geen account, maak dan hieronder een account aan. Lees ook de spelregels.