Zarządzanie złożonymi schorzeniami często wymaga jednoczesnego stosowania wielu różnych leków – zjawisko znane jako polifarmacja. Choć jest to konieczne, znacznie zwiększa ryzyko interakcji leków (DDI), które mogą wzmacniać lub osłabiać efekty terapeutyczne albo wywoływać działania niepożądane, potencjalnie prowadząc do dłuższych hospitalizacji lub zagrażających życiu powikłań..
Zespół badawczy pod kierownictwem prof. Hilal Tayary z Jeonbuk National University (JBNU) w Korei Południowej opracował DDINet – lekki i skalowalny model zaprojektowany specjalnie do przewidywania interakcji dla nowych, nieznanych wcześniej leków..
„DDINet może jednocześnie przewidywać, czy interakcja wystąpi, i identyfikować jej biologiczny efekt, zużywając znacznie mniej mocy obliczeniowej niż złożone modele oparte na grafach” – wyjaśnia dr Tayara..
Model wykorzystuje odciski molekularne leków i uproszczoną architekturę z pięcioma w pełni połączonymi warstwami. Przetestowany na danych DrugBank w trzech scenariuszach – łącznie z najtrudniejszym przypadkiem, gdy oba leki były wcześniej nieznane modelowi – DDINet dorównał lub przewyższył istniejące rozwiązania..
„Kompaktowa i wydajna architektura DDINet umożliwia wdrożenie na dużą skalę w szpitalach, ośrodkach badań leków i systemach nadzoru farmakologicznego” – podsumowuje dr Tayara. Badanie zostało opublikowane w piśmie Knowledge-Based Systems..
Źródło: AI Insider
