Twitter palīdz identificēt bīstamu zāļu mijiedarbību

Jauna programmatūra, kas iegūst Twitter datus, var identificēt potenciāli bīstamu zāļu mijiedarbību un blakusparādības, pirms tās parādās tradicionālajās datubāzēs.

Starpdisciplinārie zinātnieki no Vermontas universitātes izveidoja datorprogrammu, kas var efektīvi meklēt miljoniem čivināt čivināt daudzu zāļu un zāļu nosaukumus - un izveidot savienojumu karti -, izmantojot tos # saistošos #hashtags.

Pētnieki apgalvo, ka programmatūra var atklāt potenciāli bīstamu zāļu mijiedarbību un nezināmas blakusparādības, pirms tās parādās medicīnas datubāzēs, piemēram, PubMed, vai pat pirms ārsti un pētnieki par tiem vispār ir dzirdējuši.

"Mūsu jaunais algoritms ir lielisks veids, kā izdarīt atklājumus, kurus var sekot un pārbaudīt eksperti, piemēram, klīniskie pētnieki un farmaceiti," sacīja Ahmeds Abdīns Hameds, Vermontas universitātes datorzinātnieks, kurš vadīja jaunā rīka izveidi.

Pārskats par algoritma darbību un tā sākotnējiem atklājumiem tiek parādīts tiešsaistē Biomedicīnas informātikas žurnāls.

"Mēs, iespējams, nezinām, kāda ir mijiedarbība, taču, izmantojot šo pieeju, mēs varam ātri atrast skaidru pierādījumu par narkotikām, kuras ir saistītas kopā ar hashtagiem," sacīja Hameds.

Pētnieki uzskata, ka jauno pieeju varētu izmantot arī publisku brīdinājumu ģenerēšanai, sacīja Hameds, pirms tiek sākta klīniskā izpēte vai pirms veselības aprūpes sniedzēji ir saņēmuši atjauninājumus. "Tas var mums pateikt: mēs, iespējams, šeit redzam zāļu / zāļu mijiedarbību," sacīja Hameds. "Sargieties."

Izmeklētāji arī uzskata, ka šī metode var palīdzēt pārvarēt ilgstošu medicīnisko pētījumu problēmu: publicētie pētījumi pārāk bieži nav saistīti ar jauniem zinātniskiem atklājumiem, jo ​​digitālās bibliotēkas "cieš no retām atzīmēm". Tas ir, svarīgas digitālās informācijas, piemēram, atslēgas vārdu un metadatu, kas saistīti ar studijām, atjaunināšana ir darbietilpīgs manuāls uzdevums, bieži aizkavēts vai nepilnīgs.

"Twitter izrakteņu ieguve hashtags var dot mums saikni starp jauniem zinātniskiem pierādījumiem un PubMed," sacīja ASV Nacionālās medicīnas bibliotēkas pārvaldītā milzīgā datu bāze, sacīja Hameds. Izmantojot savu jauno algoritmu, Vērmonta komanda ir izveidojusi vietni, kas pētniekam ļaus izpētīt saiknes starp meklēšanas vienumiem (teiksim “albuterols”), esošajiem zinātniskajiem pētījumiem, kas indeksēti PubMed, un ar Twitter un hashtagiem, kas saistīti ar noteikumiem un pētījumiem.

Iepriekšējie pētījumi ir parādījuši, ka čivināt var iegūt par sliktu zāļu mijiedarbību, taču Vērmonta komanda veicina šo ideju, koncentrējoties uz atšķirīgo informāciju, kas ietverta tēmturīšos, piemēram, “# overprescribed”, “#kidneystoneprobs” un “#skinswelling”, lai atrastu jaunas asociācijas.

"Katrs indivīda hashtag darbojas gandrīz kā neirons cilvēka smadzenēs, sūtot noteiktu signālu," raksta zinātnieki, kas var atklāt pārsteidzošu ceļu starp divām vai vairākām zālēm.

Komandas pieeja ietver to, ko viņi sauc par “K-H tīklu” - būtībā blīvu saikņu starp atslēgvārdiem un hashtagiem - izveidošanu un pēc tam daudzu “trokšņu un miskastes” apgriešanu, ”Hameds saka,“ tas ir čivināt! ” - lai atrastu galvenos tīkla nosacījumus. Tad algoritms, saukts par HashPairMiner, šajā sakoptajā tīklā meklē īsākos ceļus starp meklēšanas vienumu pāri un viņu iejauktajām atsaucēm.

Nacionālā zinātnes fonda atbalstītā projekta vispārējais mērķis ir "atklāt jebkādas saistības starp divām zālēm, kas nav zināmas", sacīja Hameds. Bet, lai "pamatotu hipotēzi" - ka datu ieguve čivināt var atrast nezināmu zāļu mijiedarbību - komanda vēlējās parādīt, ka viņu pieeja "var radīt jau zināmu mijiedarbību", saka Tamers Fandijs, farmācijas zinātņu profesors no Albānijas farmācijas koledžas pilsētiņa Vermontā un jaunā pētījuma līdzautore.

"Tā ir," sacīja Hameds. Vienā jaunā pētījuma piemērā algoritms noteica ceļu starp aspirīnu un alerģiskiem medikamentiem benadrilu, kas, kā zināms, mijiedarbojas; vienā gadījumā abas narkotikas - varbūt ne pārāk pārsteidzoši - saistīja mirkļbirks “#happythanksgiving”.

Jaunā sistēma sākās ar to, ko Vermontas universitātes Hameds sākotnēji uzskatīja par kļūdu 2013. gada novembrī. Pašreizējā algoritma iepriekšējā versija “atklāja kaut ko šokējošu: ibuprofēns un medicīniskā marihuāna - kas, jūsuprāt, neko nedara savā starpā - bija saista hashtag ar nosaukumu # Alcheimera slimība, ”saka Hameds.

"Es domāju, ka tai jābūt kļūdai. Es paskatījos uz savu kodu. Es atkārtoju savu eksperimentu. Es apkopoju dažādas tvītu datu kopas - un es saņēmu tādu pašu rezultātu, ”viņš teica. Bet viņš nevarēja atrast atbalstu asociācijai PubMed vai citās klīniskās literatūras datu bāzēs. Faktiski vienīgais pētījums, ko viņš varēja atrast, sākot ar 1989. gadu, liecināja par pretējo, ka starp ibuprofēnu un marihuānu nav mijiedarbības.

Izrādījās, ka Hameds netīšām Twitterverse atklāja cilvēkus, kuri dalījās ar pavisam jauna, salīdzinoši pārskatīta pētījuma rezultātiem, kas liecina, ka ibuprofēnam ir zināmas spējas bloķēt vai mazināt atmiņu bojājošās regulāras marihuānas lietošanas sekas, kas ir saistīta ar Alcheimera slimības attīstību. "Tas parādījās čivināt pirms PubMed," sacīja Hameds.

Kad vairāk valstu legalizē marihuānu, sacīja Hameds, iespējams, ka arvien pieaug diskusija par tās mijiedarbību ar citām narkotikām - pirms pētnieku spējas izpētīt šo mijiedarbību.

"Ja mēs spējam atklāt bažas - sakiet pļāpāšanu par galvassāpēm vai asinsspiediena pazemināšanos vai ko citu," viņš teica, "kas farmaceitus vai pētniekus var novest pie hipotēzes, kurai var sekot klīniskā izpēte vai cits medicīniskais tests. ”

Avots: Vermontas universitāte