宾夕法尼亚大学公园-病人服用的药物越多，这些药物之间的相互作用就可能引发负面的副作用，包括长期的器官损害甚至死亡，这种可能性就越大。现在，宾夕法尼亚州立大学的研究人员已经开发出一种机器学习系统，该系统可以警告医生和患者有关混合药物时可能出现的不良副作用。

在一项研究中，研究人员设计了一种算法，用于分析报告中列出的药物与药物相互作用的数据(由美国食品药品监督管理局和其他组织汇编)，用于可能的警报系统，该系统可以让患者知道何时可以联合使用药物提示危险的副作用。

“我们先服用一种流行的非处方止痛药，然后再服用降压药，这些药物之间会发生相互作用，进而影响我的肝脏。” Soundar Kumara说，宾夕法尼亚州立大学工业工程学教授艾伦·皮尔斯和艾伦·皮尔斯。“基本上，在这项研究中，我们所做的是收集与肝脏有关的所有疾病的所有数据，并了解哪些药物相互作用会影响肝脏。”

药物相互作用的问题非常严重，因为经常给患者开多种药物，而且他们自己服用非处方药，库马拉还补充说。他也是计算机科学研究院的附属机构，该研究所为宾州州立大学的研究人员提供超级计算资源。

库马拉说：“这项研究非常重要。”“大多数患者不是使用一种药物，而是使用多种药物。像这样的研究对这些人有巨大的用途。”

为了创建警报系统，研究人员依赖于自动编码器模型，该模型是一种人工神经网络，可以根据人脑如何处理信息进行宽松设计。传统上，计算机需要标记的数据，这意味着人们需要为系统描述数据以产生结果。对于药物-药物相互作用，可能需要程序员标记来自数千种药物和数百万种可能相互作用的不同组合的数据。但是，自动编码器模型适用于半监督算法，这意味着它可以同时使用由人标记的数据和未标记的数据。

药物与药物之间可能发生的大量不良反应(范围从轻微到严重)，可能会无意间导致医生和患者忽略警报，研究人员将其称为“警报疲劳”。为了避免机敏的疲劳，研究人员只确定了被视为高度优先的相互作用，例如威胁生命，残疾，住院和需要的干预。

库马拉说，分析毒品之间的相互作用是第一步。该技术的进一步发展和完善可能会导致更精确的甚至是更具个性化的药物相互作用警报。

库马拉说：“反应并非独立于这些化学物质之间的相互作用，这是第二个层次。”“这的第三个层次是与个体患者基因组数据的化学-化学相互作用。”

研究人员在2019年8月的《生物医学和健康信息学》上发表了他们的发现，他们使用了FDA不良事件报告系统的自我报告数据以及来自国家健康信息技术协调员办公室的潜在严重药物相互作用的信息。他们还使用了DrugBank和Drugs.com在线数据库中的信息。重复的报告和有关非严重交互的报告已删除。