Un marco de aprendizaje automático interpretable para la predicción de reacciones adversas a los medicamentos a...

Área de la Ciencia:

• Farmacología
• Biología Computacional
• Aprendizaje Automático

Sus antecedentes:

• Las reacciones adversas a los medicamentos (RAM) representan riesgos significativos para la seguridad del paciente y la atención médica.
• Los métodos actuales de farmacovigilancia, como el Esquema de Tarjeta Amarilla (YCS), carecen de información mecanicista sobre las RAM.
• El aprendizaje automático (ML) interpretable combinado con datos de interacción fármaco-diana ofrece un enfoque novedoso para predecir y comprender las RAM.

Objetivo del estudio:

• Desarrollar un marco de ML interpretable para predecir RAM significativas utilizando datos de interacción fármaco-diana.
• Identificar las relaciones farmacológicas clave que subyacen a las RAM.
• Mejorar la seguridad de los fármacos a través de la farmacovigilancia predictiva (PPV).

Principales métodos:

• Integró datos de interacción fármaco-diana (STITCH) con informes de RAM (YCS).
• Empleó análisis de desproporcionalidad para identificar señales de RAM para entrenar clasificadores de Random Forest en todas las Clases de Sistemas de Órganos (SOC).
• Utilizó SMOTE, Tomek y optimización bayesiana para el equilibrio de datos y la optimización de hiperparámetros, con importancia de características para la interpretabilidad y DisGeNET para la validación.

Principales resultados:

• Logró un alto rendimiento predictivo en las categorías de SOC, con puntuaciones ROC AUC de hasta 0.94.
• Identificó dianas farmacológicas relevantes a través del análisis de la importancia de las características.
• Validó los hallazgos utilizando DisGeNET y demostró el valor de los datos del mundo real en comparación con SIDER.

Conclusiones:

• El marco de ML interpretable desarrollado vincula eficazmente las interacciones fármaco-diana con las RAM.
• Este enfoque muestra una promesa significativa para la farmacovigilancia predictiva (PPV).
• El marco apoya un desarrollo de fármacos más seguro al proporcionar información mecanicista sobre las RAM.