S pomočjo strojnega učenja do napovedovanja stranskih učinkov zdravil

Nove tehnologije po besedah Žitnikove korenito spreminjajo medicino ter omogočajo povsem drugačne poglede v telo, na zdravje in bolezni. Hkrati pa te tehnologije ustvarjajo tudi ogromne količine podatkov, kar prinaša nove priložnosti za medicino in dobrobit ljudi ter predstavlja velik izziv za raziskovalce in raziskovalke, je v okviru nedavnega predavanja ASEF Alumni povedala slovenska raziskovalka na Univerzi Stanford v ZDA Marinka Žitnik.

Podatki se danes po njenih pojasnilih ustvarjajo v merilu brez primere. Ti podatki so zelo raznovrstni, hkrati pa noben tip podatkov ne zajema vseh dejavnikov, potrebnih za razumevanje pojava, kot je bolezen, zato velike kompleksnosti ne moremo razložiti, če jih analiziramo ločeno. Po drugi strani pa je integracija podatkov iz različnih naprav ter podatkov v različnih skalah zahtevna, zato je vprašanje, kako jih analizirati, da bi se iz njih čim več naučili, za raziskovalce velik izziv.

Od 2020 naprej naj bi se količina medicinskih informacij podvojila vsakih 73 dni, zato po besedah Žitnikove potrebujemo računske pristope in analize, ki omogočajo odkrivanje zanimivih vzorcev v podatkih. Če so bili nekoč gonilo razvoja predvsem fizični instrumenti, kot je mikroskop, danes po njenem mnenju potrebujemo nov tip instrumentov, ki bodo omogočili odkrivanje znanj iz podatkov ter s tem preskok v razvoju modernih podatkovno-intenzivnih znanosti.

Problem polifarmacije

V svojem raziskovalnem delu v okviru podoktorskega študija na Univerzi Stanford se je Žitnikova osredotočila na problem, povezan s predpisovanjem zdravil in polifarmacijo, oziroma sočasno uporabo več zdravil za zdravljenje kompleksnih ali sočasnih bolezni. Zanimajo jo nepričakovani stranski učinki jemanja kombinacije zdravil, ki se v primeru jemanja le enega od teh zdravil ne bi pojavili.

Kot je pojasnila Žitnikova, s pomočjo kliničnih raziskav ne morejo testirati vseh možnih kombinacij zdravil, saj jih je preveč. Kar 46 odstotkov ljudi starejših od 65 let ima namreč po njenih navedbah predpisanih vsaj pet različnih zdravil, neželene stranske učinke zdravil ima 15 odstotkov prebivalcev ZDA, stroški zdravljenja stranskih učinkov zdravil pa v ZDA presegajo 177 milijard dolarjev na leto.

Do rešitve s pomočjo strojnega učenja

K problemu polifarmacije so zato raziskovalci na Stanfordu pristopili računsko. S pomočjo strojnega učenja, natančneje s pristopom globokih nevronskih mrež, je raziskovalcem uspelo razviti prvo računsko metodo, ki omogoča napovedovanje stranskih učinkov kombinacije zdravil.

S pomočjo novorazvite metode lahko raziskovalci modelirajo različne kombinacije zdravil ter ugotavljajo, ali so kombinacije zdravil nezdrave, kakšne stranske učinke povzročajo ter kakšna je verjetnost, da zdravili, vzeti skupaj, povzročata določen stranski učinek.

Metoda omogoča tudi napovedovanje novih možnih uporab že obstoječih zdravil, pa tudi napovedovanje strenskih učinkov zdravil, ki so šele v razvoju.

Izkazalo se je, da lahko ta pristop z globokimi nevronskimi mrežami uporabljajo tudi za številne druge probleme v biomedicini, kar prinaša nove priložnosti za nove vrste podatkov, ne le za slike in zaporedja, je povedala Žitnikova.

Model testirajo tudi v nekaterih bolnišnicah, saj želijo preveriti, ali je računski model koristen tudi za napovedovanje učinkov v realnem življenju na pravih pacientih. Njihov cilj je namreč razviti orodje, ki ga lahko uporabljajo tako zdravniki kot tudi raziskovalci za modeliranje kombinacij zdravil.

O dr. Marinki Žitnik

Marinka Žitnik je leta 2012 diplomirala iz računalništva in matematike na Fakulteti za računalništvo in informatiko ter Fakulteti za matematiko in fiziko v Ljubljani. Študij je nadaljevala na ljubljanski Fakulteti za računalništvo in informatiko, kjer je leta 2015 tudi doktorirala.

Leta 2014 je bila štipendistka Ameriško-slovenske izobraževalne fundacije (ASEF), sedaj pa je podoktorska raziskovalka na Univerzi Stanford v ZDA, kjer dela z Juretom Leskovcem. Njeno raziskovalno delo premošča vrzeli na področjih računalništva, biologije in medicine ter ustvarja novo paradigmo v biomedicini.