使用大数据探索药物相互作用:毒性和有效性

据估计,意想不到的药物相互作用引起的不良事件的比例是~ 30%的报道。复方用药已成为近年来关注的一个问题,和不良事件的早期检测药物的相互作用是临床实践中最重要的一个问题。

然而,随之而来的使用多种药物的协同作用近年来一直受到关注。观察到的合作提高治疗效果和有优势,如降低单个药物的用量和减少严重不良事件的频率,这可能改变常规治疗方法的使用。

因此,药物的相互作用可以导致不良事件(毒性)如果这些使用与此同时在一个不适当的组合,而最佳协同效应,与此同时使用时,可能会导致更好的治疗效果。因此,正确识别和理解药物的相互作用是必需的。

售前随机临床试验主要集中在建立单一药物的安全性和有效性,而不是调查药物的相互作用。因此,从分析获得安全信号不良事件报告(自发报告系统)积累上市后在发现药物的相互作用可能是有用的,没有预期的临床试验中。

然而,自发报告系统已经积累了售后有各种各样的限制,如(1)不包括细节的人口使用药物的患者,和(2)主要基于自发报告,这是容易报告偏见。此外,虽然有一些报道的方法计算药物相互作用安全信号分数,目前还没有方法作为黄金标准计算药物相互作用安全信号的分数。因此,对于药物的相互作用提供更多的安全信号以证据为基础的信息,重要的是要从药理学研究药物之间的因果关系之苦。

cheminformatics和生物信息学领域的大数据(chemical-structural drug-responsive基因,基因表达水平,等等)相关药物和各种化合物已编译和评估。此外,数据科学领域,人工智能(AI)技术的发展值得关注。因此,如果大数据相关cheminformatics和生物信息学可以有效地使用使用人工智能搜索潜在的药物相互作用组合,这可能会导致一个突破药理学。

在本研究课题中,我们想要包括原始或简短的研究报告和评论集中在系统的研究使用大数据从cheminformatics和生物信息学,药物的相互作用以及临床流行病学数据。药物的相互作用包括不良事件(毒性)和治疗协同效应(功效)。

这个主题包括pharmacoepidemiological和数据库研究潜在的药物相互作用研究,提出利用独特的搜索方法在数据科学探索药物的相互作用,分别。