A Twitter segít azonosítani a veszélyes kábítószer-kölcsönhatásokat

A Twitter adatait bányászó új szoftver képes azonosítani a potenciálisan veszélyes gyógyszerkölcsönhatásokat és mellékhatásokat, mielőtt azok megjelennek a hagyományos adatbázisokban.

A Vermonti Egyetem interdiszciplináris informatikusai létrehoztak egy számítógépes programot, amely hatékonyan képes a Twitteren több millió tweetben sok gyógyszer és gyógyszer nevére keresni - és térképet készíteni arról, hogyan kapcsolódnak egymáshoz - az őket összekötő #hashtagek segítségével.

A kutatók szerint a szoftver felfedezhet potenciálisan veszélyes gyógyszerkölcsönhatásokat és ismeretlen mellékhatásokat, mielőtt megjelennek az orvosi adatbázisokban, például a PubMed-ben, vagy még azelőtt, hogy az orvosok és kutatók egyáltalán hallanának róluk.

"Új algoritmusunk nagyszerű módja annak, hogy olyan felfedezéseket hozzunk létre, amelyeket nyomon követhetnek és tesztelhetnek olyan szakértők, mint a klinikai kutatók és gyógyszerészek" - mondta Ahmed Abdeen Hamed, a Vermonti Egyetem informatikusa, aki az új eszköz létrehozását vezette.

Az algoritmus működéséről és annak előzetes felfedezéseiről szóló jelentés online megjelenik a Biomedical Informatics Journal.

"Lehet, hogy nem tudjuk, mi az interakció, de ezzel a megközelítéssel gyorsan egyértelmű bizonyítékokat találhatunk azokra a gyógyszerekre, amelyek hashtageken keresztül kapcsolódnak egymáshoz" - mondta Hamed.

A kutatók úgy vélik, hogy az új megközelítést nyilvános riasztások létrehozására is fel lehetne használni, mondta Hamed, még mielőtt a klinikai vizsgálat megkezdődne, vagy mielőtt az egészségügyi szolgáltatók frissítéseket kapnának. "Ez elmondhatja nekünk: lehet, hogy itt kábítószer / gyógyszer interakciót tapasztalunk" - mondta Hamed. "Óvakodik."

A nyomozók úgy vélik, hogy a módszer segíthet leküzdeni az orvosi kutatás régóta fennálló problémáját: a publikált tanulmányok gyakran nem kapcsolódnak új tudományos eredményekhez, mert a digitális könyvtárak „ritkán szenvednek címkézést”. Vagyis a fontos digitális információk, például a tanulmányokhoz kapcsolódó kulcsszavak és metaadatok frissítése fáradságos kézi feladat, gyakran késik vagy hiányos.

"A Twitter hashtagek bányászata összekapcsolhatja a feltörekvő tudományos bizonyítékokat és a PubMed között" - mondta az Egyesült Államok Nemzeti Orvostudományi Könyvtárának hatalmas adatbázisa - mondta Hamed. Új algoritmusuk segítségével a Vermont csapata létrehozott egy weboldalt, amely lehetővé teszi a kutató számára, hogy feltárja a kapcsolatokat a keresési kifejezések (mondjuk „albuterol”), a PubMed-ben indexelt meglévő tudományos tanulmányok - és a kifejezésekhez és tanulmányokhoz társított Twitter-hashtagek között.

Korábbi tanulmányok kimutatták, hogy a Twitter rossz gyógyszerkölcsönhatások miatt bányászható, de a Vermont csapata elősegíti ezt az ötletet, ha a hashtagekben található megkülönböztető információkra összpontosít - például a „# overprescribed”, „#kidneystoneprobs” és a # #skinswelling ”. új egyesületek.

"Minden egyes hashtag szinte úgy működik, mint az emberi agy neuronja, és specifikus jelet küld" - írják a tudósok, amelyek meglepő utat tárhatnak fel két vagy több gyógyszer között.

A csapat megközelítése magában foglalja az úgynevezett „K-H hálózat” kiépítését - lényegében a kulcsszavak és a hashtagek közötti kapcsolatok sűrű térképét -, majd a „zaj és szemetet” nagy részét kivágja - mondja Hamed, „ez a Twitter!” - megtalálni azokat a kifejezéseket, amelyek központi jelentőségűek a hálózatban. Ezután a HashPairMiner nevű algoritmus ebben a megtisztított hálózatban keresi meg a legrövidebb utakat egy keresési kifejezés párja és a köztük lévő hashtagek között.

A Nemzeti Tudományos Alapítvány által támogatott projekt átfogó célja, hogy "felfedezzen két olyan kábítószer közötti kapcsolatot, amely nem ismert" - mondta Hamed. De a "hipotézis megalapozottsága" érdekében - miszerint az adatbányászat a Twitterben ismeretlen gyógyszerkölcsönhatásokat találhat - a csapat be akarta mutatni, hogy megközelítésükkel "már ismert kölcsönhatásokat lehet előállítani" - mondja Tamer Fandy, a gyógyszerészeti tudományok professzora az Albany Gyógyszerészeti Főiskola campusának Vermont és társszerzője az új tanulmánynak.

- Igen - mondta Hamed. Az új vizsgálat egyik példájában az algoritmus utat mutatott ki az aszpirin és az allergiás gyógyszerek benadril között, amelyekről ismert, hogy kölcsönhatásba lépnek egymással; egy esetben a két kábítószert - talán nem túl meglepő módon - a „#happythanksgiving” hashtag kötötte össze.

Az új rendszer azzal kezdődött, amit a Vermonti Egyetem Hamed eredetileg 2013 novemberében hibának vélt. A jelenlegi algoritmus korábbi verziója „valami sokkoló dolgot fedezett fel: az ibuprofent és az orvosi marihuánát - amelyekről azt gondolnád, hogy semmi közük egymáshoz - # Alzheimer-kór nevű hashtag kapcsolja össze ”- mondja Hamed.

„Azt hittem, ennek hibának kell lennie. Megnéztem a kódomat. Megismételtem a kísérletemet. Különböző tweet adatsorokat gyűjtöttem össze - és ugyanazt az eredményt kaptam ”- mondta. De a PubMed-en vagy a klinikai irodalom más adatbázisain nem talált támogatást az egyesület számára. Valójában az egyetlen tanulmány, amelyet 1989-ben talált, az ellenkezőjét sugallta, hogy az ibuprofen és a marihuána között nincs kölcsönhatás.

Kiderült, hogy Hamed akaratlanul is felfedezett olyan embereket a Twitterverse-ben, akik megosztották egy vadonatúj, szakértők által felülvizsgált tanulmány eredményeit, amelyek arra utalnak, hogy az ibuprofen képes valamilyen módon blokkolni vagy csökkenteni a rendszeres marihuána-használat memóriakárosító hatásait, amely összefüggésbe hozható az Alzheimer-kór kialakulásával. "A Twitteren jelent meg a PubMed előtt" - mondta Hamed.

Amint több állam legalizálja a marihuánát, Hamed szerint egyre nagyobb vita folyhat más gyógyszerekkel való kölcsönhatásairól - megelőzve a kutatók kapacitását ezen kölcsönhatások tanulmányozására.

"Ha képesek vagyunk észlelni az aggodalmakat - mondjuk a fejfájásról, a vérnyomás csökkenéséről vagy bármi másról - mondja." Ez a gyógyszerészeket vagy kutatókat olyan hipotézishez vezetheti, amelyet klinikai vizsgálat vagy más orvosi vizsgálat követhet. ”

Forrás: Vermonti Egyetem