นักวิจัยจากสถาบันชั้นสูงวิทยาศาสตร์และเทคโนโลยีเกาหลี (Korea Advanced Institute of Science and Technology : KAIST) ได้ตีพิมพ์งานวิจัยของมหาวิทยาลัยในแทจ็อน (Daejeon) ประเทศเกาหลีใต้ เกี่ยวกับการพัฒนา solution ระบบ deep learning ที่สามารถทำนายปฏิกิริยาต่อกันของยา (drug interaction) โดยมีความถูกต้อง 92% ซึ่งวิธีการนี้มีศักยภาพในการช่วยเหลือผู้ป่วยในการหลีกเลี่ยงผลกระทบจากการผสมยากับยาตัวอื่นๆ หรืออาหารการกินได้
“ปฏิกิริยาต่อกันของยากับตัวยาอื่นๆ หรือยากับส่วนประกอบอาหารอื่นๆ นั้นสามารถสร้างผลกระทบในด้านเภสัชกรรมอย่างที่คาดไม่ถึงได้ ซึ่งรวมไปถึงเหตุการณ์ของการทำปฏิกิริยาตรงข้ามของยา (adverse drug event) ซึ่งเป็นเหตุการณ์ไม่พึงประสงค์จากการใช้ยา โดยมักจะไม่ทราบสาเหตุกลไกที่แน่ชัดได้” นักวิจัยเขียนในงานตีพิมพ์ “อย่างไรก็ดี วิธีการทำนายในปัจจุบันอาจจะยังไม่สามารถให้รายละเอียดข้อมูลที่เพียงพอถึงโอกาสที่จะเกิดการตีกันของยาได้ หรือข้อมูลของยาโดยละเอียดก็มักจะยังไม่มีข้อมูลในการทำนายปฏิกิริยาต่อกันของยาได้”
งานนี้ นักวิจัยจึงนำข้อมูล 60,000 คู่ยาที่มีข้อมูลอยู่แล้วมาสร้างระบบโครงข่ายประสาทเทียม (Neural Network) บนเฟรมเวิร์ก deep learning TensorFlow โดยระบบของพวกเขามีชื่อว่า DeepDDI ซึ่งจะสามารถทำนายปฏิกิริยาต่อกันระหว่างตัวยา โดยใช้ข้อมูลคู่ยานั้นๆ หรือปฏิกิริยาระหว่างยากับส่วนประกอบอาหารได้โดยเพียงใช้ข้อมูลชื่อและโครงสร้างทางเคมีเป็นข้อมูลเข้าเท่านั้น ซึ่งผลออกมาก็ค่อนข้างทำนายได้แม่นยำ นักวิจัยกล่าว
“ความแม่นยำในการทำนายของระบบจะสามารถพัฒนาให้สูงขึ้นไปได้อีก” นักวิจัยกล่าว โดยวิธีการนี้ยังมีศักยภาพในการพัฒนาเพื่อใช้งานในร้านเภสัชกรหรือผ่านทางแอปพลิเคชันสมาร์ทโฟนได้ ซึ่งจะทำให้ผู้ป่วยสามารถเรียนรู้ว่าตัวยาใดมีปฏิกิริยากับยาที่ใช้หรืออาหารที่กินได้ก่อนที่จะเกิดปัญหาขึ้น
“พวกเราได้พัฒนาเทคโนโลยีแพลตฟอร์ม DeepDDI เพื่อที่จะทำให้การใช้ยาเกิดความแม่นยำในยุคการปฏิวัติอุตสาหกรรมครั้งที่สี่ (Fourth Industrial Revolution)” ศาสตราจารย์ Sang Yup Lee หนึ่งในผู้เขียนงานวิจัยกล่าว “DeepDDI สามารถให้บริการในการให้ข้อมูลที่สำคัญของยาในใบสั่งยา และการแนะนำการบริโภคอาหารในขณะใช้ยาบางตัวเพื่อทำให้ได้ประโยชน์กับสุขภาพสูงสุด และอีกทั้งยังช่วยให้สามารถรักษาชีวิตให้มีสุขภาพในสังคมผู้สูงวัยอีกด้วย”
Source : https://news.developer.nvidia.com/ai-helps-predict-drug-interactions/