根据9月22日在线发表在Patterns上的一份报告，哥伦比亚大学的研究人员开发了一种机器学习算法，该算法可以识别并预测基于性别的药物不良反应差异。
该算法被称为AwareDX-分析处于药物毒性危险中的女性，该算法自动纠正由于男性受试者在临床研究试验中人数过多而产生的药物效应数据中的偏差。
Nicholas Tatonetti博士及其同事基于以下观察结果创建了该算法：尽管男人和女人可以从某些药物中经历不同的副作用，但医生可能没有意识到它们，因为大多数临床试验数据都偏向男人。他们在报告中指出，这会影响处方指南，药物营销以及最终对患者的健康。
该算法利用了FDA不良事件报告系统(FAERS)的52年数据，该数据包含来自消费者，医疗保健提供者和制造商的药物不良反应报告。Tatonetti和合著者，哥伦比亚高级生物医学信息学专业的Paydal Chandak将数据汇编成一个具有20,000多种潜在的针对性别的药物效应的数据库。
可以通过回顾较旧的数据或进行新的研究来验证这些影响。该算法在寻找模式和趋势之前将数据分组为性别平衡的子集，重复搜索过程25次以改善搜索结果。
研究人员指出，尽管还有大量工作要做，但他们已经基于先前的研究成功验证了几种药物的结果。
例如，他们假设服用胆固醇药物辛伐他汀的男性比女性更有可能出现肌肉酸痛。他们还推论，服用抗精神病药利培酮的女性比服用相同药物的男性更有可能出现心律减慢的风险。
两种假设都基于这样一个事实，即ABCB1基因在男性中比在女性中更活跃，ABCB1基因影响人体可使用的药物量以及可使用多长时间。作者写道，该算法成功地预测了辛伐他汀和利培酮的作用。
“对我来说，最令人兴奋的是，我们不仅拥有从FDA资源中开发的不良事件数据库，而且我们已经表明，对于其中一些此类事件，男性之间存在遗传差异的已有知识和女性”，Chandak补充说。
研究人员希望，继续努力以验证其结果将意味着医生在开药时(尤其是女性患者)开药时会使用从算法中收集到的见解，做出更明智的选择。
