Modelo baseado em machine learning analisou a interação entre os 23 medicamentos mais comuns.
Pesquisadores do MIT, do Brigham and Women’s Hospital e da Duke University, desenvolveram uma forma de identificar as proteínas transportadoras usadas por diferentes medicamentos.
Através de um modelo baseado em machine learning, uma das áreas da inteligência artificial, os cientistas conseguiram identificar as reações entre medicamentos, podendo evitar, assim, efeitos colaterais.
Qualquer medicamento quando tomado por via oral passa pelo trato digestivo. No entanto, quando diferentes medicamentos são tomados ao mesmo tempo, as células ficam encarregadas de levar as proteínas transportadoras para o restante do corpo.
Desta forma, ambos os medicamentos podem não fazer funcionar ou, então, causar um efeito colateral. Para evitar isso, seria necessário identificar as proteínas transportadoras e, assim, prever a reação entre os remédios.
De acordo com as últimas informações noticiadas pela CNN Brasil, ao Medical Xpress, Giovanni Traverso, professor associado de engenharia mecânica no MIT, gastroenterologista do Brigham and Women’s Hospital e autor sênior do estudo, explicou:
“Um dos desafios na modelagem da absorção é que os medicamentos estão sujeitos a diferentes transportadores. Este estudo é sobre como podemos modelar essas interações, o que poderia nos ajudar a tornar os medicamentos mais seguros e eficazes, e prever potenciais toxicidades que podem ter sido difíceis de prever até agora”.
Como funcionou a pesquisa
A partir de um estudo anterior, que havia indicado três proteínas principais que levavam os medicamentos pelo trato digestivo, sendo elas BCRP, MRP2 e PgP, os pesquisadores usaram um modelo de tecido que media a capacidade de absorção do corpo a alguns determinados remédios.
Assim, foram analisados 23 medicamentos comuns e identificados quais transportadores eram utilizados por cada um deles. A partir daí, um modelo de machine learning foi treinado com os resultados da pesquisa.
Desta forma, a IA conseguiu fazer previsões sobre quais medicamentos têm interação através de suas semelhanças químicas.
Através deste modelo, os estudiosos ainda analisaram outros 28 medicamentos constantemente usados, além de 1.595 medicamentos experimentais. O teste rendeu cerca de 2 milhões de previsões de potenciais interações medicamentosas.
Por: Aline Oliveira
Notícias Relacionadas
Últimas Notícias
