采用预测方法识别药物不良反应

波士顿儿童医院(Children’s Hospital Boston)的研究人员创造了一种新方法，结合多种形式的广泛可用数据来预测药物不良反应，此举旨在加强目前评估和监测药物安全性的系统。目前的方法依赖于检测药物安全问题的证据，因为这些证据会随着时间的推移积累在临床数据库中，而这种新方法可能能够提前几年发现问题。

这项研究由波士顿儿童医院信息学项目(CHIP)的Aurel Cami博士和Ben Reis博士领导，于12月21日在线发表科学转化医学．

目前，市场上药物的安全性是通过不良药物事件(ADE)报告和数据挖掘工具的结合来评估的，这些工具旨在检测以前未被识别的药物-ADE关系。虽然这些方法普遍有效，但在患者服用药物一段时间后，这些方法可能无法标记出某些类型的ade的存在。

由于这些限制，医生和监管机构可能需要数年时间才能积累足够的数据，认识到某种药物存在严重的安全问题，并采取适当的措施。

为了帮助解决这些延误和与之相关的公共卫生风险，Reis和Cami着手创建一个数学模型用来预测一种毒品进入市场后几年内可能出现的吸毒关系。

“这种方法使我们能够进行从检测到预测的重要转变，”领导CHIP预测医学小组的Reis说。“我们可以尽早发现危险的药物副作用，而不是等待足够多的患者受到它的影响，以便进行检测。”

“考虑到药物领域中存在着无数的实体和复杂的关系，我们认为基于网络的方法将是一种很有前途的方法来尝试预测不可预见的但可能发生的事情。不良事件CHIP的一名教师卡米说。“然而，为了正确地验证该方法，我们知道我们需要使用药物ade的历史和当前数据。”

为了测试该网络，Reis和Cami整合了商业上可用的信息药品安全数据库从Lexicomp与数据药物化学和信息药物和ADE分类。然后，他们在2005年的Lexicomp数据中快照了809种药物和852种与这些药物相关的不良事件。利用网络模型，他们生成了一份药物滥用关系预测列表，并将该列表与2010年Lexicomp数据库的第二张快照进行了比较。

研究人员发现网络模型非常有效地预测2005年快照中缺席的药物 - ade关系，但在2010年之前存在。例如，仅基于2005年提供的数据，该模型正确地确定了42％的药物随后在2006年至2010年间发现的关系，而在2010年数据中正确识别为假的95％的药物 - ade对被分类为没有关联。

Cami说:“我们认为，通过帮助药物安全从业者预测高可能性事件，并在这些事件开始出现在患者身上之前，指导人们了解、避免和减轻这些事件，该方法确实有望加强识别和管理药物风险的努力。”“我们现在正在努力扩展这些方法，以纳入其他药物安全数据来源，并促进在临床药物安全实践中采用这些方法。”

“今天，我们主要依靠上市后监测来识别未知药物的ade，特别是新型药物类别，”波士顿儿童医院急症部药剂师、该研究的合著者Shannon Manzi说。“制药公司不可能测试每一种可能的药物副作用组合，因此许多未知的关系只有在药物进入市场后才会浮出水面。”

“能够预测一种以前没有考虑过的潜在关系，”她继续说，“将提高药品上市时的安全性，对制药公司和患者都有利。”

---

---