Nove tehnologije po besedah Žitnikove korenito spreminjajo medicino ter omogočajo povsem drugačen pogled v telo, na zdravje in bolezni. Hkrati pa ta tehnologija ustvarjajo tudi ogromne količine podatkov, kar prinaša nove priložnosti za medicino in dobrobit ljudi ter predstavlja velik izziv za raziskovalce in raziskovalke, je v okviru nedavnega predavanja ASEF Alumni povedala slovenska raziskovalka na Univerzi Stanford v ZDA Marinka Žitnik, poroča STA.

Podatki se danes po njenih pojasnilih ustvarjajo v merilu brez primere. Ti podatki so zelo raznovrstni, hkrati pa noben tip podatkov ne zajema vseh dejavnikov, potrebnih za razumevanje pojava, kot je bolezen, zato velike kompleksnosti ne moremo razložiti, če jih analiziramo ločeno. Po drugi strani pa je integracija podatkov iz različnih naprav ter podanih z različnimi enotami ali načini zahtevna, zato je vprašanje, kako jih razčleniti, da bi se iz njih čim več naučili, za raziskovalce velik izziv.

Vse večja količina medicinskih podatkov
Od 2020 naprej naj bi se količina medicinskih podatkov podvojila vsakih 73 dni, zato po besedah Žitnikove potrebujemo računske pristope in razčlembe, ki omogočajo odkrivanje zanimivih vzorcev v podatkih. Če so bili nekoč gonilo razvoja predvsem fizični instrumenti, kot je mikroskop, danes po njenem mnenju potrebujemo nov tip instrumentov, ki bodo omogočili odkrivanje zakonitosti iz podatkov ter s tem preskok v razvoju modernih znanosti množice podatkov .

V svojem raziskovalnem delu v okviru podoktorskega študija na Univerzi Stanford se je Žitnikova osredotočila na problem, povezan s predpisovanjem zdravil in polifarmacijo oziroma sočasno uporabo več zdravil za zdravljenje kompleksnih ali sočasnih bolezni. Zanimajo jo nepričakovani stranski učinki jemanja kombinacije zdravil, ki se v primeru jemanja le enega od teh zdravil ne bi pojavili.

Preizkusi z raziskavami postaja nemogoče
Kot je pojasnila Žitnikova, s kliničnimi raziskavami ne morejo preveriti vseh mogočih kombinacij zdravil, saj jih je preveč. Kar 46 odstotkov ljudi, starejših od 65 let, ima namreč po njenih navedbah predpisanih vsaj pet različnih zdravil, neželene stranske učinke zdravil ima 15 odstotkov prebivalcev ZDA, stroški zdravljenja stranskih učinkov zdravil pa v ZDA presegajo 177 milijard dolarjev na leto.

Problema polifarmacije so zato raziskovalci na Stanfordu lotili z računskimi algoritmi. S strojnim učenjem, natančneje z globokimi nevronskimi mrežami, je raziskovalcem uspelo razviti prvo računsko metodo, ki omogoča napovedovanje stranskih učinkov kombinacije zdravil.

Pristop odpira nova vrata v biomedicini
Z novorazvito metodo lahko raziskovalci modelirajo različne kombinacije zdravil ter ugotavljajo, ali so kombinacije zdravil škodljive, kakšne stranske učinke povzročajo ter kakšna je verjetnost, da zdravili, vzeti skupaj, povzročata določen stranski učinek.
Metoda omogoča tudi napovedovanje nove uporabnosti že obstoječih zdravil, pa tudi napovedovanje strenskih učinkov zdravil, ki so šele v razvoju.

Izkazalo se je, da lahko pristop z globokimi nevronskimi mrežami uporabljajo tudi za številne druge probleme v biomedicini, kar prinaša nove priložnosti za nove vrste podatkov, ne le za slike in zaporedja, je povedala Žitnikova.

Model preizkušajo tudi v nekaterih bolnišnicah, saj želijo preveriti, ali je računski model koristen tudi za napovedovanje učinkov v resničnem življenju na pravih pacientih. Njihov cilj je namreč razviti orodje, ki bi ga lahko uporabljali tako zdravniki kot tudi raziskovalci za modeliranje kombinacij zdravil.