Das Verständnis und die Vorbeugung von Arzneimittelnebenwirkungen haben einen großen Einfluss auf die Entwicklung und den Einsatz von Arzneimitteln und beeinflussen das körperliche und geistige Wohlbefinden der Patienten erheblich. Herkömmliche künstliche Arzneimittelexperimente sind nicht nur teuer, sondern auch zeitaufwändig, was umfassende Tests zu einer schwierigen Aufgabe macht.

Mit dem Aufkommen fortschrittlicher Technologien, insbesondere im Bereich des maschinellen Lernens, und der Verfügbarkeit umfangreicher biochemischer medizinischer Daten hat sich die Kombination dieser beiden Faktoren jedoch als entscheidender Ansatz für die Vorhersage von Arzneimittelnebenwirkungen erwiesen. In jüngster Zeit bietet die wachsende Literatur über Arzneimittelnebenwirkungen in Verbindung mit der Verbreitung von Websites und Datenbanken, die umfassende Informationen über Arzneimittel, Nebenwirkungen und damit verbundene biologische Einheiten enthalten, den Forschern reichlich Gelegenheit, Daten zu sammeln und die Entwicklung von Methoden des maschinellen Lernens zur Vorhersage von Arzneimittelnebenwirkungen voranzutreiben. Während sich zahlreiche Übersichtsartikel mit der Vorhersage von Arzneimittelnebenwirkungen befasst haben, konzentrierten sich die meisten auf Methoden zur Vorhersage von Arzneimittelnebenwirkungsassoziationen.

Um diese Probleme zu lösen, veröffentlichte ein Forscherteam unter der Leitung von Haochen Zhao am 15. Mai 2025 eine neue Übersichtsarbeit in Frontiers of Computer Science, die gemeinsam von Higher Education Press und Springer Nature herausgegeben wird.

Darin werden auf maschinellem Lernen basierende Vorhersagemethoden für Nebenwirkungen durch einzelne Medikamente und DDIs untersucht. Darüber hinaus wird die Studie zur Vorhersage der Häufigkeit und des Schweregrads von Nebenwirkungen bei Arzneimitteln hervorgehoben. Sie skizzieren die grundlegenden Prinzipien für die Erstellung von Vorhersagemodellen und stellen häufig genutzte Datenbanken und Webserver vor, die bei der Erkennung von Arzneimittelnebenwirkungen eingesetzt werden. Abschließend werden die aktuellen Herausforderungen und zukünftigen Wege bei auf maschinellem Lernen basierenden Methoden zur Erkennung von Arzneimittelnebenwirkungen erörtert.

Original Paper:

DOI:10.1007/s11704-024-31063-0

Lesen Sie auch:

Relaunch des DSMZ-Online-Shops: Verbesserte Nutzerführung und erweitertes Angebot – MedLabPortal

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.