根据9月22日在线发表在《模式》杂志上的一份报告，哥伦比亚大学的研究人员开发了一种机器学习算法，可以根据性别识别和预测药物不良反应的差异。
该算法被称为AWARDEX——对有药物毒性风险的女性进行分析，自动纠正临床研究试验中男性受试者人数过多导致的药效数据偏差。
尼古拉斯塔托内蒂博士和他的同事创建了这一算法，其依据是这样的观察：尽管男性和女性可能会从某些药物中体验到不同的副作用，但医生可能并没有意识到这些副作用，因为大多数临床试验数据都偏向男性。他们在报告中指出，这将影响处方指南、药物营销，并最终影响患者的健康。
该算法利用了美国食品和药物管理局不良事件报告系统(FAERS)的52年数据，该系统包含来自消费者、医疗保健提供商和制造商的不良反应报告。Tatonetti和她的合著者Paydal Chandak(哥伦比亚高级生物医学信息学专业)将这些数据汇编成一个数据库，其中包含20，000多种潜在的性别特异性药物效应。
这些影响可以通过回顾旧的数据或进行新的研究来验证。在搜索模式和趋势之前，该算法将数据分组到性别平衡的子集，并重复搜索过程25次以改善搜索结果。
研究人员指出，尽管仍有许多工作要做，但他们已经在先前研究的基础上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容易出现肌肉酸痛。他们还得出结论，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率减慢的风险。
这两种假说都是基于ABCB1基因在男性中比在女性中更活跃的事实，ABCB1基因影响人体可以使用的药物量以及可以使用多长时间。作者写道，该算法成功预测了辛伐他汀和利培酮的效果。
“对我来说，最令人兴奋的是，我们不仅有一个从FDA资源开发的不良事件数据库，而且已经表明，对于其中一些事件，男女之间存在基因差异”，Chandak补充道。
研究人员希望，继续努力验证结果将意味着医生(尤其是女性患者)将使用从算法中收集的见解，在开药时做出更明智的选择。
