根據9月22日在線發表在Patterns上的一份報告，哥倫比亞大學的研究人員開發了一種機器學習算法，該算法可以識別并預測基于性別的藥物不良反應差異。

該算法被稱為AwareDX-分析處于藥物毒性危險中的女性，該算法自動糾正由于男性受試者在臨床研究試驗中人數過多而產生的藥物效應數據中的偏差。

Nicholas Tatonetti博士及其同事基于以下觀察結果創建了該算法：盡管男人和女人可以從某些藥物中經歷不同的副作用，但醫生可能沒有意識到它們，因為大多數臨床試驗數據都偏向男人。他們在報告中指出，這會影響處方指南，藥物營銷以及最終對患者的健康。

該算法利用了FDA不良事件報告系統（FAERS）的52年數據，該數據包含來自消費者，醫療保健提供者和制造商的藥物不良反應報告。Tatonetti和合著者，哥倫比亞高級生物醫學信息學專業的Paydal Chandak將數據匯編成一個具有20，000多種潛在的針對性別的藥物效應的數據庫。

可以通過回顧較舊的數據或進行新的研究來驗證這些影響。該算法在尋找模式和趨勢之前將數據分組為性別平衡的子集，重復搜索過程25次以改善搜索結果。

研究人員指出，盡管還有大量工作要做，但他們已經基于先前的研究成功驗證了幾種藥物的結果。

例如，他們假設服用膽固醇藥物辛伐他汀的男性比女性更有可能出現肌肉酸痛。他們還推論，服用抗精神病藥利培酮的女性比服用相同藥物的男性更有可能出現心律減慢的風險。

兩種假設都基于這樣一個事實，即ABCB1基因在男性中比在女性中更活躍，ABCB1基因影響人體可使用的藥物量以及可使用多長時間。作者寫道，該算法成功地預測了辛伐他汀和利培酮的作用。

“對我來說，最令人興奮的是，我們不僅擁有從FDA資源中開發的不良事件數據庫，而且我們已經表明，對于其中一些此類事件，男性之間存在遺傳差異的已有知識和女性”，Chandak補充說。

研究人員希望，繼續努力以驗證其結果將意味著醫生在開藥時（尤其是女性患者）開藥時會使用從算法中收集到的見解，做出更明智的選擇。

責任編輯：lq