Descoberta de Reações Adversas a Medicamentos Usando um Grafo de Conhecimento de Tumor-Biomarcador

Reações adversas a medicamentos (RAMs) são uma grande preocupação de saúde pública, e a detecção precoce é crucial para o desenvolvimento de medicamentos e segurança do paciente. Juntamente com a crescente disponibilidade de dados da literatura em grande escala, o aprendizado de máquina tem o potencial de prever RAMs desconhecidas a partir do conhecimento atual. Através dos métodos de aprendizado de máquina, construímos um Grafo de Conhecimento de Tumor-Biomarcador (GKTB) que contém quatro tipos de nós: Tumor, Biomarcador, Medicamento e RAM usando literaturas biomédicas. Com base neste grafo de conhecimento, não apenas descobrimos potenciais RAMs de medicamentos antitumorais, mas também fornecemos explicações. Experimentos com dados do mundo real mostram que nosso modelo pode alcançar 0,81 de precisão em três validações cruzadas e a descoberta de RAMs do Osimertinib foi escolhida para a validação clínica. As RAMs calculadas do Osimertinib pelo nosso modelo consistiram das RAMs conhecidas que estavam em conformidade com o manual oficial e algumas RAMs raras não relatadas em casos clínicos. Os resultados também mostraram que nosso modelo superou métodos tradicionais de coocorrência. Além disso, cada RAM calculada foi anexada com os caminhos correspondentes de "tumor-biomarcador-medicamento" no grafo de conhecimento, o que poderia ajudar a obter insights profundos sobre os mecanismos subjacentes. Em conclusão, a abordagem baseada no grafo de conhecimento tumor-biomarcador é um método explicável para a descoberta de potenciais RAMs com base em biomarcadores e pode ser valiosa para a comunidade que trabalha no emergente campo de mineração de literatura biomédica e proporcionar impulso para a pesquisa de mecanismos de RAMs.