Twitter Membantu Mengenal pasti Interaksi Dadah Berbahaya

Perisian baru yang menambang data Twitter dapat mengenal pasti interaksi dan kesan sampingan ubat yang berpotensi berbahaya sebelum ia muncul dalam pangkalan data tradisional.

Para saintis komputer antara disiplin dari University of Vermont membuat program komputer yang dapat mencari berjuta-juta tweet di Twitter dengan berkesan untuk nama banyak ubat-ubatan dan ubat-ubatan - dan membina peta bagaimana mereka dihubungkan - menggunakan #hashtag yang menghubungkannya.

Para penyelidik mengatakan bahawa perisian tersebut dapat menemui interaksi ubat yang berpotensi berbahaya dan kesan sampingan yang tidak diketahui sebelum ia muncul di pangkalan data perubatan, seperti PubMed, atau bahkan sebelum doktor dan penyelidik pernah mendengarnya.

"Algoritma baru kami adalah cara yang baik untuk membuat penemuan yang dapat ditindaklanjuti dan diuji oleh pakar seperti penyelidik klinikal dan ahli farmasi," kata Ahmed Abdeen Hamed, seorang saintis komputer di University of Vermont yang memimpin penciptaan alat baru.

Laporan mengenai bagaimana algoritma berfungsi, dan penemuan awalnya, muncul dalam talian di Jurnal Informatik Bioperubatan.

"Kita mungkin tidak tahu apa interaksi itu, tetapi dengan pendekatan ini kita dapat dengan cepat menemukan bukti jelas mengenai ubat-ubatan yang dihubungkan bersama melalui hashtag," kata Hamed.

Para penyelidik percaya pendekatan baru itu juga dapat digunakan untuk menghasilkan peringatan umum, kata Hamed, sebelum penyelidikan klinikal dimulakan atau sebelum penyedia perawatan kesihatan menerima kemas kini. "Ini dapat memberitahu kita: kita mungkin melihat interaksi ubat / ubat di sini," kata Hamed. "Hati-hati."

Penyiasat juga percaya kaedah ini dapat membantu mengatasi masalah lama dalam penyelidikan perubatan: kajian yang diterbitkan terlalu sering tidak dikaitkan dengan penemuan saintifik baru, kerana perpustakaan digital "mengalami penandaan yang jarang." Iaitu, pengemaskinian maklumat digital penting seperti kata kunci dan metadata yang berkaitan dengan kajian adalah tugas manual yang sukar, sering ditangguhkan atau tidak lengkap.

"Menambang hashtag Twitter dapat memberi kita hubungan antara bukti saintifik yang muncul dan PubMed," pangkalan data besar yang dikendalikan oleh Perpustakaan Perubatan Nasional A.S., kata Hamed. Dengan menggunakan algoritma baru mereka, pasukan Vermont telah membuat laman web yang akan membolehkan penyiasat meneroka hubungan antara istilah carian (katakan "albuterol"), kajian saintifik yang ada yang diindeks di PubMed - dan hashtag Twitter yang berkaitan dengan istilah dan kajian.

Kajian sebelumnya menunjukkan bahawa Twitter dapat ditambang untuk interaksi ubat yang buruk, tetapi pasukan Vermont memajukan idea ini dengan memfokuskan pada maklumat khas yang terdapat dalam hashtag - seperti "#overprescribed," "#kidneystoneprobs," dan "#skinswelling" - untuk mencari persatuan baru.

"Setiap hashtag individu berfungsi hampir seperti neuron di otak manusia, mengirimkan isyarat tertentu," tulis para saintis, yang dapat mengungkapkan jalan yang mengejutkan antara dua atau lebih ubat.

Pendekatan pasukan melibatkan pembinaan apa yang mereka sebut "rangkaian K-H" - pada dasarnya peta padat antara kata kunci dan hashtag - dan kemudian memangkas banyak "kebisingan dan sampah," kata Hamed, "ini Twitter!" - untuk mencari istilah yang menjadi pusat rangkaian. Kemudian algoritma, yang disebut HashPairMiner, mencari rangkaian pembersihan ini untuk jalan terpendek antara sepasang istilah carian dan hashtag campur tangan mereka.

Tujuan keseluruhan projek ini, yang disokong oleh Yayasan Sains Nasional, adalah untuk "menemukan hubungan antara dua ubat yang tidak diketahui," kata Hamed. Tetapi untuk "membuktikan kebenaran hipotesis" - bahawa penggalian data di Twitter dapat menemui interaksi ubat yang tidak diketahui - pasukan ingin menunjukkan bahawa pendekatan mereka "dapat menghasilkan interaksi yang sudah diketahui," kata Tamer Fandy, seorang profesor sains farmasi di kampus Albany College of Pharmacy di Vermont dan pengarang bersama kajian baru itu.

"Tidak," kata Hamed. Dalam satu contoh dari kajian baru itu, jalan antara aspirin dan benadryl ubat alergi, yang diketahui berinteraksi, dikesan oleh algoritma; dalam satu contoh, kedua-dua ubat tersebut dihubungkan - mungkin tidak terlalu mengejutkan - oleh hashtag "#happythanksgiving."

Sistem baru bermula dengan apa yang awalnya dianggap Hamed University of Vermont sebagai kesalahan pada bulan November 2013. Versi sebelumnya dari algoritma semasa "menemui sesuatu yang mengejutkan: ibuprofen dan ganja perubatan - yang anda fikir tidak ada kaitan antara satu sama lain - adalah dihubungkan oleh hashtag bernama # Alzheimer, ”kata Hamed.

"Saya fikir itu adalah satu kesalahan. Saya melihat kod saya. Saya mengulangi percubaan saya. Saya mengumpulkan set data tweet yang berbeza - dan saya mendapat hasil yang sama, ”katanya. Tetapi dia tidak dapat mencari sokongan untuk persatuan di PubMed atau pangkalan data literatur klinikal lain. Sebenarnya, satu-satunya kajian yang dapat dia temukan, dari tahun 1989, menunjukkan sebaliknya, bahawa tidak ada interaksi antara ibuprofen dan ganja.

Ternyata Hamed secara tidak sengaja telah menemui orang di Twitter yang berkongsi hasil kajian rakan sebaya baru yang menunjukkan bahawa ibuprofen mempunyai beberapa kemampuan untuk menyekat atau mengurangkan kesan merosakkan memori dari penggunaan ganja biasa, yang telah dikaitkan dengan perkembangan penyakit Alzheimer. "Itu muncul di Twitter sebelum PubMed," kata Hamed.

Ketika lebih banyak negeri menghalalkan ganja, kata Hamed, mungkin ada perbincangan yang semakin meningkat mengenai interaksinya dengan ubat lain - lebih awal daripada kemampuan penyelidik untuk mengkaji interaksi ini.

"Sekiranya kita dapat mengesan kebimbangan - katakanlah perbincangan mengenai sakit kepala atau penurunan tekanan darah atau apa saja," katanya, "yang boleh menyebabkan ahli farmasi atau penyelidik membuat hipotesis yang dapat ditindaklanjuti oleh percubaan klinikal atau ujian perubatan lain. "

Sumber: Universiti Vermont