為兒童確定安全而有效的藥物劑量，對制藥公司和醫(yī)生而言都是一個持續(xù)的挑戰(zhàn)。通常先在成人身上測試一種新藥，然后將這些試驗的結(jié)果用于兒科試驗的劑量選擇。潛在的假設通常是兒童像成年人一樣大，通常較小，這通常是正確的，但也可能忽略了由于兒童器官仍在發(fā)育而引起的差異。
使問題更加復雜的是，兒科試驗并不總是能發(fā)現(xiàn)可能影響藥物劑量推薦的其他差異。有許多因素限制了兒童參與藥物試驗-例如，某些疾病在兒童中很少見-因此，生成的數(shù)據(jù)集往往非常稀疏。
為了使藥物及其開發(fā)對兒童更安全，阿爾托大學和諾華制藥公司的研究人員開發(fā)了一種更好地利用可用數(shù)據(jù)的方法。
阿爾托大學和芬蘭人工智能中心FCAI的計算機科學副教授Aki Vehtari說：“這種方法可以比以前更快地并且以更少的觀察來幫助確定安全的藥物劑量。”
在他們的研究中，研究團隊創(chuàng)建了一個模型，以增進我們對器官發(fā)育的了解。
器官的大小并不一定是唯一會影響其性能的因素。孩子們的器官根本沒有成年人的器官有效。在藥物建模中，如果我們假設大小是唯一重要的問題，我們可能最終會給出太大的劑量，”研究的第一作者，阿爾托大學的博士生Eero Siivola解釋說。
評估兒科數(shù)據(jù)的標準方法依賴于模型診斷的主觀評估，而基于高斯過程回歸的新方法則更受數(shù)據(jù)驅(qū)動，因此更不容易產(chǎn)生偏見?？紤]到不確定性，它也更適合處理小樣本量。
該研究來自FCAI關于敏捷和概率AI的研究計劃，它提供了一個很好的方法示例，該方法可以從非常稀缺的數(shù)據(jù)集中獲得最大的收益。
在這項研究中，研究人員通過重新分析兒科試驗來證明他們的方法，該試驗用于預防器官移植排斥反應的藥物依維莫司。但是他們的方法可能帶來的好處是深遠的。
韋塔里說：“它適用于我們要檢查濃度的任何藥物，例如過敏和止痛藥。”
這種方法對于在新的人群(兒童或成人)上測試新藥的情況尤其有用，這些新藥的體積很小，因此有可能使試驗階段比目前的效率高得多。另一個有希望的應用涉及將現(xiàn)有藥物的使用擴展到其他癥狀或疾病。該方法比當前的實踐可以更有效地支持此過程。
標簽： 安全藥物
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！