Thường không thử nghiệm thuốc trên phụ nữ - AI có thể sửa sai lệch đó?

Các nhà nghiên cứu tại trường Đại học Columbia đã phát triển AwareDX - Phân tích phụ nữ có rủi ro về việc thử nghiệm độc tính của thuốc - một thuật toán máy học xác định và dự đoán sự khác biệt về tác dụng phụ của thuốc giữa nam giới và phụ nữ bằng cách phân tích các báo cáo trong 50 năm theo cơ sở dữ liệu của FDA.

Thuật toán, được mô tả vào ngày 22 tháng 9 trên tạp chí Patterns, tự động sửa các khuynh hướng trong dữ liệu này xuất phát từ sự trình bày quá mức của các đối tượng nam giới trong các thử nghiệm nghiên cứu lâm sàng.

Mặc dù nam giới và phụ nữ có thể có phản ứng khác nhau với thuốc - ví dụ như thuốc hỗ trợ giấc ngủ Ambien, chuyển hóa chậm hơn ở phụ nữ, gây ra cảm giác mệt mỏi vào ngày hôm sau - ngay cả các bác sĩ cũng có thể không biết về những khác biệt này vì phần lớn dữ liệu thử nghiệm lâm sàng thiên về nam giới. Điều này dần dần sẽ ảnh hưởng đến nguyên tắc kê đơn, tiếp thị thuốc và cuối cùng là ảnh hưởng đến sức khỏe của bệnh nhân.

Nicholas Tatonetti (@nicktatonetti), phó giáo sư tin học y sinh tại trường Đại học Columbia, cho biết: "Pharma có tiền lệ bỏ qua các vấn đề phức tạp. Theo truyền thống, các thử nghiệm lâm sàng thậm chí không có phụ nữ trong nghiên cứu của họ.

Thông thường cung cấp loại thuốc thử nghiệm cho một nhóm những người đàn ông khỏe mạnh và đảm bảo rằng thuốc không gây chết người. Do đó, chúng tôi có ít thông tin hơn về cách phụ nữ phản ứng với thuốc so với nam giới và theo một đồng tác giả trên bài báo: "Trước đây chúng tôi không có khả năng đánh giá những khác biệt này, hoặc thậm chí định lượng chúng".

Tatonetti đã hợp tác với một trong những sinh viên của mình — Payal Chandak, sinh viên chuyên ngành tin học y sinh chính tại trường Đại học Columbia và là đồng tác giả khác của bài báo. Họ cùng nhau phát triển AwareDX. Bởi vì nó là một thuật toán học máy, AwareDX có thể tự động điều chỉnh các khuynh hướng này dựa trên giới tính theo cách mà sẽ cần nỗ lực phối hợp để làm bằng tay.

Chandak cho biết: “Học máy chắc chắn là một từ thông dụng, nhưng về cơ bản, ý tưởng là để sửa những khuynh hướng này trước khi bạn thực hiện bất kỳ phân tích thống kê nào khác bằng cách xây dựng một nhóm bệnh nhân cân bằng nam và nữ cho mỗi loại thuốc bằng nhau”.

Thuật toán sử dụng dữ liệu từ Hệ thống Báo cáo Sự kiện Có hại của FDA (FAERS), chứa các báo cáo về tác dụng phụ của thuốc từ người tiêu dùng, nhà cung cấp dịch vụ chăm sóc sức khỏe và nhà sản xuất từ năm 1968. AwareDX nhóm dữ liệu thành các tệp nhỏ cân bằng giới tính trước khi tìm kiếm các mẫu và xu hướng. Để cải thiện kết quả, thuật toán sau đó lặp lại toàn bộ quá trình 25 lần.

Các nhà nghiên cứu đã tổng hợp kết quả thành một file hơn 20.000 tác dụng của thuốc dành riêng cho giới tính, sau đó có thể được xác minh bằng cách xem lại dữ liệu cũ hoặc bằng cách thực hiện các nghiên cứu mới. Mặc dù còn rất nhiều việc phải làm, các nhà nghiên cứu đã thành công trong việc xác minh kết quả đối với một số loại thuốc dựa trên nghiên cứu di truyền trước đó.

Ví dụ, gen ABCB1, ảnh hưởng đến mức độ sử dụng của một loại thuốc trong cơ thể và trong thời gian bao lâu, được biết là hoạt động ở nam giới nhiều hơn phụ nữ. Do đó, các nhà nghiên cứu dự kiến sẽ thấy nguy cơ đau nhức cơ cao hơn ở nam giới dùng simvastatin - một loại thuốc điều trị cholesterol - và nguy cơ chậm nhịp tim hơn đối với phụ nữ dùng risperidone - một loại thuốc chống loạn thần. AwareDX đã dự đoán thành công cả hai kết quả này.

"Điều thú vị nhất đối với tôi là chúng tôi không những có cơ sở dữ liệu về các sự kiện bất lợi do chúng tôi đã phát triển từ nguồn tài liệu của FDA này, mà chúng tôi còn chứng minh được rằng, đối với một số trường hợp sẵn có kiến thức di truyền khác biệt giữa nam giới và phụ nữ", Chandak nói. "Sử dụng kiến thức đó, chúng tôi thực sự có thể dự đoán các phản ứng khác nhau mà nam giới và phụ nữ phải có và xác thực phương pháp của chúng tôi đối với những phản ứng đó. Điều đó mang lại cho chúng tôi rất nhiều niềm tin vào chính phương pháp này".

Bằng cách tiếp tục xác minh kết quả của mình, các nhà nghiên cứu hy vọng rằng, những hiểu biết sâu sắc từ AwareDX sẽ giúp các bác sĩ đưa ra lựa chọn sáng suốt hơn khi kê đơn thuốc, đặc biệt  cho phụ nữ. Tatonetti nói: "Các bác sĩ xem xét thông tin thực sự về tác dụng phụ cụ thể đối với loại thuốc họ kê đơn. Vì vậy, một khi thông tin này được nghiên cứu sâu hơn và chứng thực, nó thực sự sẽ tác động đến việc kê đơn thuốc, cải thiện và nâng cao sức khỏe của mọi người".

Đỗ Quyên dịch

Nguồn: Lab Manager – Hoa Kỳ