Nehlásené vedlejsí úcinky na léky nalezené ve webových vyhledávacích datech

Chování uzivatelu na internetu je stále více uznáváno jako cenný zdroj informací o zdraví. Nyní tým od Stanfordské univerzitní lékarské fakulty a výzkumu spolecnosti Microsoft ukázal, jak tezba bohatých svu dat z historie vyhledávání uzivatelu poskytuje dulezité informace o nehlásených vedlejsích úcincích léku.
O svých zjisteních informují v on - line císle z 6 Casopis American Medical Informatics Association.
Spoluautor Russ Altman je profesorem bioinzenýrství, genetiky a medicíny v Stanfordu. Ríká ve svém prohlásení:
"Hledání informací o zdraví je v soucasné dobe hlavním vyuzíváním internetu. Proto jsme si mysleli, ze lidé pravdepodobne písí o drogách, které uzívají, ao vedlejsích úcincích, které prozívají, a ze musí existovat zpusob, jak tyto údaje vyuzít."

Potreba zvýsit dohled nad bezpecností léku

Autori uvádejí ve svých studiích, ze spatné vedlejsí úcinky na drogy zpusobují vysokou úroven nemocí a úmrtí a casto se objevují az poté, co droga prijde na trh.
Je tedy naléhavé nalézt rychlé a presné zpusoby, jak zjistit, zda drogy bud samostatne, nebo v kombinaci mají neocekávané vedlejsí úcinky.
Ve Spojených státech provozuje Úrad pro potraviny a léciva systém nazvaný systém hlásení nezádoucích príhod (AERS), kde mohou lékari hlásit vedlejsí úcinky. Systém je vsak dobrovolný a nemusí nutne zachytit vsechny prípady, kdy pacienti nebo lékari zaznamenávají neobvyklý vedlejsí úcinek.

Hloubka historie vyhledávání na internetu jiz prinásí výsledky v medicíne

Historie vyhledávání miningu uzivatelu internetu se ukázala být presným zpusobem sledování výskytu chripky. V roce 2008 Google spustil nástroj nazvaný Chripkové trendy, který odhaduje úroven chripky v kazdém státe USA témer v reálném case sledováním urcitých vyhledávacích dotazu Google.

Clánek publikovaný v roce 2010 ukázal, ze sledování místa a frekvence internetových vyhledávání souvisejících s chripkou a jejími príznaky sledovalo sírení chripky v USA stejne presne jako metoda sledování nemocnic pouzívaná Centrami pro kontrolu a prevenci nemocí.
A v roce 2012 se dva vedci této fáze dále rozvinuli poté, co odhalili nový model predpovídání chripky pomocí chripkových trendu Google, které predpovídají regionální vrcholy výskytu chripky o více nez 7 týdnu dopredu.
Inspirovaný príklady, jako jsou tyto, se Altman a kolegové zajímali o zjistení, zda by tezké internetové vyhledávací údaje mohly odhalit interakce léku.
Altmanova laborator uz vyvinula nekolik automatizovaných nástroju, aby mluvila o zprávách FDA o drogových interakcích.

Studium dolu údaje ze 82 milionu internetových vyhledávaní o interakcích mezi drogami a drogami

Takze s pomocí týmu spolecnosti Microsoft, prizpusobili nástroje pro analýzu 12 mesícu historie vyhledávání v roce 2010 od 6 milionu uzivatelu internetu. Uzivatelé souhlasili s anonymním sdílením protokolu o jejich vyhledávání na webu pomocí prohlízece plug-in.
Celkový pocet vyhledávání drog, príznaku a stavu dosáhl 82 milionu.
Vedci se rozhodli vyclenit tento obrovský datový fond pro hledání vedlejsího úcinku, který nastane, kdyz se vezmou dohromady dve drogy, paroxetin a pravastatin, o kterých v roce 2010 nebylo známo.
Paroxetin je antidepresivní lécba a pravastatin je droga snizující hladinu cholesterolu.
Vedlejsí úcinek spocívá v tom, ze riziko vzniku hyperglykémie (vysoké hladiny glukózy v krvi) je vyssí nez uzívání obou léku, nez je to, ze byste uzívali jakoukoli z nich.

Tým vyuzíval zdokonalené nástroje pro hledání dulních informací k identifikaci vyhledávání informací o jednom nebo obou lécích a vyresil pravdepodobnost, ze uzivatelé, kterí tyto vyhledávání provádejí, budou rovnez hledat hyperglykemii nebo fráze, kterou by mohli uzivatelé internetu pouzívat k popisu svých príznaku.

Dulezité je zvázit ne-lékarské zpusoby popisu príznaku

Altman ríká: "Museli jsme skutecne vzít v úvahu tuto obtíznost v predpovedi lidského jazyka," coz je zpusob, jak prijít s témer 80 termíny pro príznaky nebo deskriptory hyperglykémie, napríklad "vysoká hladina cukru v krvi", "dehydratace", "rozmazané videní "nebo" casté mocení ".
"Mohli bychom se postarat o to, protoze verejnost nepozná lékarský zargón," ríká Altman.
Výsledky ukázaly, ze mezi uzivateli internetu, kterí vyhledávali paroxetin nebo jeho obchodní znacky (napr. Paxil) v roce 2010, priblizne 5% hledalo jeden ze 80 termínu popsaných príznaku souvisejících s hyperglykemií. U pravastatinu a jeho znacek (napr. Pravachol, Selektine) cinil tento pod 4%.
Ale u internetových uzivatelu, kterí vyhledávali obe léciva a také vyhledávali príznaky nebo deskriptory týkající se hyperglykémie, byla míra mnohem vyssí, na 10%.
Aby se zkontrolovala presnost jejich tezebních nástroju, vedci provedli dalsí analýzu, kde hledali 31 kombinací léku, o kterých je známo, ze zpusobují hyperglykémii a 31 je známo, ze jsou v bezpecí.
Nová analýza zjistila, ze kombinace léku se známými interakcemi, podobne jako výsledky analýzy tezby paroxetin-pravastatin, vedly k vyssí míre uzivatelu, kterí vyhledávali príznaky související s hyperglykemií.

Vysoká míra falesných pozitiv muze být nevýhodou

Ale výzkumníci také zjistili, ze asi 12% uzivatelu internetu, kterí vyhledávají interakce mezi drogami a drogami, o nichz je známo, ze nemají zádné vedlejsí úcinky, také ukázaly neobvykle vysokou míru vyhledávání symptomu souvisejících s hyperglykemií. Tyto "falesne pozitivní" by nikam nevedly, kdyby se nekdo rozhodl je následovat.
Nicméne, pres falesne pozitivní výsledky, vedci verí, ze poslouchají "signály od davu" nebo sledují "farmakovigilanci" na webu, mohou prinést presné výsledky.

Proste potrebují zjistit, jak uzitecná by tato metoda tezby mohla být v prubezném sledování nezádoucích úcinku.

Tezba více datových zdroju muze prekonat nevýhody práce s "messy" daty

Muze být mozné snízit míru falesne pozitivních výsledku kombinací údaju o vyhledávání na internetu s jinými zdroji, jako jsou napríklad média sociálních sítí, lékarské záznamy a fóra pro pacienty.
K tomu prispívají FDA AERS a pracovníci z oblasti zdravotnictví, kterí pracují na lékarských výzkumných programech, a existuje potenciál pro poskytnutí spolehlivých seznamu interakcí mezi léky a drogami, které by se dále zkoumaly v klinických studiích.
Spoluautor Nigam Shah, odborný lékar z Stanfordu a jeho tým se jiz zabývá tím, jak se vydelat na lékové interakce v anonymní elektronické zdravotní evidenci.
"Pokud porovnáme více zdroju dat, muzeme triangulovat podle toho, co se oba lékari a pacienti obávají," ríká Shah.
Shah pripoustí, ze data z internetových vyhledávání budou vzdy "spinavá". Vyplývá to z mnoha ruzných duvodu: uzivatelé mohou hledat príznaky, protoze uzívají drogy nebo je nekdo jiný uzívá. A kdyz je mediální pokrytí urcitého léku nebo symptomu vysoce kvalitní, pak se na ne objeví nadmerné vyhledávání a nafouknutí výsledku.
Ale Shah ríká, ze muzete pracovat s chaotickými daty, pokud máte dostatek, coz je prípad, kdy jsou k dispozici miliony vyhledávání. Výsledky pak mohou obsahovat pokyny pro dalsí vysetrování.
Altman verí, ze pacienti ríkají hodne o drogách a "musíme zjistit zpusob, jak poslouchat".
Miningové vyhledávání na internetu je "jen jeden zpusob poslechu a jedna aplikace," dodává.
Prostredky od Národních ústavu zdravotnictví pomohly studovce zaplatit.
Napsal Catharine Paddock PhD