کاربرد هوش مصنوعی در شناسایی تداخلات دارویی با دارو

مقدمه هوش مصنوعی، شاخه‌ای از علوم کامپیوتر است که شامل ایجاد ماشین‌های هوشمندی است که می‌توانند کارهایی را انجام دهند که معمولاً به هوش انسانی نیاز دارند. هوش مصنوعی می تواند هوش انسان را شبیه سازی کند و کارهایی مانند حل مسئله و یادگیری را انجام دهد. در صنایع داروسازی و مراقبت های بهداشتی، هوش مصنوعی برای بهبود مراقبت از بیمار و ایمنی دارو استفاده می شود. هوش مصنوعی این پتانسیل را دارد که صنعت مراقبت های بهداشتی را با بهبود ایمنی دارو، افزایش دقت تشخیصی و ارائه گزینه های درمانی شخصی متحول کند. هدف از این مطالعه بررسی مطالعات انجام شده در زمینه تاثیر بکارگیری هوش مصنوعی در شناسایی تداخلات دارویی با دارو می باشد.روش کارپایگاه های الکترونیکی pubmed، scopus و google scholar برای جستجوی مقالات با کلمات کلیدی تداخل دارویی با دارو در ترکیب با هوش مصنوعی یا یادگیری ماشینی یا یادگیری عمیق یا شبکه عصبی و پیش‌بینی و معادل انگلیسی کلمات از سال 2017 تا 2023 جستجو شد. معیارهای واجد شرایط بودن مقالات شامل مدل‌های پیش‌بینی تداخل دارویی با دارو بودکه با استفاده از الگوریتم‌های مبتنی بر یادگیری ماشین و یا یادگیری عمیق بودند. از 393 مقاله به دست آمده، بعد از حذف عناوین تکراری 325 مقاله باقی ماند، سپس 63 مقاله مروری حذف گردید و از میان 260 مقاله باقی مانده، بعد از مطالعه خلاصه مقالات 74 مقاله که از روش یادگیری ماشین (ml) و یا یادگیری عمیق (dl) برای شناسایی تداخل دارو با دارو استفاده کرده بودند وارد مطالعه شدند.یافته ها و بحث تداخلات دارویی می تواند عواقب جدی در بیماری های مختلف و جمعیت بیماران داشته باشد.. مدیریت و نظارت صحیح بر داروها برای به حداقل رساندن خطرات مرتبط با تداخلات دارویی بسیار مهم است.مطالعاتی در زمینه بکارگیری مدل‌های هوش مصنوعی برای پیش‌بینی تداخلات دارویی انجام شده است. از میان مدل‌های پیش‌بینی مبتنی بر یادگیری ماشین جهت پیش بینی تداخلات دارویی مدل یادگیری ماشین پیشگویانه مبتنی بر الگوریتم منفرد و مدل پیش‌بینی یادگیری گروهی و از میان مدل های پیش‌بینی مبتنی بر یادگیری عمیق تشخیص تداخل دارویی با دارو ، شبکه عصبی مصنوعی (ann)، شبکه عصبی کانولوشنال معمولی، شبکه عصبی کانولوشنال مبتنی بر وابستگی و شبکه عصبی کانولوشنال عمیق بیشتر مورد استفاده قرار گرفته بودند.نتیجه گیریمدل های مبتنی بر یادگیری ماشین درپیش بینی تداخلات دارویی با دارو موثرتر عمل می‌کنند، مدل های مبتنی بر یادگیری ماشین از داده‌های مثبت و منفی آموخته می‌شوند و تعیین پارامترهای بهینه در مدل های مبتنی بر یادگیری ماشین زمان‌بر است.مدل‌های dnn مانند cnn و شبکه‌های عصبی متوالی مانند rnn، به دلیل داشتن رزولوشن مناسب برای انتخاب ویژگی و پیش بینی تداخلات دارویی با دارو، پیچیده هستند. اما عملکرد بهتری نسبت به مدل های مبتنی بر یادگیری ماشین دارند و قابلیت تولید خودکار ورودی سلسله مراتبی دارند، اما روش های یادگیری عمیق در آن مدل ها مورد اعتماد کارکنان پزشکی نیستند.