تشخیص عوارض ناخواسته دارویی با به‌کارگیری الگوریتم‌های هوش‌مصنوعی قابل‌تفسیر

مقدمه و هدف: استفاده بیماران از داروها می‌تواند عوارضی به‌صورت ناخواسته داشته‌باشد که یک نگرانی بزرگ ایمنی است. امروزه با پیشرفت فناوری و گسترش استفاده از شبکه‌های اجتماعی در دنیا، بیماران تجربیات استفاده از داروها و عوارض ناخواسته احتمالی آن‌ها را با یکدیگر به اشتراک می‌گذارند. بنابراین، وجود یک روش هوشمند که بتواند به‌دقت با استفاده از نظرات بیماران وجود عوارض ناخواسته داروهای مصرف شده را تشخیص دهد ضروری است. هدف از این مطالعه، استفاده از الگوریتم‌های هوش‌مصنوعی قابل‌تفسیر به‌منظور شناسایی وجود یا عدم وجود عوارض ناخواسته دارویی از روی نظرات بیماران می‌باشد تا به پزشکان در شناسایی عوارض ناخواسته کمک نماید.روش کار: از مدل‌های درخت تصمیم، ک-نزدیک‌ترین همسایه و جنگل تصادفی به‌همراه 213،869 (80 درصد برای آموزش و 20 درصد برای آزمایش) نظرات بیماران که به‌طور دقیق پیش‌پردازش شده‌اند به‌منظور تشخیص وجود عوارض ناخواسته داروها استفاده شد. افزون بر این، از یک روش تفسیرپذیری به‌منظور توضیح و تفسیر بهترین مدل هوش‌مصنوعی توسعه داده شده در این مطالعه استفاده شد تا در مدل‌های جعبه سیاه هوش‌مصنوعی شفافیت را برای پزشکان در نحوه تصمیم‌گیری مدل ایجاد کند.یافته‌ها: مدل‌های درخت تصمیم دقت 75/90 درصد، ک-نزدیک‌ترین همسایه دقت 70/68 درصد و جنگل تصادفی دقت 76/12 درصد را به‌ترتیب توانسته‌اند به‌دست آورده‌اند. مدل جنگل تصادفی بهترین کارایی را از خود در مقایسه با سایر الگوریتم‌ها نشان داد. با استفاده از روش تفسیرپذیری برای تحلیل تصمیم‌گیری الگوریتم جنگل تصادفی، این الگوریتم به‌درستی توانسته‌بود در نظرات بیماران کلمات کلیدی بیان کننده وجود عوارض ناخواسته داروهای مصرفی را شناسایی و تشخیص دهد. نتیجه‌گیری: نتایج این مطالعه، نشان داد که استفاده از الگوریتم‌های هوش‌مصنوعی می‌تواند به‌سرعت وجود عوارض ناخواسته داروها را در نظرات بیماران تشخیص دهند. به‌دلیل وجود نگرانی ایمنی و ایجاد اعتماد پزشکان نسبت به مدل این مطالعه از یک روش تفسیرپذیر برای تحلیل نتایج استفاده شد. الگوریتم جنگل تصادفی پیشنهادی این مطالعه، می‌تواند به‌عنوان یک دستیار کمکی به پزشکان در شناسایی عوارض ناخواسته دارویی که تا پیش از این تشخیص داده نشده بودند کمک نماید.