Interazioni farmacologiche, comprese le interazioni farmacologiche (DDI) e le interazioni farmaco-costituente alimentare (DFI), può innescare effetti farmacologici imprevisti, compresi gli eventi avversi da farmaci (ADE), con meccanismi causali spesso sconosciuti. Però, gli attuali metodi di previsione non forniscono dettagli sufficienti oltre la possibilità che si verifichi un DDI, o richiedono informazioni dettagliate sui farmaci spesso non disponibili per la previsione del DDI.

Per affrontare questo problema, Dottor Jae Yong Ryu, L'assistente professore Hyun Uk Kim e l'illustre professoressa Sang Yup Lee, tutti dal Dipartimento di Ingegneria Chimica e Biomolecolare del Korea Advanced Institute of Science and Technology (KAIST), sviluppato un framework computazionale, chiamato DeepDDI, che prevede con precisione 86 tipi di DDI per una data coppia di farmaci. I risultati della ricerca sono stati pubblicati online in Atti dell'Accademia Nazionale delle Scienze ( PNAS ) il 16 aprile 2018, che si intitola "L'apprendimento profondo migliora la previsione delle interazioni farmaco-farmaco e farmaco-cibo".

DeepDDI prende le informazioni strutturali e i nomi di due farmaci in coppia come input, e prevede i tipi di DDI rilevanti per la coppia di farmaci in ingresso. DeepDDI utilizza la rete neurale profonda per prevedere 86 tipi di DDI con una precisione media del 92,4% utilizzando il set di dati DDI gold standard DrugBank che copre 192, 284 DDI hanno contribuito da 191, 878 coppie di farmaci. Molto importante, I tipi DDI previsti da DeepDDI sono generati sotto forma di frasi leggibili dall'uomo come output, che descrivono i cambiamenti negli effetti farmacologici e/o il rischio di ADE come risultato dell'interazione tra due farmaci in coppia. Per esempio, Le frasi di output di DeepDDI che descrivono le potenziali interazioni tra ossicodone (farmaco antidolorifico oppioide) e atazanavir (farmaco antiretrovirale) sono state generate come segue:"Il metabolismo dell'ossicodone può essere ridotto se combinato con Atazanavir"; e "Il rischio o la gravità degli effetti avversi può essere aumentato quando l'ossicodone è combinato con Atazanavir". Facendo questo, DeepDDI può fornire informazioni più specifiche sulle interazioni farmacologiche oltre alla possibilità di occorrenza di DDI o ADE tipicamente segnalate fino ad oggi.

DeepDDI è stato utilizzato per la prima volta per prevedere i tipi DDI di 2, 329, 561 coppie di farmaci da tutte le possibili combinazioni di 2, 159 farmaci approvati, da cui i tipi DDI di 487, 632 coppie di farmaci sono state recentemente previste. Anche, DeepDDI può essere utilizzato per suggerire quale farmaco o cibo evitare durante il trattamento al fine di ridurre al minimo la possibilità di eventi avversi da farmaco o ottimizzare l'efficacia del farmaco. A tal fine, DeepDDI è stato utilizzato per suggerire potenziali meccanismi causali per gli ADE riportati di 9, 284 coppie di farmaci, e prevedere anche candidati a farmaci alternativi per 62, 707 coppie di farmaci che hanno effetti negativi sulla salute per mantenere solo gli effetti benefici. Per di più, DeepDDI è stato applicato a 3, 288, 157 coppie costituenti farmaco-cibo (2, 159 farmaci approvati e 1, 523 costituenti alimentari ben caratterizzati) per prevedere i DFI. Infine, sono stati previsti anche gli effetti di 256 costituenti alimentari sugli effetti farmacologici dei farmaci interagenti e sulla bioattività di 149 costituenti alimentari. Tutti questi risultati di previsione possono essere utili se un individuo sta assumendo farmaci per una malattia specifica (cronica) come l'ipertensione o il diabete mellito di tipo 2.

Il distinto professor Sang Yup Lee ha detto:"Abbiamo sviluppato una piattaforma tecnologica DeepDDI che consentirà la medicina di precisione nell'era della Quarta Rivoluzione Industriale. DeepDDI può servire a fornire importanti informazioni sulla prescrizione di farmaci e suggerimenti dietetici durante l'assunzione di determinati farmaci per massimizzare i benefici per la salute e, infine, aiutare a mantenere una vita sana in questa società che invecchia".