Pembelajaran Mesin untuk Analisis Bukti Dunia Nyata dari Farmakoterapi COVID-19 – Majalah Time.com

Covid-19 telah merenggut 4,9 juta kematian hingga saat ini!

Efek obat-obatan seperti remdesivir, kortikosteroid, Tocilizumab, lopinavir-ritonavir, azitromisin dan klorokuin/hidroksiklorokuin telah dibahas dalam makalah penelitian yang ditulis oleh Aurelia Bustos, Patricio Mas_Serrano, Mari L. Boquera , Jose M. Salinas. Makalah penelitian ini berjudul “Pembelajaran Mesin untuk Analisis Bukti Dunia Nyata Farmakoterapi COVID-19” yang menjadi dasar dari teks berikut.

Pentingnya penelitian ini

Coronavirus membuat seluruh dunia terhenti. Makalah penelitian yang disebutkan di atas melakukan analisis bukti tentang efek obat-obatan ini pada tingkat kelangsungan hidup pasien. Pembelajaran mesin dapat membantu kita memodelkan efek nyata dari berbagai farmakoterapi. Analisis dunia nyata membantu kami menetapkan kemanjuran perawatan yang tersedia yang dapat digunakan untuk pengobatan presisi untuk menyelamatkan nyawa dan membantu kami mengendalikan pandemi.

Tujuan penelitian

Studi oleh para peneliti adalah untuk mempelajari efektivitas obat Covid-19 dibandingkan dengan uji klinis. Penelitian ini bertujuan untuk

• Mencoba memvalidasi uji klinis acak untuk terapi COVID-19. Juga, untuk mengidentifikasi profil pasien berdasarkan respon mereka terhadap pengobatan.
• Selidiki apakah efektivitas remdesivir, kortikosteroid, dan obat umum lainnya dapat direproduksi pada populasi yang berbeda
• Perkaya pendekatan eksperimen dalam hal keterjelasan, kesia-siaan dan pengujian aditif, dan efek perlakuan negatif.

Riset Data

Populasi sumber berjumlah 12912 pasien sesuai dengan 16718 penerimaan rumah sakit dari Januari 2020 hingga Januari 2021 dari Wilayah Valencia di Spanyol.

Hasil

Kematian lebih tinggi pada pria, 17% vs 14,3% pada wanita. Remdesivir dan Tocilizumab dikaitkan dengan peningkatan waktu bertahan hidup. Pasien tidak menunjukkan manfaat kelangsungan hidup dari turunan klorokuin, lopinavir-ritonavir, dan azitromisin. Penelitian juga menunjukkan bahwa pendekatan ML dapat mengidentifikasi pasien tertentu yang akan mendapat manfaat dari farmakoterapi COVID-19.

Potensi Keterbatasan Penelitian & Pekerjaan Masa Depan

• Kemungkinan Bias Seleksi dalam data yang dipelajari disajikan oleh departemen kesehatan
• Perawatan kombinatorial (kombinasi perawatan) bukan merupakan bagian dari penelitian ini.
• Seperti semua algoritme ML, ukuran sampel yang lebih besar akan menghasilkan analisis yang lebih baik.
• Keamanan pengobatan dan tolerabilitas dikeluarkan dari penelitian
• Satu-satunya kriteria analisis terbatas pada hasil kelangsungan hidup saja.

Kesimpulan

Dalam kata-kata para peneliti

Metode pembelajaran mesin adalah alat yang cocok untuk pengobatan presisi untuk meresepkan terapi COVID-19. Penelitian ini mereplikasi metode yang digunakan dalam penelitian sebelumnya tentang kortikosteroid dan remdesivir dan memperoleh hasil yang sesuai. Lebih lanjut, metode tersebut secara efektif mengidentifikasi subkelompok pasien yang akan memperoleh manfaat kelangsungan hidup dari resep remdesivir dan Tocilizumab, yang secara statistik signifikan dalam uji populasi independen, membantu memvalidasi hasil uji klinis acak. Pada saat yang sama, penelitian ini juga menambahkan bukti kurangnya manfaat dari turunan klorokuin, lopinavir-ritonavir dan azitromisin.

Sumber: Aurelia Bustos, Patricio Mas_Serrano, Mari L. Boquera, Jose M. Salinas “Pembelajaran Mesin untuk Analisis Bukti Dunia Nyata dari Farmakoterapi COVID-19”