Geneesmiddelinteracties, waaronder drug-drug interactions (DDI's) en drug-food constituent interactions (DFI's), kan onverwachte farmacologische effecten veroorzaken, inclusief bijwerkingen van geneesmiddelen (ADE's), met causale mechanismen die vaak onbekend zijn. Echter, de huidige voorspellingsmethoden bieden niet voldoende details buiten de kans op het optreden van DDI, of gedetailleerde medicijninformatie nodig hebben die vaak niet beschikbaar is voor DDI-voorspelling.

Om dit probleem aan te pakken, Dr. Jae Yong Ryu, Universitair docent Hyun Uk Kim en Distinguished Professor Sang Yup Lee, allemaal van de afdeling Chemische en Biomoleculaire Engineering aan het Korea Advanced Institute of Science and Technology (KAIST), een rekenraamwerk ontwikkeld, genaamd DeepDDI, dat nauwkeurig 86 DDI-typen voor een bepaald medicijnpaar voorspelt. De onderzoeksresultaten zijn online gepubliceerd in Proceedings van de National Academy of Sciences ( PNAS ) op 16 april 2018, met de titel "Deep learning verbetert de voorspelling van interacties tussen geneesmiddelen en geneesmiddelen en voedsel."

DeepDDI neemt structurele informatie en namen van twee geneesmiddelen in paar als input, en voorspelt relevante DDI-typen voor het invoergeneesmiddelpaar. DeepDDI gebruikt een diep neuraal netwerk om 86 DDI-typen te voorspellen met een gemiddelde nauwkeurigheid van 92,4% met behulp van de DrugBank gouden standaard DDI-dataset van 192, 284 DDI's bijgedragen door 191 878 drugsparen. Heel belangrijk, DDI-typen die worden voorspeld door DeepDDI worden gegenereerd in de vorm van door mensen leesbare zinnen als output, die veranderingen in farmacologische effecten en/of het risico op ADE's beschrijven als gevolg van de interactie tussen twee geneesmiddelen in paar. Bijvoorbeeld, DeepDDI-uitvoerzinnen die mogelijke interacties tussen oxycodon (opioïde pijnmedicatie) en atazanavir (antiretrovirale medicatie) beschrijven, werden als volgt gegenereerd:"Het metabolisme van Oxycodon kan worden verminderd in combinatie met Atazanavir"; en "Het risico of de ernst van bijwerkingen kan toenemen wanneer Oxycodon wordt gecombineerd met Atazanavir". Door dit te doen, DeepDDI kan meer specifieke informatie geven over interacties tussen geneesmiddelen dan de kans op het optreden van DDI's of ADE's die tot nu toe doorgaans worden gerapporteerd.

DeepDDI werd voor het eerst gebruikt om DDI-types van 2, 329, 561 geneesmiddelparen uit alle mogelijke combinaties van 2, 159 goedgekeurde medicijnen, waarvan DDI-types van 487, 632 geneesmiddelparen werden nieuw voorspeld. Ook, DeepDDI kan worden gebruikt om te suggereren welk medicijn of voedsel tijdens medicatie moet worden vermeden om de kans op bijwerkingen van het medicijn te minimaliseren of de werkzaamheid van het medicijn te optimaliseren. Hiertoe, DeepDDI werd gebruikt om mogelijke causale mechanismen te suggereren voor de gerapporteerde ADE's van 9, 284 drugsparen, en voorspellen ook alternatieve kandidaat-geneesmiddelen voor 62, 707 medicijnparen met negatieve gezondheidseffecten om alleen de gunstige effecten te behouden. Verder, DeepDDI werd toegepast op 3, 288, 157 paren van drugs-voedselbestanddelen (2, 159 goedgekeurde medicijnen en 1, 523 goed gekarakteriseerde voedselbestanddelen) om DFI's te voorspellen. De effecten van 256 voedingsbestanddelen op de farmacologische effecten van geneesmiddelen die op elkaar inwerken en de biologische activiteit van 149 voedingsbestanddelen werden uiteindelijk ook voorspeld. Al deze voorspellingsresultaten kunnen nuttig zijn als een persoon medicijnen gebruikt voor een specifieke (chronische) ziekte zoals hypertensie of diabetes mellitus type 2.

Distinguished Professor Sang Yup Lee zei:"We hebben een platformtechnologie DeepDDI ontwikkeld die precisiegeneeskunde mogelijk maakt in het tijdperk van de vierde industriële revolutie. DeepDDI kan dienen om belangrijke informatie te verstrekken over het voorschrijven van medicijnen en voedingssuggesties terwijl bepaalde medicijnen worden gebruikt om de gezondheidsvoordelen te maximaliseren en uiteindelijk te helpen een gezond leven te behouden in deze vergrijzende samenleving."