Twitter aiuta a identificare le interazioni farmacologiche pericolose

Il nuovo software che estrae i dati di Twitter può identificare le interazioni farmacologiche potenzialmente pericolose e gli effetti collaterali prima che vengano visualizzati nei database tradizionali.

Gli informatici interdisciplinari dell'Università del Vermont hanno creato un programma per computer in grado di cercare in modo efficiente milioni di tweet su Twitter i nomi di molti farmaci e medicinali e costruire una mappa di come sono collegati, utilizzando gli #hashtag che li collegano.

I ricercatori affermano che il software può scoprire interazioni farmacologiche potenzialmente pericolose ed effetti collaterali sconosciuti prima che compaiano nei database medici, come PubMed, o anche prima che medici e ricercatori ne abbiano sentito parlare.

"Il nostro nuovo algoritmo è un ottimo modo per fare scoperte che possono essere seguite e testate da esperti come ricercatori clinici e farmacisti", ha detto Ahmed Abdeen Hamed, un informatico presso l'Università del Vermont che ha guidato la creazione del nuovo strumento.

Un rapporto su come funziona l'algoritmo e le sue scoperte preliminari appare online nel Journal of Biomedical Informatics.

"Potremmo non sapere quale sia l'interazione, ma con questo approccio possiamo trovare rapidamente prove chiare di farmaci che sono collegati tra loro tramite hashtag", ha detto Hamed.

I ricercatori ritengono che il nuovo approccio potrebbe essere utilizzato anche per generare allarmi pubblici, ha detto Hamed, prima che venga avviata un'indagine clinica o prima che gli operatori sanitari abbiano ricevuto aggiornamenti. "Può dirci: potremmo vedere un'interazione farmaco / farmaco qui", ha detto Hamed. "Attenzione."

Gli investigatori ritengono inoltre che il metodo possa aiutare a superare un problema di vecchia data nella ricerca medica: gli studi pubblicati troppo spesso non sono collegati a nuove scoperte scientifiche, perché le biblioteche digitali "soffrono di tagging raro". Cioè, l'aggiornamento di importanti informazioni digitali come parole chiave e metadati associati agli studi è un compito manuale laborioso, spesso ritardato o incompleto.

"L'estrazione degli hashtag di Twitter può fornirci un collegamento tra le prove scientifiche emergenti e PubMed", ha affermato Hamed, l'enorme database gestito dalla Biblioteca nazionale di medicina degli Stati Uniti. Utilizzando il loro nuovo algoritmo, il team del Vermont ha creato un sito Web che consentirà a un ricercatore di esplorare le connessioni tra i termini di ricerca (ad esempio "albuterol"), gli studi scientifici esistenti indicizzati in PubMed e gli hashtag di Twitter associati ai termini e agli studi.

Studi precedenti hanno dimostrato che Twitter può essere minato per cattive interazioni farmacologiche, ma il team del Vermont porta avanti questa idea concentrandosi sulle informazioni distintive contenute negli hashtag, come "#overprescription", "#kidneystoneprobs" e "#skinswelling" - per trovare nuove associazioni.

"Ogni singolo hashtag funziona quasi come un neurone nel cervello umano, inviando un segnale specifico", scrivono gli scienziati, che può rivelare un percorso sorprendente tra due o più farmaci.

L'approccio del team prevede la creazione di quella che chiamano una "rete K-H" - essenzialmente una mappa densa di collegamenti tra parole chiave e hashtag - e quindi l'eliminazione di gran parte del "rumore e spazzatura", dice Hamed, "questo è Twitter!" - per trovare i termini che sono centrali per la rete. Quindi l'algoritmo, chiamato HashPairMiner, cerca in questa rete ripulita i percorsi più brevi tra una coppia di termini di ricerca ei loro hashtag intermedi.

L'obiettivo generale del progetto, sostenuto dalla National Science Foundation, è quello di "scoprire qualsiasi relazione tra due farmaci che non è nota", ha detto Hamed. Ma per "fondare l'ipotesi" - che il data mining su Twitter può trovare interazioni farmacologiche sconosciute - il team ha voluto dimostrare che il loro approccio "può produrre interazioni che sono già note", afferma Tamer Fandy, professore di scienze farmaceutiche presso il campus dell'Albany College of Pharmacy nel Vermont e coautore del nuovo studio.

"Sì," disse Hamed. In un esempio tratto dal nuovo studio, l'algoritmo ha rilevato un percorso tra l'aspirina e il farmaco antiallergico benadryl, noti per interagire; in un caso, i due farmaci erano collegati, forse non troppo sorprendentemente, dall'hashtag "#happythanksgiving".

Il nuovo sistema è iniziato con quello che Hamed dell'Università del Vermont inizialmente pensava fosse un errore nel novembre del 2013. Una versione precedente dell'attuale algoritmo "ha scoperto qualcosa di scioccante: l'ibuprofene e la marijuana medica - che penseresti non abbiano nulla a che fare l'uno con l'altro - erano collegato da un hashtag chiamato # Alzheimer ", dice Hamed.

“Ho pensato che dovesse essere un errore. Ho guardato il mio codice. Ho ripetuto il mio esperimento. Ho raccolto diversi set di dati di tweet e ho ottenuto lo stesso risultato ", ha detto. Ma non è riuscito a trovare alcun supporto per l'associazione su PubMed o altri database di letteratura clinica. In effetti, l'unico studio che è riuscito a trovare, dal 1989, ha suggerito il contrario, che non c'era interazione tra ibuprofene e marijuana.

Si è scoperto che Hamed aveva inavvertitamente scoperto persone nel Twitterverse che condividevano i risultati di un nuovissimo studio peer-reviewed che suggeriva che l'ibuprofene ha una certa capacità di bloccare o ridurre gli effetti dannosi per la memoria del consumo regolare di marijuana, che è stato associato con lo sviluppo della malattia di Alzheimer. "È apparso su Twitter prima di PubMed", ha detto Hamed.

Man mano che più stati legalizzano la marijuana, ha detto Hamed, potrebbero esserci crescenti discussioni sulle sue interazioni con altri farmaci, prima della capacità dei ricercatori di studiare queste interazioni.

"Se siamo in grado di rilevare le preoccupazioni - diciamo chiacchiere su mal di testa o cali di pressione sanguigna o altro", ha detto, "ciò può portare farmacisti o ricercatori a un'ipotesi che può essere seguita da una sperimentazione clinica o da altri test medici. "

Fonte: Università del Vermont