Predviđanje nuspojava lijekova pomoću odabranih metoda strojnog učenja temeljem javno dostupnih podataka o nuspojavama i neželjenim posljedicama primjene drugih lijekova

diplomski rad

• Naslov (engleski): Prediction of drug side effects using selected machine learning methods based on publicly available data on side effects and adverse effects of drug use
• Autor: Petra Žrvnar
• Mentor: Ljiljana Brkić (mentor)
• Član povjerenstva: Ljiljana Brkić (predsjednik povjerenstva)
• Član povjerenstva: Mirta Baranović (član povjerenstva)
• Član povjerenstva: Igor Mekterović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-06-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Prije stavljanja lijeka na tržište, lijek ili cjepivo mora proći kroz sve faze kliničkog ispitivanja. Iako su klinička ispitivanja stroga i opsežna, postoji mogućnost da u ispitivanjima neće biti detektirane sve nuspojave lijeka. Nove nuspojave je moguće identificirati tek nakon puštanja lijeka u promet, prateći nuspojave u populaciji nakon korištenja lijeka. Ovakav pristup otkrivanju novih nuspojava je opasan, ali i skup, te je potrebno naći način detekcije novih nuspojava prije njihove pojave u populaciji. Kao rješenje ovog problema se nameće korištenje metoda strojnog učenja. U ovom radu je prikazan način korištenja odabranih metoda strojnog učenja za ranu detekciju nuspojava koje nisu otkrivene u fazi kliničkih ispitivanja.

Sažetak (engleski)

Before a medication, or a certain vaccine is introduced, the medication in question undergoes a series of strict clinical trials. Even though clinical trials are strictly regulated, the possibility of an adverse reaction going undetected in the phase of clinical trials exists. Thus, these undetected reactions can only be identified after they appear in the general population. This way of detecting new, undiscovered adverse reactions is a very dangerous, but also a very costly method. The need to find other methods of detecting adverse reactions arises. A solution for this problem can be found in machine learning. This thesis describes selected methods of machine learning that can be used for early detection of undiscovered adverse reactions.

• Ključne riječi: nuspojave; lijekovi; cjepiva; klinička ispitivanja; strojno učenje; stablo odlučivanja; L-BFGS algoritam; logistička regresija; binarna logistička regresija; regresija; binarna klasifikacija; ML.NET; farmakovigilancija; interakcija lijeka i cjepiva; utjecaj demografskih obilježja; VAERS; SIDER
• Ključne riječi (engleski): adverse reaction; medication; drugs; vaccine; clinical trials; machine learning; decision tree; L-BFGS; algorithm; logistic regression; binary logistic regression; regression; binary classification; ML.NET; pharmacovigilance; drug and vaccine interaction; demographics; VAERS; SIDER
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:061265
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 14:20:40