Створення інформаційної моделі для прогнозування взаємодії ліків
Автор: Марущак Ольга Володимирівна
Кваліфікаційний рівень: магістр
Спеціальність: Системи штучного інтелекту
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2020-2021 н.р.
Мова захисту: англійська
Анотація: Магістерська кваліфікаційна робота виконана студенткою групи КНСШ-21 Марущак Ольгою Володимирівною. Тема «Створення інформаційної моделі для прогнозування взаємодії ліків ». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою магістерської кваліфікаційної роботи є створення інформаційної моделі ‘in silico’ для прогнозування взаємодії ліків враховуючи їх терапевтичні профілі та спільні біологічні мішені. Об’єктом дослідження є використання моделей машинного навчання для прогнозування взаємодій ліків. Предметом дослідження є інформаційна модель для прогнозування взаємодії ліків на основі даних з бази даних DrugBank, базуючись на спільних біологічних мішенях та терапевтичних профілях. Було проаналізовано інформаційні ресурси щодо основних напрямків застосування ІТ, зокрема системи штучного інтелекту у медицині та порівняти існуючі інформаційні моделі машинного навчання, що застосовувались для аналізу комбінацій лікарських засобів ‘in silico’. На основі аналізу досліджень взаємодій ліків було обрано принцип прогнозування, ознаки та характеристики лікарських засобів: комбінований підхід, що поєднує метод машинного навчання без учителя та алгоритм машинного навчання з учителем. Отримані дані про лікарські засоби: їх назви, терапевтичні групи за Анатомо-Терапевтично-Хімічною класифікацією (АТХ), біологічні мішені та відомі комбінації лікарських засобів. На основі отриманих даних про лікарські засоби було сформовано ознаки спорідненостей, що використані для створення інформаційної моделі. В результаті виконання магістерської кваліфікаційної роботи було розроблено програмний продукт, який здійснює класифікацію комбінацій ліків щодо їх можливої взаємодії. Проведено інтерпретацію отриманих результатів та запропоновано практичне застосування створеної моделі на прикладі інтеграції з системою підтримки клінічних рішень. Ключові слова: інформаційна система, моделі машинного навчання, взаємодії ліків, характеристики ліків, система підтримки клінічних рішень.