توسعه مدل فارماكوژنوميكس مبتني بر رگرسيون بردار پشتيبان با رويكرد انتخاب ويژگي‌هاي بهينه جهت تعيين دوز اوليه درماني داروي ضد انعقادي وارفارين

مقدمه: فارماكوژنوميكس و استفاده از ابزارهاي هوش مصنوعي در آن يكي از جديدترين زمينه‌هاي تحقيقاتي بيوانفورماتيك است. يكي از داروهاي بسيار مهم كه تعيين دوز اوليه درماني آن كار مشكلي است، داروي ضدانعقادي وارفارين مي‌باشد. وارفارين يك داروي ضد انعقاد خوراكي است كه انتخاب دوز بهينه آن به دليل پنجره درماني باريك و روابط پيچيده فاكتورهاي فردي، چالش برانگيز است. هدف اين پژوهش تعيين دوز اوليه بهينه مي باشد. روش: در ميان روش‌هاي مبتني بر كرنل، مقايسه و شناسايي كرنل مناسب مورد بحث قرار نگرفته است. در اين پژوهش ضمن بررسي دقيق اين رويكرد، الگوريتم‌هاي مختلف انتخاب ويژگي را مورد آناليز قرار داده و با تكيه به نظر خبرگان، زيرمجموعه مناسب از متغيرهاي پيش‌بين مؤثر جهت تخمين دوز شناسايي خواهد شد. نتايج: در اين مطالعه از مجموعه داده‌اي جمع‌آوري شده توسط كنسرسيوم بين‌المللي وارفارين استفاده شده است. نتايج نشان مي‌دهد كه ماشين بردار پشتيبان با كرنل مناسب و زيرمجموعه ويژگي‌هاي پيشنهادي قادر است به طور موفقيت‌آميزي دوز ايده‌آل وارفارين را براي درصد قابل توجهي از بيماران با خطايي حدود 0/7 ميلي‌گرم در هفته پيش‌بيني كند. نتيجه‌گيري: تخمين با نسخه حداقل مربعات رگرسيون بردار پشتيبان مبتني بر كرنل مناسب و با يك استراتژي مناسب انتخاب ويژگي صورت گرفت. در اين روش، رويكرد بهتري براي پيش‌بيني دوز بهينه درماني وارفارين ارائه شده است كه قادر است خطاي دوزهاي اشتباه و عواقب ناشي از آن را به طور قابل ملاحظه‌اي كاهش دهد.