Back
Vicente Alvarez_David_TM_2022.pdf
Master thesis

Prédiction des effets indésirables potentiels des médicaments pour les nouvelles molécules en cours d'essais cliniques

SONAR|HES-SO

  • Genève : Haute école de gestion de Genève

63 p.

Master of Science HES-SO en Information documentaire: Haute école de gestion de Genève, 2022

événements indésirables médicamenteux
apprentissage automatique
médicaments
molécules
réseau neuronal artificiel
transformers
VAE
CNN
GRUs
French L'une des principales difficultés des analyses de risque des essais cliniques visant à introduire un nouveau médicament sur le marché est de déterminer les événements indésirables médicamenteux (EIM). L'absence de dépistage des EIM peut entraîner des blessures et des décès. Il existe déjà des procédures manuelles pour déterminer la plupart des effets indésirables potentiels, mais le processus est long, coûteux et non exhaustif. Souvent, certains EIM ne sont découverts qu'après la mise sur le marché, ce qui peut entraîner des blessures et, dans le pire des cas, des décès. Dans ce projet, nous utiliserons une méthode axée sur les données, basée sur l'apprentissage automatique, pour analyser les protocoles d'essais cliniques et évaluer les effets indésirables potentiels des nouveaux médicaments (molécules). Nous exploiterons les bases de données d'EIM existantes, telles que Vigibase et FDA Adverse Event Reporting System (FAERS), pour entraîner nos modèles à reconnaître les sources potentielles d'EIM associées à de nouvelles molécules. Nous nous appuierons sur les travaux réalisés dans le cadre des projets Innosuisse Risklick et CHEM::AI, respectivement pour les analyses de risques d'EIM et la modélisation moléculaire par apprentissage automatique. Notre méthode permet de fournir des informations moins coûteuses, plus rapides et plus exhaustives sur les EIM potentiels de nouveaux médicaments, atténuant les potentiels risques des laboratoires pharmaceutiques.
Language
  • French
Classification
Computer science and technology
Notes
  • Haute école de gestion de Genève
  • Information documentaire
  • hesso:hegge
Persistent URL
https://folia.unifr.ch/global/documents/323074
Statistics
Document views: 118 File downloads:
  • Vicente Alvarez_David_TM_2022.pdf: 143