機器學習在預測藥物心臟毒性的所有主要形式中起著關鍵作用，可能有助于減少后期臨床試驗失敗。

一位研究作者布蘭卡·羅德里格斯（Blanca Rodriguez）表示，即，牛津大學和計算機醫學大學計算心血管科學小組的研究人員展示了他們的“機器學習算法如何從基因表達數據中識別出可能導致六種潛在形式的心臟不良后果的藥物”。 ，來自牛津大學計算機科學系。研究人員在《藥理學前沿》上發表了他們的發現。

研究證明了該算法在精選的轉錄和分子譜數據集上的預測，包括1，131種藥物，35%具有已知心臟毒性的藥物和9，933個樣品。藥物心臟毒性的六種形式包括：心臟疾病的體征和癥狀，心律不齊，心力衰竭，冠狀動脈疾病，心包疾病和心肌疾病。

研究人員收集了數據，然后提出并實施了“使用嵌套堆疊方法”的分類器鏈，以根據其預測心臟毒性形式的風險對藥物進行分類。在采用無用藥交叉驗證策略的所有心臟毒性類型中，機器學習方法對291種藥物的平均AUC均達到0.80。

遺棄藥物交叉驗證策略模型可以區分心臟毒性類型為AUC為0.70的安全藥物和不安全藥物，但是該模型對于某些特定的藥物作用和藥物類型更為準確，包括“心包疾病，心臟疾病和研究人員寫道，它們分別是抗腫瘤藥，抗炎藥，心血管藥和中樞神經系統藥的癥狀，心力衰竭和心肌病。”

該模型可以預測藥物的急性和慢性作用。

“利用轉錄和分子特征，使用擬議的分類器鏈模型，通過嵌套-堆疊-藥物交叉驗證驗證，可以相對較好地預測所有藥物誘導的心臟毒性研究形式，并考慮所有算法……”研究人員寫道。