CLASSIFICATION OF DRUG DRUG INTERACTIONS USING JORDAN ELMAN
NETWORKS
Journal Name:
- Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi
Key Words:
Keywords (Original Language):
Author Name | University of Author | Faculty of Author |
---|---|---|
Abstract (2. Language):
Usage of drug has many risks. These risks are drug related problems in hospital admission, drug related
problems during hospitalization, drug related problems at hospital discharge, medication errors and drug-drug
interactions (DDIs) [1]. Because of the DDIs fatal effects, U.S. Food and Drug Administration (FDA) and
European Medicines Agency (EMEA) are researching at this area [2]. Lazarou et al. investigated 6.7% of
hospitalized patients, having a fatal DDIs with the rate of 0.32% [3]. The cost of DDIs related mortality is $136
billion annually in the USA [4]. Preventing the deadly effects of DDIs, classifying of DDIs using Neural
Networks is aimed at this study. In this study, Jordan Elman Networks were applied for some DDIs and
classification process trained for 1000 steps. At the end of 149 training step, using Levenberg Marquardt
learning algorithm, Jordan network has been constituted with 0.0305 MSE and as a result of testing network,
correlation coefficient was obtained as 0.8177. This study is also supported by Republic of Turkey Ministry of
Science, Industry and Technology as “Drug Interaction (code number is 00912.STZ.2011-1)”
Bookmark/Search this post with
Abstract (Original Language):
İlaç kullanımı birçok risk içermektedir. Bu riskler hastanede yatış için kabul alanların aldıkları ilaçla ilgili
problemler, hastanede yatış sırasında alınan ilaca bağlı sorunlar, taburcu edilmeden alınan ilaç problemleri,
medikal hatalar ve ilaç ilaç etkileşimleri(İİE)dir [1]. İİE’lerin ölümcül etkilerinden dolayı, FDA (U.S. Food and
Drug Administration) ve EMEA (European Medicines Agency) bu alanda çalışmalar yapmaktadır [2]. Lazarou
ve arkadaşlarına göre hastanede yatan hastaların %6,7’sinde, %0,32’lik bir oranda ölümcül İİE tespit edilmiştir
[3]. İİE’den dolayı ölümlerin ABD’ye maliyeti yıllık 136milyar$ olmaktadır [4]. İİE’lerin ölümcül etkilerinin
önüne geçilmesi için bu çalışmada İİE’lerin yapay sinir ağlarıyla sınıflandırılması amaçlanmaktadır. Bu
çalışmada Jordan Elman Ağları bazı İİE’lere uygulanmış ve sınıflandırma işlemi 1000 adımda eğitilmiştir.
Eğitimin 149 adım sonunda Levenberg Marquardt öğrenme algortimasıyla 0,0305’lik bir MSE ile Jordan ağı
oluşturulmuş ve ağın test sonucu 0,8177’lik korelasyon katsıyısı elde edilmiştir. Bu çalışma ayrıca Türkiye
Cumhuriyeti Bilim Sanayi ve Teknolji Bakanlığı tarafından 00912.STZ.2011-1 kod numaralı “İlaç Etkileşimleri”
projesi olarak desteklenmiştir.
FULL TEXT (PDF):
- 1