Is artificial intelligence able to predict the palatability of pediatric medicines?

Detalhes bibliográficos
Autor(a) principal: Janela, Tiago Borges
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/52598
Resumo: Trabalho Final de Mestrado Integrado, Ciências Farmacêuticas, 2020, Universidade de Lisboa, Faculdade de Farmácia.
id RCAP_cbc26c75af8eedadf5b239356a46a32a
oai_identifier_str oai:repositorio.ul.pt:10451/52598
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Is artificial intelligence able to predict the palatability of pediatric medicines?PediatricsPalatabilityArtificial intelligenceMestrado Integrado - 2020Ciências da SaúdeTrabalho Final de Mestrado Integrado, Ciências Farmacêuticas, 2020, Universidade de Lisboa, Faculdade de Farmácia.A população pediátrica é um grupo heterogéneo, diferindo em vários aspectos da população adulta, tal como na farmacoterapia, desafios de administração de medicamentos orais, preferência de paladar e ajuste de dose. O fraco investimento da indústria farmacêutica nesta população, aliado às limitações em termos de ensaios clínicos em crianças, dá origem a uma carência de dados relativos à eficácia, segurança, farmacocinética e farmacodinâmica, levando à aprovação de poucas alternativas terapêuticas, sendo muitas vezes necessário recorrer a medicamentos sem indicação em pediatria, em regime off-label. Sabe-se que a adesão à medicação é difícil em crianças pequenas, e o sabor é um atributo crítico a ser considerado quando uma nova fórmula pediátrica é desenvolvida. Portanto, a inteligência artificial pode ser usada para criar uma ferramenta in-silico para prever o sabor de fármacos. Neste caso, em termos de palatabilidade, o objetivo principal é mascarar o sabor desagradável do medicamento, por isso parece mais pertinente saber se uma molécula tem potencial para ter um sabor amargo do que dizer se é doce ou insípida. Neste estudo, modelos de inteligência artificial foram desenvolvidos com um conjunto de dados de 2575 compostos para prever, como um problema de classificação multiclasse, o sabor de substâncias, como amargas, doces ou insípidas, com particular atenção para o desempenho do modelo de moléculas amargas. O conjunto de dados total foi dividido aleatoriamente em conjuntos de treinamento, validação e teste em uma proporção de 60:20:20. As características mais importantes (descritores moleculares) foram obtidas usando uma técnica de pontuação de permutação. Os modelos foram desenvolvidos usando Regressão Logística (Sensibilidadeteste Amargo = 0.768) e Rede Neuronal Artificial (Sensibilidadeteste Amargo = 0.906). Com base nos resultados do conjunto de testes, o desempenho geral de previsão dos modelos ANN foi superior ao obtido para o modelo LR, principalmente para a classe amarga. Assim, o modelo ANN oferece informações úteis, no que diz respeito às previsões de sabor de diversos fármacos, essenciais para a tomada de decisão na etapa de pré-formulação.The pediatric population is a heterogeneous group, differing in several aspects of the adult population, such as in pharmacotherapy, oral drug administration challenges, taste preference, and dose adjustment. The pharmaceutical industry's weak investment in this population, combined with the limitations in terms of clinical trials in children, gives rise to a lack of data relating to efficacy, safety, pharmacokinetics, and pharmacodynamics, causing the approval of few therapeutic alternatives, being often necessary to resort to drugs without indication in pediatrics, on an off-label regime. It is known that medication adhering is difficult in young children, and the flavor is a critical attribute to be considered when a new formula is pediatric is developed. So artificial intelligence can be used to create an in-silico tool to predict drugs' taste. In this case, in terms of palatability, the main goal is to mask the drug's unpleasant taste, so it seems more pertinent to know if a molecule has the potential to have a bitter taste compared to tell if it's sweet or tasteless. In this study, artificial intelligence models have been developed with a dataset of 2575 compounds to predict, as a multiclass classification problem, the taste of substances, as bitter, sweet, or tasteless, with particular attention given to the bitter molecules model performance. The total dataset was randomly split into training, validation, and test sets in a 60:20:20 ratio. The most important features (molecular descriptors) were obtained by using a permutation score technique. The models were developed using Logistic Regression (Recalltest Bitter = 0.768) and Artificial Neural Network (Recalltest Bitter = 0.906). Based on the test set results, the ANN models' overall prediction performance was higher than the obtained for the LR model, particularly for the bitter class. Thus, the ANN model offers useful information, regarding several drug taste predictions, essential, for the decision making done during a pre-formulation stage.Com o patrocínio da Faculdade de Farmácia da Universidade de LisboaGouveia, Luís Filipe Baptista PlenoRepositório da Universidade de LisboaJanela, Tiago Borges2022-12-02T01:30:58Z2020-12-022020-11-022020-12-02T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/52598TID:202681130enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:57:54Zoai:repositorio.ul.pt:10451/52598Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:03:40.730177Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Is artificial intelligence able to predict the palatability of pediatric medicines?
title Is artificial intelligence able to predict the palatability of pediatric medicines?
spellingShingle Is artificial intelligence able to predict the palatability of pediatric medicines?
Janela, Tiago Borges
Pediatrics
Palatability
Artificial intelligence
Mestrado Integrado - 2020
Ciências da Saúde
title_short Is artificial intelligence able to predict the palatability of pediatric medicines?
title_full Is artificial intelligence able to predict the palatability of pediatric medicines?
title_fullStr Is artificial intelligence able to predict the palatability of pediatric medicines?
title_full_unstemmed Is artificial intelligence able to predict the palatability of pediatric medicines?
title_sort Is artificial intelligence able to predict the palatability of pediatric medicines?
author Janela, Tiago Borges
author_facet Janela, Tiago Borges
author_role author
dc.contributor.none.fl_str_mv Gouveia, Luís Filipe Baptista Pleno
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Janela, Tiago Borges
dc.subject.por.fl_str_mv Pediatrics
Palatability
Artificial intelligence
Mestrado Integrado - 2020
Ciências da Saúde
topic Pediatrics
Palatability
Artificial intelligence
Mestrado Integrado - 2020
Ciências da Saúde
description Trabalho Final de Mestrado Integrado, Ciências Farmacêuticas, 2020, Universidade de Lisboa, Faculdade de Farmácia.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-02
2020-11-02
2020-12-02T00:00:00Z
2022-12-02T01:30:58Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/52598
TID:202681130
url http://hdl.handle.net/10451/52598
identifier_str_mv TID:202681130
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134587099545600

Registros relacionados