دانشمندان داده در مدرسه پزشکی آیکان در مانت ساینای نیویورک یک مدل هوش مصنوعی ایجاد کرده‌اند که با دقت بیشتری پیش‌بینی می‌کند که کدام یک از داروهای موجود که در حال حاضر به عنوان مضر طبقه‌بندی نشده‌اند، منجر به ناتوانی‌های مادرزادی می‌شوند.

این مدل همچنین پتانسیل پیش بینی دخالت ترکیبات پیش بالینی را دارد که ممکن است به جنین در حال رشد آسیب برساند. این مطالعه اولین مورد شناخته شده در نوع خود است که از نمودارهای دانش برای ادغام انواع داده ها جهت بررسی علل ناتوانی های مادرزادی استفاده می کند.

نقایص مادرزادی ناهنجاری هایی هستند که از هر ۳۳ تولد در ایالات متحده ۱ نفر را تحت تاثیر قرار می دهد، اعتقاد بر این است که آن ها ناشی از عوامل مختلفی از جمله ژنتیک هستند. با این حال، علل اغلب این ناتوانی ها ناشناخته باقی مانده است. برخی از مواد موجود در داروها، لوازم آرایشی، مواد غذایی و آلاینده های محیطی در صورت قرار گرفتن در دوران بارداری می توانند به طور بالقوه منجر به نقایص مادرزادی شوند.

نویسندگان این یافته گفتند:«ما می‌خواستیم درک خود را از سلامت باروری و رشد جنین بهبود ببخشیم و مهمتر از همه، در مورد پتانسیل داروهای جدید برای ایجاد نقص‌های مادرزادی قبل از اینکه این داروها به طور گسترده به بازار عرضه و توزیع شوند، هشدار دهیم. اگرچه شناسایی علل زمینه‌ای کار پیچیده‌ای است، اما امیدواریم از طریق تجزیه و تحلیل داده‌های پیچیده در برخی موارد بتوانیم بهتر پیش‌بینی کنیم و در برابر آسیب‌های مادرزادی از افراد محافظت کنیم.»

نکته مهم این است که تیم تحقیقاتی ۳۰هزار داروی پیش بالینی را به دلیل پتانسیل آنها برای عبور از جفت و ایجاد نقص های مادرزادی در اولویت قرار دادند. علاوه بر این، با تجزیه و تحلیلها بیش از ۵۰۰ دسته نقص مادرزادی شناسایی شد که می‌توانند مکانیسم‌های مولکولی را که زمینه ساز نقایص مادرزادی ناشی از دارو هستند، توضیح دهند.

محققان هشدار می‌دهند که یافته‌های این مطالعه مقدماتی هستند و آزمایش‌های بیشتری برای اعتبارسنجی مورد نیاز است.