메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
유예담 (금오공과대학교) 정다운 (금오공과대학교 IT융복합공학과) Aroli Marcellinus (금오공과대학교) 임기무 (금오공과대학교)
저널정보
대한의용생체공학회 의공학회지 의공학회지 제42권 제6호
발행연도
2021.12
수록면
287 - 2,947 (2661page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (3)

2021

심근 세포의 전기생리학적 특징을 이용한 인공 신경망 기반 약물의 심장독성 평가
유예담 ,  정다운 ,  A 외 3명 의공학회지 2021.12 학술저널
심근세포의 활동전위로부터 약물의 심장 독성 위험군을 분류하기 위한 함성곱 신경망의 활용
유예담 ,  임기무 한국통신학회 학술대회논문집 2021.02 학술대회자료

2020

기계학습을 활용한 약물의 심장독성 위험군 분류
유예담 ,  임기무 대한기계학회 춘추학술대회 2020.08 학술대회자료

초록· 키워드

오류제보하기
Cardiotoxicity assessment of all drugs has been performed according to the ICH guidelines since 2005. Non-clinical evaluation S7B has focused on the hERG assay, which has a low specificity problem. The comprehensive in vitro proarrhythmia assay (CiPA) project was initiated to correct this problem, which presented a model for clas- sifying the Torsade de pointes (TdP)-induced risk of drugs as biomarkers calculated through an in silico ventricular model. In this study, we propose a TdP-induced risk group classifier of artificial neural network (ANN)-based. The model was trained with 12 drugs and tested with 16 drugs. The ANN model was performed according to nine fea- tures, seven features, five features as an individual ANN model input, and the model with the highest performance was selected and compared with the classification performance of the qNet input logistic regression model. When the five features model was used, the results were AUC 0.93 in the high-risk group, AUC 0.73 in the intermediate- risk group, and 0.92 in the low-risk group. The model's performance using qNet was lower than the ANN model in the high-risk group by 17.6% and in the low-risk group by 29.5%. This study was able to express performance in the three risk groups, and it is a model that solved the problem of low specificity, which is the problem of hERG assay.
#Drug safety assessment #Drug cardiovascular toxicity assessment #Artificial neural network #Machine learning #CiPA

목차

등록된 정보가 없습니다.

참고문헌 (15)

참고문헌 신청
D M Roden / 2008 / Cellular basis of drug-induced torsades de pointes / British Journal of Pharmacology 154(7):1502~1507 Crossref Rashmi R Shah / 2005 / Drugs, QTc Interval Prolongation and Final ICH E14 Guideline / Drug Safety 28(11):1009~1028 Crossref Icilio Cavero / 2005 / ICH S7B draft guideline on the non-clinical strategy for testing delayed cardiac repolarisation risk of drugs: a critical analysis / Expert Opinion on Drug Safety 4(3):509~530 Crossref David G. Strauss / 2019 / Comprehensive In Vitro Proarrhythmia Assay (CiPA) Update from a Cardiac Safety Research Consortium / Health and Environmental Sciences Institute / FDA Meeting / Therapeutic Innovation & Regulatory Science 53(4):519~525 Crossref Thomas Colatsky / 2016 / The Comprehensive in Vitro Proarrhythmia Assay (CiPA) initiative — Update on progress / Journal of Pharmacological and Toxicological Methods 81:15~20 Crossref

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0