Kunstmatige intelligentie als hulp bij geneesmiddelinteractiebeoordelingen

12 Aug, 2025

Door Fleur Kortekaas

Een accurate en zorgvuldig opgestelde beoordeling van een eventuele wisselwerking tussen kruiden- en/of voedingssupplementen en geneesmiddelen kost niet alleen de nodige expertise, maar ook tijd. Het inschatten van deze interacties is bijzonder lastig: kruiden en voedingssupplementen zijn complexe mengsels met variabele samenstellingen, en klinisch bewijs over hun interacties is vaak beperkt. Hier komt kunstmatige intelligentie (AI) om de hoek kijken. Hoewel AI voor veel clinici een abstract begrip blijft, kan het in dit domein een rol spelen door patronen te ontdekken die voor het menselijk oog verborgen blijven.

Hoewel AI-toepassingen (anders dan Chat GPT) nog niet in elk ziekenhuis of praktijk standaard beschikbaar zijn, groeit het aantal toepassingen snel. Denk aan hulp bij beeldanalyse en diagnostiek (zie tabel). AI is dus al stevig geïntegreerd in het voorspellen van onderlinge geneesmiddelinteracties (drug-drug-interactions, DDIs). Dit gebeurt met behulp van AI-technieken zoals vergelijkingsmethoden, netwerkmodellen, machine learning, deep learning, NLP (Natural Language Processing) en generatieve modellen. Deze tools bieden schaalbare, snelle en soms gepersonaliseerde voorspellingen die het traditionele farmacologisch onderzoek aanvullen, en in sommige gevallen versnellen of vervangen.

In tegenstelling tot DDIs, zijn kruiden-voedingssupplement-geneesmiddelinteracties (drug-herb-interactions, DHIs) veel moeilijker te voorspellen. De reden hiervoor is eenvoudig: kruiden bevatten meerdere bioactieve stoffen, waarvan de samenstelling kan variëren afhankelijk van het productieproces, het seizoen van oogsten, of zelfs de geografische oorsprong. Voedingssupplementen bevatten soms wel meer dan veertig verschillende (hulp)stoffen, in wisselende doseringen. Zulke complexe, dynamische interacties zijn moeilijk in te schatten met traditionele farmacologische kennis. Dit is precies waar AI van meerwaarde kan zijn.

Hoe AI gebruikt zou kunnen worden om DHIs te identificeren illustreert het klassieke voorbeeld Sint-Janskruid (Hypericum perforatum). Dit kruid kent pharmacokinetische interacties. Het bevat onder andere hypericine en hyperforine, stoffen die verschillende enzymen en transporteiwitten kunnen beïnvloeden. Aan het begin van gebruik kan hyperforine bepaalde CYP-enzymen zoals CYP3A4 remmen, wat leidt tot verhoogde spiegels van sommige geneesmiddelen. Maar bij langdurig gebruik induceert het juist dezelfde enzymen en P-glycoproteïne (P-gp), waardoor de plasmaspiegels van medicatie zoals ciclosporine, anticonceptiva en antidepressiva sterk kunnen dalen. Ook farmacodynamische interacties zijn bekend: hyperforine en hypericine verhogen serotoninespiegels, wat in combinatie met SSRI’s kan leiden tot het serotoninesyndroom.

Lees het gehele artikel vanaf pagina 6 in OrthoFyto 4/25.

Wilt u het gehele artikel als PDF bestand ontvangen? Bestel het dan hier voor € 3,50.

Bronvermelding
1. Spanakis, M. Tzamali, E.Tzedakis, G. Koumpouzi, C. Pediaditis, M. Tsatsakis, A. Sakkalis, V. Artificial Intelligence Models and Tools for the Assessment of Drug–Herb Interactions. Pharmaceuticals 2025, 18, 282.
2. Research Kris Laukens Universiteit van Antwerpen. Geraadpleegd op 28 april 2025 via www.uantwerpen.be/en/staff/kris-laukens/research