据MD INDIA网站报道，从普通阿司匹林到草药制剂，从标准抗癌药物到实验性免疫抑制剂，所有药物都有副作用。

目前认为，对于预测重要的副作用即严重药物不良反应（ADRs）几乎是不可能的。然而，一种神经网络技术结合以往数据可为制药公司和医疗保健工作者提供一种发现任何特定药物潜在ADRs的新工具。

美国新泽西医学和口腔大学的研究小组发表在《International Journal of Medical Engineering and Informatics》的文章指出，其已开发出一种新模型，试验显示在10,000个观察对象中预测药物不良反应的准确率达99.87%，预测非严重不良反应的准确率达100%。

Peng-fang Yen和同事Dinesh Mital、Shankar Srinivasan解释说，为何药物包装的强制性警告标签通常仅用于引起患者关注，但产品因反复发生的不良反应而撤市削弱了制药业。从医疗行业观点和患者角度来看，这一问题日益受到关注，其可能用新技术来补救，从而挽救生命、名誉和医疗费用。

美国食品药品管理局（FDA）和世界卫生组织（卫生组织）继续监督药品安全。然而，迫切需要在药物研发、许可和上市的最早阶段识别出可能的ADRs的技术，特别是考虑到在新兴医疗领域中患者的潜在风险等。

该研究小组的人工神经网络（ANN）是一种嵌入计算机软件中的生物神经网络数学模型。其工作机理是反馈与已知医药产品及任何不良反应相关的结构和物理数据。当作出已知结果的错误预测时，反馈环就会清除这些关联数据；当数据增加时，ANN建立一个正确的“预测”网络。经过充分测试后，ANN可在已知ADRs的另一组药物制剂和结果中进行测试。如果可靠性足够高，ANN则可以被用来预测新药物的ADRs。

研究小组已证明在预试验时显示出95%的准确度，现在正使用包括10000种药物分子和ADR观察对象的一个更大数据集在一个更精细水平进行ANN测试。