Az adverz gyógyszerreakciók különféle klinikai megjelenési formái alapján a kiváltó gyógyszerre nehéz következtetni. A gyanúba vett gyógyszerek elhagyása után fellépő javulás vagy az empirikus tapasztalat, esetleg irodalmi adatok alapján lehet a felelős gyógyszert feltételezni. A gyógyszerérzékenység bizonyítása bonyolult, jól átgondolt orvosi tevékenység útján lehetséges, és azokban az esetekben szükséges, amikor a gyanús gyógyszer más vegyületcsoportba tartozó szerrel nem helyettesíthető, és a betegnek feltétlenül szükséges szednie. A jelen közlemény célja egy eset kapcsán körvonalazni azokat a lehetőségeket és veszélyeket, melyek a kivizsgálás során alkalmazhatók, illetve megjelenhetnek. A kivizsgálás során használt módszerek a gyanúba vett gyógyszerekkel – lamotrigin, risperidon, sertralin – zopiclonum, atorvastatin elvégzett epicutan teszt során egyedül a sertralin adott a multiform tünetekkel azonos pozitív reakciót. A pozitív bőrteszt területéről készült hisztológiai vizsgálat eredménye visszautalt az eredetileg észlelt klinikai formára (erythema exsudativum multiforme Stevens–Johnson-szindróma). A beteg bipoláris affektív zavara miatt a negatív bőrtesztet adó készítményekkel per os provokáció történt, ez azonban a beteg számára kockázatos, de az egyetlen megbízható és biztos módszer. Az elvégzett per os expozíció során a törzsön a lamotrigintől már tört adag bevételét követően három órán belül diffúz erythema, 12 órán belül az alkalmazott szteroid- és antihisztamin-kezelés ellenére scarlatiniform exanthema jelent meg. Az eset érdekessége, hogy a gyanúba vett gyógyszerek során epicutan teszttel egy gyógyszer érzékenysége igazolódott, azonban a másik gyanúba vett készítménnyel végzett pozitív per os expozíciós próba is váratlanul tünetet provokált (scarlatiniform, azonnali reakciót). Megállapítható, hogy csupán egy bizonyos módszer még a klinikai képpel való egyező eredmény alapján sem elegendő adverz gyógyszerreakció provokáló tényezőjének bizonyítására.
Drug-Disease Graph: Predicting Adverse Drug Reaction Signals via Graph Neural Network with Clinical Data