本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
事实核查
同行评审的出版物
可信来源
校对
全球有超过 7,000 种罕见和未确诊的疾病。尽管每种疾病只发生在少数人身上，但这些疾病总共造成了惊人的人类和经济损失，因为它们影响着全世界约 3 亿人。
然而，这些疾病中只有 5% 到 7% 患有这种疾病。开发新药是一项艰巨的挑战，但新的人工智能工具可以推动从现有药物中发现新疗法，为患有癌症的患者带来希望罕见和被忽视的疾病以及治疗这些疾病的临床医生。
名为 TxGNN 的人工智能模型是第一个专门开发的模型，用于识别罕见疾病和无需治疗的疾病的候选药物。
<它从现有药物中找出了针对 17,000 多种疾病的候选药物，其中许多疾病没有任何现有的治疗方法。这代表了迄今为止任何单一人工智能模型可以处理的最大数量的疾病。研究人员指出，除了最初实验中研究的 17,000 种疾病之外，该模型还可以应用于更多疾病。这项工作由哈佛医学院的科学家领导，于 9 月 25 日发表在《自然医学》杂志上。研究人员免费提供该工具，并希望鼓励临床医生科学家在寻找新疗法时使用它，特别是对于没有或治疗选择有限的情况。
“我们的目标是通过该工具以确定整个疾病谱的新疗法，但当涉及罕见、极其罕见和被忽视的疾病时，我们预计这种模型可以帮助缩小或至少缩小造成严重健康差异的差距，”首席研究员助理 Marinka Zitnik 说英国皇家医学院布拉瓦特尼克研究所生物医学信息学教授。
“这正是我们看到人工智能在减轻全球疾病负担、为现有药物寻找新用途方面的前景，这也是一种更快、更有效的方法。”开发疗法的方法比从头开始设计新药更具成本效益，”哈佛大学肯普纳自然与人工智能研究所的副教员 Zitnik 补充道。
新的疗法该工具有两个核心功能，一是识别候选治疗药物以及可能的副作用，另一个是解释该决定的基本原理。
该工具总共从近 8,000 种药物中识别出候选药物（均为 FDA 批准的药物）以及正在进行临床试验的实验性药物）治疗 17,080 种疾病，包括没有可用治疗方法的疾病。它还预测了哪些药物在特定情况下会产生副作用和禁忌症，而当前的药物发现方法主要是通过在注重安全性的早期临床试验中反复试验来确定的。
与用于药物再利用的领先人工智能模型相比，新工具在识别候选药物方面平均提高了近 50%。在预测哪些药物有禁忌症方面，它的准确率也提高了 35%。
重新利用现有药物是开发新疗法的一种诱人方法，因为它依赖于经过研究、具有充分了解的安全性并通过监管审批流程的药物。
大多数药物具有超出其最初开发和批准的特定目标的多种作用。但在最初的测试、临床试验和审查过程中，其中许多效果仍未被发现和研究，只有在数百万人使用多年后才出现。事实上，近 30% 的 FDA 批准药物在最初批准后已经获得了至少一种额外的治疗适应症，而且许多药物多年来已经获得了数十种额外的治疗适应症。
这种药物再利用的方法是随意的。充其量。它依赖于患者对意想不到的有益副作用的报告，或依赖于医生关于是否将药物用于非预期病症的直觉，这种做法称为超说明书使用。
“我们”Zitnik 说：“我们倾向于依赖运气和偶然性，而不是策略，这将药物发现限制在已经存在药物的疾病上。”Zitnik 指出，药物再利用的好处不仅限于无需治疗的疾病。
“即使对于已获得批准治疗的更常见疾病，新药也可以提供副作用更少的替代品，或者替代对某些患者无效的药物，”她说。
当前用于药物发现的大多数人工智能模型都是针对单一疾病或少数病症进行训练的。新工具不是专注于特定疾病，而是以使其能够使用现有数据做出新预测的方式进行训练。它通过识别多种疾病的共同特征来实现这一点，例如共同的基因组畸变。
例如，人工智能模型根据共同的基因组基础查明共同的疾病机制，这使得它能够从众所周知的基因组中推断出共同的疾病机制。研究团队表示，这种能力使人工智能工具更接近人类临床医生可能用来产生新想法的推理类型，如果他们有访问人工智能模型可以访问但人脑无法访问或存储的所有预先存在的知识和原始数据。
该工具接受了大量数据的训练，包括 DNA 信息、细胞信号传导、水平基因活性、临床记录等。研究人员通过要求模型执行各种任务来测试和完善该模型。最后，该工具的性能在 120 万份患者记录上进行了验证，并要求识别针对各种疾病的候选药物。
研究人员还要求该工具预测哪些患者特征会使所识别的候选药物对某些患者产生禁忌。
另一项任务涉及要求该工具识别现有的小分子，这些小分子可能有效地阻断与致病途径和过程有关的某些蛋白质的活性。
在一项旨在为了评估模型像人类临床医生一样的推理能力，研究人员促使模型寻找针对三种罕见疾病的药物，这些疾病在其训练过程中并未见过——神经发育障碍、结缔组织疾病和导致水的罕见遗传疾病然后，研究人员将模型的药物治疗建议与当前关于建议药物如何发挥作用的医学知识进行了比较。在每个示例中，该工具的建议都与当前的医学知识相一致。
此外，该模型不仅确定了针对所有三种疾病的药物，而且还提供了其决策背后的基本原理。这种解释器功能可以提高透明度，并可以增加医生的信心。
研究人员警告说，该模型确定的任何疗法都需要对剂量和给药时间进行额外评估。但是，他们补充说，凭借这种前所未有的能力，新的人工智能模型将以一种迄今为止不可能的方式加速药物的重新利用。该团队已经与几个罕见疾病基金会合作，帮助确定可能的治疗方法。
更多信息：以临床医生为中心的药物再利用的基础模型，Nature Medicine (2024)。DOI：10.1038/s41591-024-03233-x