新的人工智能工具彻底改变了罕见疾病的药物发现

　　

全球有7000多种罕见和未确诊疾病。

虽然每一种情况只发生在少数人身上，但这些疾病加起来造成了惊人的人员和经济损失，因为它们影响到全世界约3亿人。

然而，只有5%到7%的这些疾病有fda批准的药物，他们大多没有得到治疗或治疗不足。开发新药是一项艰巨的挑战，但一种新的人工智能工具可以推动从现有药物中发现新疗法，为患有罕见和被忽视疾病的患者以及治疗这些疾病的临床医生带来希望。

这种名为TxGNN的人工智能模型是第一个专门用于识别罕见疾病和无法治疗的病症的候选药物的模型。

它从现有药物中确定了治疗1.7万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。这是迄今为止任何单一人工智能模型可以处理的最多数量的疾病。研究人员指出，该模型可以应用于更多的疾病，而不仅仅是最初实验中研究的17,000种疾病。这项研究由哈佛医学院的科学家领导，发表在9月25日的《自然医学》杂志上。研究人员已经免费提供了这个工具，并希望鼓励临床科学家在寻找新疗法时使用它，特别是在没有或治疗选择有限的情况下。

“有了这个工具，我们的目标是确定整个疾病谱系的新疗法，但当涉及到罕见、超罕见和被忽视的疾病时，我们预计这个模型可以帮助缩小或至少缩小造成严重健康差距的差距。”首席研究员，HMS Blavatnik研究所生物医学信息学助理教授Marinka Zitnik说。

Zitnik是哈佛大学肯普纳自然与人工智能研究所的副教员，他补充说:“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，这也是一种比从零开始设计新药更快、更具成本效益的治疗方法。”

新工具有两个主要特点：一是确定候选治疗方案以及可能的副作用，另一个是解释决定的基本原理。

总的来说，该工具从近8000种药物(包括fda批准的药物和目前正在临床试验的实验药物)中识别出了17,080种疾病的候选药物，包括无法治疗的疾病。它还预测了哪些药物会有副作用和特定情况的禁忌症。目前的药物发现方法主要是通过早期临床试验中的反复试验来确定的，重点是安全性。

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高出近50%。在预测哪些药物有禁忌症方面，它的准确率也提高了35%。

使用已经批准的药物的好处

重新利用现有药物是开发新疗法的一种诱人方式，因为它依赖于经过研究的药物，这些药物具有众所周知的安全性，并通过了监管部门的批准程序。

大多数药物在最初开发和批准的特定目标之外具有多种作用。但是，在最初的测试、临床试验和审查过程中，许多这些影响仍然没有被发现，也没有得到充分的研究，只有在数百万人使用多年后才会出现。事实上，近30%的FDA批准的药物在最初批准后至少获得了一种额外的治疗适应症，许多药物在过去几年里获得了数十种额外的治疗适应症。

这种药物再利用的方法充其量是偶然的。它依赖于患者报告的意外有益副作用，或者医生对是否将药物用于非预期病症的直觉，这种做法被称为标签外使用。

Zitnik说:“我们倾向于依靠运气和意外发现，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仅局限于无法治疗的疾病。她说:“即使是对于那些已经得到批准治疗的常见疾病，新药也可以提供副作用更小的替代品，或者替代对某些患者无效的药物。”

是什么让新的人工智能工具比现有的模型更好

目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几种情况进行训练的。新工具的训练方式使其能够利用现有数据做出新的预测，而不是专注于特定疾病。它通过识别多种疾病的共同特征来实现这一目标，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确定共同的疾病机制，这使它能够从一种已知治疗方法的熟知疾病推断到一种没有治疗方法的知之甚少的疾病。

研究团队表示，这种能力使人工智能工具更接近于人类临床医生可能用来产生新想法的推理类型，如果他们能够获得人工智能模型所拥有的所有现有知识和原始数据，但人类大脑无法访问或存储这些知识和数据。

该工具接受了大量数据的训练，包括DNA信息、细胞信号、基因活性水平、临床记录等等。研究人员通过要求模型执行各种任务来测试和完善模型。最后，该工具的性能在120万例患者记录中得到验证，并被要求识别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已确定的候选药物成为某些患者群体的禁忌症。

另一项任务是要求该工具识别现有的小分子，这些小分子可能有效地阻止某些与致病途径和过程有关的蛋白质的活动。

在一项旨在衡量该模型作为人类临床医生的推理能力的测试中，研究人员促使该模型为三种罕见疾病寻找药物，这些疾病没有被视为其训练的一部分。一种神经发育障碍，一种结缔组织疾病，以及一种罕见的导致水分失衡的遗传疾病。

然后，研究人员将模型对药物治疗的建议与目前关于建议药物如何起作用的医学知识进行了比较。在每个例子中，该工具的建议都与当前的医学知识保持一致。

此外，该模型不仅确定了针对这三种疾病的药物，而且还提供了其决定背后的理由。这种解释器功能允许透明度，可以增加医生的信心。

研究人员警告说，该模型确定的任何治疗方法都需要对剂量和给药时间进行额外的评估。但是，他们补充说，有了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快药物的再利用。该团队已经与几个罕见疾病基金会合作，以帮助确定可能的治疗方法。