斯坦福研究員開發新AI，預測藥物副作用

本文由人工智慧觀察編譯

譯者：Sandy

對很多美國人來說，服用處方葯幾乎已經成為了無休無止的例行公事的一部分。根據梅奧診所（Mayo Clinic）的數據，約有70%的人至少服用一種藥物，而多達15％的人正在服用五種甚至更多的藥物。麻煩的是，所服藥物帶來的潛在副作用是很難預測的，甚至同一時間服用多種藥物會產生什麼效果也是一個未知數；有些預測顯示，醫療領域存在超過1250億種潛在併發症。

斯坦福大學計算機科學博士後研究員Marinka Zitnik表示，「將所有其他藥物與一種新藥物進行聯合使用的測試，幾乎是不可能的，因為一種藥物就意味著要進行5000個新的實驗。事實上，我們也不能確定最後會發生什麼。」

為了解決這個問題，Zitnik和計算機科學副教授Jure Leskovec開發了一套人工智慧系統——Decagon——來預測藥物組合可能產生的副作用。他們在本周於芝加哥舉行的2018年國際計算生物學學會會議上發表的一篇論文（「用圖形卷積神經網路模擬多種藥物副作用」）中對該研究進行了講解。

這個由美國國家科學基金會，美國國立衛生研究院，美國國防部高級防禦研究計劃局，斯坦福數據科學計劃以及Chan Zuckerberg Biohub公司共同資助研發的系統，可以模擬人體內超過19,000種相互作用的蛋白質和葯。同時，藉助於一種深度學習演算法，該系統學習了大約400萬種已知副作用、藥物和蛋白質之間的聯繫，進而可以對新藥物與蛋白質之間的相互作用進行模式推斷並作出預測。

據了解，Decagon可以準確預測新葯組合產生的副作用，準確率比基線高出69％。比如，它預測當同時服用降壓藥物氨氯地平與膽固醇藥物阿托伐他汀時，可能導致肌肉炎症出現。此外，它還準確預測了近期經醫學研究人員確認的十種副作用。

「令人驚訝的是，蛋白質互動網路揭示了很多關於藥物副作用的信息，」Leskovec說道。

當然，這個系統也有一定的局限性。現在它只能預測成對藥物之間的副作用。但在未來，該團隊希望創建一個改進的版本，以便處理更為複雜的案例。

Leskovec表示，「目前，藥物副作用基本上是都靠偶然發現，我們的方法有可能帶來更有效和更安全的醫療保健。」

此外，藥理學並不是醫療界唯一一個可能從AI中受益的領域。研究人員正在使用機器學習來預測嬰兒的發育障礙。像Clew Medical這樣的初創公司試圖通過提供AI驅動的分析平台，來預防患者出現危及生命的併發症。而諸如谷歌這樣的科技巨頭也正在為DeepMind Health等人工智慧醫療項目投入大量資源。

麥肯錫的分析師估計，機器學習演算法每年可以為醫藥和製藥公司節省高達1000億美元。

（文中圖片來自網路）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！