应用人工智能预测药物组合的副作用

美国疾病预防控制中心的一项评估显示，仅6月份就有23％的美国人服用了两种或多种的处方药，其中65岁以上的人中有39％服用五种或更多，该用药量比过去几十年增加了三倍。 然而，在大多数情况下，医生并不知道多种药物混用时会产生什么副作用。

这个问题主要在于目前美国医药市场上药物数量庞大，“当一种新药诞生时，不可能分析该新药与已上市的其他所有药物的相互作用，因为目前的上市药有5,000种，这意味着要做5,000次实验，”Marinka Zitnik说道。Marinka Zitnik是计算机科学专业的博士后。而对于一些新的药物组合，她说，“我们真的不知道会发生什么。”

但计算机科学可能会对这个问题有所帮助。在7月10日于芝加哥举行的国际计算生物学学会2018年会议上发表的一篇论文中，Zitnik及其同事，硕士生Monica Agrawal和计算机科学副教授Jure Leskovec共同设计了一个人工智能系统Decagon，该系统可用于预测以及追踪药物组合的潜在副作用，同时可以帮助医生们更好地应用药物搭配，并帮助研究人员找到更好的药物组合来治疗复杂疾病。

药物组合数量巨大

目前美国市场上有大约1,000种已知的药物副作用，以及5,000种药物。即5,000种药物之间可能产生近1,250亿种副作用。当然这其中大多数药物可能永远都不会开在同一处方，更别说系统地研究了。

于是Zitnik，Agrawal和Leskovec意识到可以通过研究药物如何影响我们体内潜在的细胞机制来解决这个问题。他们构建了一个庞大的网络，描述了人体内超过19,000种蛋白质之间的相互作用以及不同药物如何影响这些蛋白质。通过利用药物和副作用之间已知的400多万种关联，研究小组随后设计了一种可以根据药物如何靶向不同的蛋白质来确定副作用模式的方法。

为此，该团队转向深度学习，一种以大脑为模型的人工智能。从本质上讲，深度学习着眼于复杂的数据，并从中提取抽象的，有时是数据中违反规律的模式。通过这种方法，研究人员设计了Decagon系统来推断药物相互作用产生副作用的模式，并预测将两种药物一起服用以前看不见的后果。

药物组合副作用的预测

进一步的研究证明Decagon的预测结果确实能应用于实际情况。例如，在没有任何线索的条件下，Decagon预测阿托伐他汀（一种胆固醇药物）和阿莫匹定（血压药物）两药同时使用可能会导致肌肉发炎，该预测是准确的，因为2017年的病例报告显示药物组合导致了一种危险的肌肉炎症。

不仅如此，当研究小组在医学文献中搜索Decagon预测的十种副作用时，发现有一半的副作用和文献中已知副作用相同，这进一步证实了Decagon预测的准确性。

“令人惊讶的是，蛋白质相互作用网络揭示了非常多的药物副作用。”斯坦福神经科学研究所和Chan Zuckerberg Biohub的成员Leskovec说。

目前，Decagon只考虑了与药物对相关的副作用，该团队希望在之后的研究中将其扩展到更复杂的治疗方案中。他们还希望创建一个更加用户友好型的工具，指导医生是否应该为特定患者开出特定药物，并帮助研究人员开发复杂疾病的药物治疗方案，减少副作用。

“今天，药物副作用基本上是偶然发现的，”Leskovec说，“但我们的方法有可能带来更有效和更安全的医疗保健。”

资料来源：

https://m.phys.org/news/2018-07-artificial-intelligence-drug-combinations-side.html?from=gro upmessage&isappinstalled=0