正如當(dāng)?shù)貢r間10月17日將發(fā)表在《Nature Machine Intelligence》上的一篇論文所描述的那樣，這個名為CODE-AE的新模型可以篩選新型藥物化合物，從而可以準(zhǔn)確預(yù)測對人體的療效。在測試中，它還能在理論上為超9000名患者確定能更好地治療他們病情的個性化藥物?？茖W(xué)家們預(yù)計該技術(shù)將大大加速藥物發(fā)現(xiàn)和精準(zhǔn)醫(yī)療。

準(zhǔn)確而有力地預(yù)測病人對一種新化合物的特定反應(yīng)對于發(fā)現(xiàn)安全和有效的治療方法及為特定病人選擇現(xiàn)有藥物至關(guān)重要。然而直接在人體中進(jìn)行藥物的早期療效測試是不道德和不可行的。細(xì)胞或組織模型經(jīng)常被用來作為人體的替代物以評估藥物分子的治療效果。不幸的是，疾病模型中的藥物效果往往跟人類患者的藥物療效和毒性不相關(guān)。這種知識差距是導(dǎo)致藥物發(fā)現(xiàn)的高成本和低生產(chǎn)率的一個主要因素。

“我們的新機器學(xué)習(xí)模型可以解決從疾病模型到人類的轉(zhuǎn)化挑戰(zhàn)，”紐約市立大學(xué)研究生中心和亨特學(xué)院的計算機科學(xué)、生物學(xué)和生物化學(xué)教授、該論文的第一作者Lei Xie說道，“CODE-AE使用了生物學(xué)啟發(fā)的設(shè)計并利用了機器學(xué)習(xí)方面的一些最新進(jìn)展。如它的一個組件在深度偽造圖像生成中使用了類似的技術(shù)。”

紐約市立大學(xué)研究生中心博士生、該論文的共同作者You Wu指出，新模型可以為擁有足夠的病人數(shù)據(jù)來訓(xùn)練一個通用的機器學(xué)習(xí)模型的問題提供一個變通辦法。“盡管已經(jīng)開發(fā)了許多方法來利用細(xì)胞線屏幕預(yù)測臨床反應(yīng)，但由于數(shù)據(jù)的不協(xié)調(diào)和差異，它們的表現(xiàn)是不可靠的，”Wu說道，“CODE-AE可以提取被噪聲和混雜因素掩蓋的內(nèi)在生物信號，這有效地緩解了數(shù)據(jù)差異問題。”

因此，跟最先進(jìn)的方法相比，CODE-AE在純粹從細(xì)胞線化合物篩選中預(yù)測患者特異性藥物反應(yīng)方面顯著提高了準(zhǔn)確性和穩(wěn)健性。

據(jù)悉，該研究團隊在推進(jìn)該技術(shù)在藥物發(fā)現(xiàn)中的應(yīng)用方面的下一個挑戰(zhàn)是開發(fā)一種方法，從而可以讓CODE-AE可靠地預(yù)測新藥在人體內(nèi)的濃度和代謝效果。研究人員還指出，該人工智能模型有可能在經(jīng)過一定的調(diào)整后來準(zhǔn)確預(yù)測藥物對人體的副作用。