美國斯坦福大學(xué)（Stanford University）的計算機科學(xué)家設(shè)計出一種卷積神經(jīng)網(wǎng)絡(luò)，能夠預(yù)測混合用藥可能產(chǎn)生的副作用。

這項研究工作對患者具有重大的現(xiàn)實意義。通常，患者為治療一種疾病或者減輕多種病情而服用的藥物越來越多。但問題在于，我們對藥物之間的相互作用知之甚少，由此帶來了巨大風(fēng)險。據(jù)研究人員介紹，醫(yī)生可選擇的藥物種類繁多，加重了這一問題。她指出，“將一種新藥與其他所有藥物一起測試，這在現(xiàn)實中不可能實現(xiàn)，因為針對一種藥物就要進行五千個新實驗?！?/p>

這個問題促使研究人員設(shè)計了“十邊形”（Decagon）系統(tǒng)，它是一種預(yù)測不同混合用藥潛在副作用的人工智能應(yīng)用。他們構(gòu)建了一個大型卷積神經(jīng)網(wǎng)絡(luò)，模擬人體內(nèi)超過19000種蛋白質(zhì)的相互作用及不同藥物與這些蛋白質(zhì)的相互作用。研究人員利用記錄了蛋白質(zhì)-蛋白質(zhì)及藥物-蛋白質(zhì)相互作用的數(shù)據(jù)庫來驅(qū)動該模型。他們還加入了詳細描述某些藥物及混合用藥相關(guān)副作用的數(shù)據(jù)庫。

為實現(xiàn)預(yù)測功能，他們選擇使用圖卷積神經(jīng)網(wǎng)絡(luò)。這種神經(jīng)網(wǎng)絡(luò)常用于社交網(wǎng)絡(luò)和知識圖譜，但還需要對其進行調(diào)整才能用于計算生物學(xué)?！笆呅巍毕到y(tǒng)所用模型納入了對多個邊緣類型的支持，每種類型代表著一種副作用，并采用獨特的權(quán)值分配形式，對圖卷積神經(jīng)網(wǎng)絡(luò)進行了延伸。

該系統(tǒng)的預(yù)測功能還不完美，但在很多例子中都表現(xiàn)了出人意料的準(zhǔn)確性。例如，該系統(tǒng)指出混合使用膽固醇藥物阿托伐他汀和降壓藥氨氯匹定可能導(dǎo)致肌肉炎癥。雖然用于開發(fā)這個模型的原始數(shù)據(jù)都沒有表明存在這種副作用，但根據(jù)一篇已發(fā)表的案例研究，這種混合用藥確實會引起肌肉炎癥，導(dǎo)致患者要在加護病房治療69天。

研究人員檢索相似病例的醫(yī)學(xué)文獻，發(fā)現(xiàn)了“十邊形”系統(tǒng)預(yù)測的前十種副作用中，已經(jīng)有五種得到了證實。但這不表示其他五種預(yù)測是錯的，只是還沒有出現(xiàn)記錄的例子。該系統(tǒng)尤為擅長根據(jù)分子相互作用來預(yù)測副作用，但如果副作用是基于患者的環(huán)境或者行為，那它的準(zhǔn)確性就差一些?？偠灾?，研究人員發(fā)現(xiàn)“十邊形”系統(tǒng)遠遠優(yōu)于以往基于計算的預(yù)測，指出“在964種副作用類型中，我們的系統(tǒng)所做預(yù)測分別比其他方法高出了19.7% (AUROC)、22.0% (AUPRC)、36.3% (AP@50)”。

在當(dāng)前版本，該系統(tǒng)只能預(yù)測與藥物對相關(guān)的副作用，但研究團隊希望能夠提高軟件性能，對更復(fù)雜的藥物組合進行預(yù)測。為推動其在臨床環(huán)境中的應(yīng)用，他們還希望為醫(yī)生和醫(yī)學(xué)研究人員構(gòu)建更具用戶友好性的工具。