新的人工智能（AI）模型发现了现有药物在治疗无数疾病方面的潜力，包括目前缺乏治疗的稀有疾病。这个AI工具自主生成有价值的见解，将其应用于其初始训练之外的条件，并提供其结论的解释。使用AI可以加快更具针对性的治疗的创造，减少副作用，且与传统药物开发方法相比，成本显著降低。
全球承认有超过7000种稀有且通常未诊断的疾病。
尽管每种疾病可能仅影响有限人数，但总体影响是巨大的，影响到全球约3亿人，造成重大医疗和经济负担。
尽管如此，仅有5%到7%的这些疾病拥有FDA批准的治疗，导致大多数患者未得到适当的治疗或根本没有治疗。
创造新药物的挑战极大，但一个突破性的AI工具可以促进从现有药物中发现新疗法，为有稀有或被忽视病症的患者以及治疗他们的医疗服务提供者带来新的希望。
这个名为TxGNN的AI模型是开创性的，因为它是专门设计用来识别缺乏治疗的稀有疾病和病症的药物候选者。
它成功地从现有药物中确定了超过17,000种疾病的潜在药物候选者，其中许多疾病没有已知的治疗。这一成就标志着迄今为止任何AI模型所涉及的疾病范围最大，研究人员表示该模型可能适用于更多条件。
这项研究于9月25日发表在《自然医学》上，由哈佛医学院的一组研究人员领导。研究人员已将这一工具免费提供给公众，希望鼓励临床科学家在寻求新疗法的过程中利用它，特别是在治疗选择有限或不存在的情况下。
“我们使用这个工具的目标是发现在广泛疾病中新的治疗方案，但特别是针对稀有、超稀有和被忽视的病症，我们相信这一模型可以显著有助于减少健康差异，”首席研究员，哈佛医学院Blavatnik研究所的生物医学信息学助理教授Marinka Zitnik说。
“我们认为，AI在减轻全球疾病负担方面具有潜力，通过发现现有药物的新用途，这是比新药开发更快速和具有成本效益的方法，”Zitnik补充道，他还与哈佛大学Kempner自然与人工智能研究所有关联。
这个创新的工具有两个主要功能——一个是识别治疗候选者及其潜在副作用，另一个是解释其选择背后的推理。
总的来说，该工具从近8,000种药物（包括FDA批准的药物和目前处于临床试验中的药物）中识别了17,080种疾病的药物候选者，其中许多缺乏治疗选择。它还能够预测哪些药物可能对特定病症造成副作用或禁忌症——这一方面当前的药物发现方法通常通过在初步临床试验阶段的安全性试验中进行试错来评估。
与目前领先的药物再利用AI模型相比，新工具在识别药物候选者方面的有效性平均提高了近50%。此外，它在预测哪些药物可能存在禁忌症方面的准确性提高了35%。
重新利用现有药物的好处
将现有药物重新利用于新治疗的吸引力在于，它利用了经过广泛研究、具有良好安全性以及获得监管批准的药物。
许多药物展现出超出其特定初始用途的多重效应。然而，许多效应在原始测试和临床试验期间未被发现或研究不足，通常在广泛使用后才被认识。近30%的FDA批准的药物在初始授权后获得了至少一个额外的治疗指征，许多药物在多年来积累了多个额外指征。
这种当前的药物再利用方法在很大程度上是随机的，依赖患者对意外有益副作用的报告或者医生关于是否为未预期的病症开处方的直觉，这种现象称为“超出标签使用”。
“在历史上，我们更依赖偶然而非策略，使药物发现局限于现有药物，”Zitnik表示。
Zitnik观察到，重新利用药物的好处不仅限于那些没有现有治疗的疾病。
“即使是针对那些有可用治疗的更普遍的疾病，新药物也能为特定患者提供副作用较少的替代方案或替换无效的药物，”她补充道。
新AI工具与现有模型的区别
大多数现有的药物发现AI模型仅针对特定疾病或有限的条件进行训练。相反，这个新工具采用了一种训练方法，使其能够利用现有数据进行新预测，通过识别多个疾病间的共同特征，比如共享的基因组变异。
例如，AI模型根据共同的基因组基础检测疾病的共同机制，使其能够将已知治疗的疾病与那些尚不理解且没有任何治疗的疾病进行类比。
这一能力使AI工具的推理与人类临床医生的推理更紧密地一致，提供基于访问广泛的现有知识和数据池的创造性见解，而这些是人类大脑无法完全掌握或保留的。
该模型在包含DNA信息、细胞信号、基因活性水平、临床文档等的大型数据集上接受了训练。研究人员在任务上验证了该模型在识别各种疾病的药物候选者方面的表现对比了120万个患者记录。
此外，研究人员询问了AI以预测哪些患者特征可能导致特定患者群体中确定的药物候选者的禁忌症。
另一个评估检查了AI准确指出能够有效阻止致病蛋白活性的现有小分子的能力。
在一项测试中，设计来评估模型的推理能力类似于人类临床医生，研究人员要求其为三种未在其训练课程中的稀有条件找到药物——一种神经发育障碍、一种结缔组织疾病以及一种导致水分失衡的稀有遗传紊乱。
团队随后将模型的药物推荐与现有的医学知识进行比较，以了解所建议药物功能。在每个实例中，模型的建议与当前的医学理解相匹配。
此外，模型不仅为所有这三种条件确定了药物，还提供了其选择的推理，促进透明度并增强医师的信心。
研究人员警告说，模型建议的任何疗法需要进一步评估关于适当的给药剂量和给药时机。然而，他们强调，这一新AI模型前所未有的能力将以此前无法实现的方式加快药物的再利用。团队已在与多个稀有疾病基金会进行合作，探索潜在治疗。
