突破性的藥物再利用 AI 模型可以為醫生和患者帶來新的希望，讓他們嘗試在現有治療方案有限或根本沒有的情況下治療疾病。這個名為 TxGNN 的零樣本工具可幫助醫生找到現有藥物的新用途，以治療原本可能無法治療的病癥。
這項研究 最近發表在 《自然醫學》 上，由哈佛大學的科學家領導，可能會減少藥物研發的時間和成本，從而更快地為患者提供有效的治療。
哈佛大學醫學院 Blavatnik 研究所生物醫學信息學助理教授兼 Kempner 研究所副教授 Marinka Zitnik 在 最近的一篇新聞文章 中表示：“借助此工具，我們的目標是在各個疾病領域確定新的治療方法，但對于罕見、極為罕見和被忽略的疾病，我們預計該模型可以幫助縮小或至少縮小造成嚴重健康差距的差距。”
全球有超過 3 億人患有 7000 多種罕見或未確診疾病。在這些罕見疾病中，大約 7% 的患者接受過 FDA 批準的藥物治療。這意味著許多患者都在等待并希望獲得新的治療方法。
這種新的 AI 工具解決了當前大多數依賴已知藥物治療類似疾病的模型的局限性。由于缺乏數據，這些模型難以應對罕見和不太了解的疾病。
TxGNN 通過使用圖神經網絡 (GNNs) 分析和識別大型醫療數據集 (包括疾病、藥物和蛋白質信息) 中的復雜關系和模式來克服這一問題。
研究人員使用肯普納研究所的 AI 集群（包括 NVIDIA V100 Tensor Core GPU 和 NVIDIA H100 Tensor Core GPU ）來訓練和微調模型。據 Zitnik 稱，GPU 在處理涵蓋 17,080 種疾病和近 8,000 種藥物的大型醫學知識圖方面發揮了至關重要的作用。
TxGNN 依靠圖神經網絡 (GNN) 對復雜的生物數據進行推理，并為專家生成透明的解釋，以審查其預測的見解。通過分析這些潛在聯系，AI 模型可以理解和預測藥物如何影響特定狀況。
在測試中，AI 模型在沒有針對特定疾病進行訓練的情況下，將治療預測提高了 19%。在預測不應該使用藥物的情況下，AI 模型在預測禁忌癥方面的表現也優于現有模型。
它的治療建議也與醫生經常開的藥物相匹配，即使這些藥物在特定情況下沒有獲得批準。
訪問 TxGNN Explorer 以了解更多信息并體驗可視化界面。
?
