旧药新用，这是人工智能推动药物研发的核心驱动力之一。研究人员现正利用人工智能技术破解精准阿尔茨海默病药物研发中的关键难题——患者群体与疾病本身的复杂异质性。
发表于《细胞》期刊的新研究采用创新的多层证据分析方法，识别出可能具有新用途的现有药物。加州大学旧金山分校研究团队以细胞机制和患者异质性为指导，提出不同细胞对病理反应各异的假说，通过整合统计学基础到AI增强的动物实验等多元研究技术，最终筛选出两种癌症药物：来曲唑（Letrozole）和伊立替康（Irinotecan）。这种结合计算生物学、医疗数据和动物模型的方法，首次在小鼠实验中同时逆转记忆障碍和病理特征。
哥伦比亚大学功能基因组学专家Caghan Kizil博士评价该研究"具有说服力"，克利夫兰诊所基因组中心主任Feixiong Cheng博士则称其为"里程碑式成就"。研究团队利用人类单细胞数据建立基因表达谱，从1300种FDA批准或研究过的药物中筛选出82种能影响至少一种细胞类型的候选药物，其中25种作用于多种细胞类型。通过电子病历数据进一步筛选出10种药物，深度分析发现5种药物使用者患阿尔茨海默病风险显著降低。
来曲唑和伊立替康的联合疗法靶向五种主要脑细胞类型，小鼠实验显示其能恢复单细胞基因表达特征。虽然治疗机制尚不明确且存在化疗药物副作用顾虑，但研究团队正在探索适合老年患者的剂量调整方案。该成果印证了药物再利用策略在缩短研发周期、降低成本方面的优势，目前阿尔茨海默病临床试验中182种活跃药物中有三分之一为可再利用药物。
研究突破源于跨学科团队合作，论文第一作者李雅乔（音译）博士贯穿研究全过程，从数据获取到生成式AI模型开发均参与其中。研究团队特别强调电子病历数据对筛选人源有效药物的关键作用，以及转基因小鼠模型对模拟人类病理的重要性。随着生成式AI模型的发展，未来或将实现自主生成假说和分析临床记录，推动系统性治疗方法的创新。
克利夫兰诊所Feixiong Cheng博士指出，虽然现有结果存在癌症患者生存率等潜在干扰因素，但该研究为开发非细胞毒性组合疗法提供了重要方向。加州大学Marina Sirota教授表示："这只是探索的起点，但已发现值得深入研究的突破点。"
【全文结束】
