尽管人工智能最常被用于日常任务辅助，但其应用边界正在向医疗突破领域延伸。上周，哈佛医学院发布了一项名为PDGrapher的AI模型研究，该模型通过解析细胞内部基因、蛋白质与信号通路的关联网络，可识别最有效的治疗组合方案，从而实现病态细胞向健康状态的转化，这为传统方法难以攻克的疾病治疗开辟了新路径。
研究发现
联邦资助的部分研究数据显示，传统药物研发多采用单一蛋白质靶向策略，在激酶抑制剂等特定场景中有效（如通过阻断特定蛋白质抑制癌细胞扩散），但在涉及多信号通路与基因交互的复杂疾病中存在局限性。
研究资深作者Marinka Zitnik在摘要中比喻："传统药物研发如同尝遍数百道菜肴寻找完美口味，PDGrapher则像精通烹饪的大师，明确目标菜品并精确掌控配料组合。"研究团队通过病态细胞治疗前后的数据集训练模型，使其掌握将细胞从病态转化为健康状态的关键基因，并在覆盖11种癌症的19个数据集上进行验证测试。
该工具不仅精准预测了已知有效药物靶点，还发现了具有临床证据支持的新靶点。研究显示，PDGrapher相较其他同类工具在准确率上提升最高达35%，处理速度加快25倍。目前研究团队正将其应用于帕金森病和阿尔茨海默病等脑部疾病的研究。
人工智能在医学中的演进
尽管仍处于早期阶段，AI在医疗领域已取得多项突破。例如斯坦福大学曾利用AI模型"幻觉"特性加速新药化合物筛选，速度较传统计算方式呈指数级提升。但同期研究也警示，过度依赖AI医疗咨询可能导致用户获取错误或不可靠信息，不能替代专业医疗建议。PDGrapher模型目前已通过GitHub平台开源。
【全文结束】
