人体对药物吸收的复杂过程是生物工程的奇迹，但也给医疗工作者和患者带来巨大挑战。麻省理工学院、布里格姆妇女医院和杜克大学的研究团队近日开发出突破性机器学习模型，可准确预测药物联用时的安全风险，为提高治疗安全性提供新工具。
研究核心在于揭示口服药物通过肠道转运蛋白进入血液的机制。此前，药物使用的具体转运蛋白长期不明，导致多种药物竞争同一转运通道时可能发生不良反应。研究团队通过改造猪肠道组织模型，结合基因敲除技术测量药物吸收路径，最终建立可预测药物相互作用的机器学习系统。
该技术已取得实质性成果：通过分析28种现有药物与1595种实验药物，生成近200万条潜在相互作用数据。其中多西环素（抗生素）与华法林（抗凝血剂）的相互作用被患者数据证实，这一发现将直接改善临床用药决策。研究团队还证实，该模型可根据药物化学结构预测转运特性，显示人工智能在精准医疗中的巨大潜力。
制药企业已开始应用该技术优化新药分子设计。生物科技公司Vivtex正在开发基于此原理的新型口服药物递送系统。研究负责人Giovanni Traverso指出，这项技术不仅能减少药物不良反应，还将推动个性化医疗发展——未来可能根据患者个体生物学特征定制用药方案。
本研究获得美国国立卫生研究院等机构资助，凸显跨学科合作在医疗创新中的关键作用。随着对药物相互作用机制的持续深入，个性化治疗方案将显著降低用药风险，提升全球医疗安全标准。
【全文结束】
