由加州大学圣地亚哥分校生物工程师领导的团队与新加坡国立大学合作完成的研究显示，通过人工智能衍生的数字医学平台，可根据细胞层面的性别差异优化药物治疗。这项发表于《科学进展》的研究表明，在主动脉瓣狭窄治疗中，男女患者因组织纤维化机制不同，对同一药物组合的反应存在显著差异。
主动脉瓣狭窄影响着全球约1/8的75岁以上人群。当左心室与主动脉之间的瓣膜开口变窄时，心脏需加倍工作维持供血。尽管手术置换瓣膜是严重病例的主要治疗手段，但针对早期阶段的药物疗法（如抑制剂类药物）尚未取得临床突破。研究通讯作者布赖恩·阿瓜多教授指出："目前临床试验中使用的抑制剂效果不佳，部分原因在于该疾病的性依赖特征。"
研究团队开发了一种创新实验系统：通过可调节硬度的水凝胶模拟健康与病变瓣膜组织的微环境。这种类似果冻的生物材料（硬度与Jell-O相当）相比传统塑料培养皿，能更真实地反映体内细胞反应。联合第一作者布兰登·沃格特指出："在塑料表面进行药物筛选得到的结果，可能无法准确预测细胞在真实组织中的反应。"
面对超过6000种药物组合的筛选需求，研究团队借助新加坡国立大学开发的IDentif.AI平台。该AI系统通过数学建模关联药物组合与细胞反应，仅需验证59组关键组合即可预测全部结果。阿瓜多教授表示："实验室实测结果与算法预测高度吻合，证明该平台能快速生成可验证的药物组合方案。"
研究揭示的突破性发现包括：
- 雄性细胞主要通过Y染色体基因驱动钙化
- 雌性细胞则形成纤维化组织
- 最佳药物组合呈现性别特异性协同效应
- 跨性别用药会导致协同效应失效
这种性别差异的机制研究已延伸至人类细胞验证阶段。团队特别强调，即使在非性别差异研究中，也应透明报告实验细胞的性别来源。阿瓜多教授补充："我们的研究显示生物性别对药物组合疗效具有决定性作用，未来治疗方案需要综合考虑染色体和激素因素。"
值得注意的是，该研究的AI药物筛选框架可扩展至其他领域。通过精确模拟体内微环境并结合机器学习，为开发个性化治疗方案提供了新路径。研究人员呼吁科学界在实验设计和数据报告中应更加重视生物性别的影响因素。
【全文结束】
