今年早些时候，我有机会观看了一段长达90分钟的访谈，斯坦福医学院院长洛伊德·米诺博士（Dr. Lloyd Minor）在访谈中讨论了人工智能（AI）对医学各个领域的影响。访谈的题目是《人工智能和大型科技公司如何塑造医疗保健的未来》（YouTube）。
他解释说，X射线和其他诊断方式的解读速度可能会比人类大脑更快，甚至更准确；即使是经验丰富的病理学家，在解读复杂的组织学切片时，尤其是在面对非常罕见的疾病时，也可能会被人工智能取代。
这一深入且前沿的访谈让我思考，人工智能可能如何帮助北美儿科诊室中最常见的几种病症。对于患有神经发育障碍如注意力缺陷多动障碍（ADHD）、自闭症谱系障碍（ASD）、癫痫、抑郁和焦虑的儿童来说，找到合适的药物往往是一个挑战。许多ADHD儿童的家庭感到沮丧，因为只有在尝试了第三种药物后，孩子才表现出最佳的反应，同时副作用最少。这需要大量的教育和耐心才能达到所谓的“最佳点”。
我还发现，许多家长对这些药物持怀疑态度，因为他们认为，由于家庭成员对某种药物有不良反应，他们的孩子或青少年也会出现同样的问题。
ADHD在儿童和成人中都很常见。最常用的药物包括甲基苯丙胺、混合安非他命盐、托莫西汀和胍法辛。这些药物各有不同的药代动力学特征。对于甲基苯丙胺和托莫西汀，我们已经了解了很多关于酶活性的知识，以及这些变化如何影响药物代谢的速度。
细胞色素P450 2D6（CYP2D6）和羧酸酯酶1（CES1）在这些药物的代谢中起着重要作用。一些患者是代谢不良者，当服用托莫西汀时，他们可能会经历比正常代谢者高10倍的暴露量；而对于甲基苯丙胺，代谢缓慢者的暴露量可能比正常代谢者高2.5倍。
研究人员正在努力获取更多关于药物基因组学的知识。最近发表在PubMed上的一篇文章（pubmed.ncbi.nlm.nih.gov/36068472/）得出结论，拥有这些药物基因组学信息可能有助于临床医生和患者在选择治疗ADHD的药物和剂量时做出决策。听起来很好，但目前这有多现实呢？
另一个每年耗费医疗系统数十亿美元的问题是多药治疗。在许多慢性病管理和复杂神经疾病病例中，多种药物联合使用，这总是存在药物相互作用的风险，可能导致患者出现副作用。到目前为止，有效的工具来解决这个问题仍然难以找到。
在另一篇最近发表的文章中，题为《初级保健机构中人工智能工具在慢性病管理中的实施》（National Library of Medicine），作者描绘了其AI模型在初级保健中带来的激动人心的变化；这些变化将预防药物相互作用，并使当前通过电子健康记录发出的可能药物相互作用警报显得过时和落后。他们承认，主要障碍在于遗传学、药理学和临床医学部门之间的沟通不足，尽管这种情况在北美许多校园中正在迅速改变。报销方式的展开和支付研究的成本是另外两个障碍。这是一个复杂的话题，但同时非常有趣，试图理解AI潜力背后的主要思想。对更多细节感兴趣的读者可以访问该研究的链接：
我常常想，治疗尿路感染相对简单，只需收集尿液、进行培养测试、找到细菌并注意报告中指出的应使用和避免的抗生素。希望有一天，人工智能也能让选择ADHD药物变得同样容易，但目前很难预测这需要多长时间。
听起来非常有前景，但正如著名的纽约洋基队棒球运动员尤吉·贝拉（Yogi Berra）曾经说过的那样：“预测很难，特别是关于未来的预测。”
彼得·尼曼博士是70中心儿科的创始人，自1999年起为《卡尔加里先驱报》撰稿。更多信息请访问www.drnieman.com
(全文结束)
