一种新的人工智能（AI）工具通过重新定位现有药物，为超过17000种罕见疾病找到了潜在治疗方法，加速了药物发现进程，为全球数百万患者带来了希望。（图片来源：哈佛医学院）
罕见和未确诊的疾病影响着全球超过3亿人，造成了巨大的人类和经济负担。这些疾病虽然各自罕见，但集体构成了巨大的健康挑战。尽管需求迫切，但只有5%到7%的这些疾病有FDA批准的药物，许多患者缺乏有效的治疗选择。
由哈佛医学院研究人员开发并在《自然医学》期刊上发表的一项突破性人工智能工具提供了一个新的途径来解决这一差距。这种名为TxGNN的AI模型展示了前所未有的潜力，可以为罕见和被忽视的疾病发现疗法。
TxGNN是一种基于图的AI模型，专门用于药物重新定位。与传统方法仅关注已有疗法的疾病不同，这个工具通过分析疾病的共享特征来识别新的药物候选物。它使用包括基因组信息、细胞信号数据和临床记录在内的庞大数据库，建立疾病与潜在治疗之间的联系。
“借助这个工具，我们旨在跨疾病谱系识别新的疗法，”哈佛医学院生物医学信息学助理教授Marinka Zitnik说，“对于罕见和被忽视的疾病，这个模型可以帮助弥补造成严重健康不平等的差距。”
在初步试验中，TxGNN检查了近8000种FDA批准和实验性药物，识别了超过17000种疾病的潜在用途。它的预测还包括可能的副作用和禁忌症，提供了增强医生信心的透明度。
重新定位现有药物为疗法开发提供了更快且更具成本效益的途径。许多药物具有超出其原始目标的效果，其中一些效果在最初的临床试验中未被发现。随着时间的推移，近30%的FDA批准药物获得了额外的适应症，有些获得了众多新的用途。
“我们过去依赖运气和偶然性，而不是策略，这限制了药物发现仅限于已有药物存在的疾病，”Zitnik解释道。“即使是常见疾病，新药也可能为某些患者提供副作用更少或疗效更好的替代方案。”
TxGNN的表现优于领先的药物重新定位AI模型，在识别药物候选物方面准确性提高了近50%，在预测禁忌症方面表现更好，提高了35%。这种性能通过120万份患者记录和各种实验任务得到了验证。
例如，该模型成功识别了三种训练中未遇到的罕见疾病的潜在治疗方法：一种神经发育障碍、一种结缔组织疾病和一种影响水平衡的遗传病。
使TxGNN脱颖而出的是其“解释器”功能，该功能为预测提供了详细的理由。这种透明度使模型更接近人类临床推理，提供多步医疗知识路径供临床医生审查。“这种推理和解释的能力增强了对模型建议的信任，”Zitnik指出。
此外，该工具的预测通常与现有的非标签用途一致，进一步验证了其可靠性。例如，在一个任务中，TxGNN识别出了能够靶向致病通路中蛋白质的小分子。这些发现不仅与当前的医学知识一致，还突显了该模型发现新治疗途径的潜力。
TxGNN的影响远不止于罕见疾病。对于已有治疗的疾病，该模型可以识别副作用更少或疗效更好的替代方案。通过重新定位具有已知安全性的药物，TxGNN加速了临床应用的路径，绕过了从头开发新药的漫长而昂贵的过程。
研究团队已免费提供该工具，鼓励临床科学家探索其能力。几个罕见疾病基金会已经与该团队合作，为那些治疗选择有限或没有治疗选择的疾病寻找潜在治疗方法。
虽然TxGNN识别的疗法仍需进一步验证，但该模型在药物重新定位方面的空前能力代表了医学上的重大进步。“我们在这里看到了人工智能减少全球疾病负担的前景，”Zitnik说。“为现有药物找到新的用途更快、更具成本效益，并有可能拯救无数生命。”
(全文结束)
