W有将近1250亿的潜在副作用药物斯坦福大学开发的一种新的人工智能系统希望更好地预测这些并发症。

这款名为“十agon”的人工智能工具可以帮助预测药物配对的可能影响，帮助医生在治疗过程中做出更好的决定药物处方并帮助研究人员创造更好的药物组合来治疗疾病。

识别药物相互作用副作用的模式

准确地确定各种药物组合的影响仍然是一项艰巨的任务。如今，市场上有5000种药物，有1000种不同的已知副作用，其中大多数从未同时开过处方。

计算机科学博士后Marinka Zitnik说:“几乎不可能将一种新药与所有其他药物结合起来测试。说在一份声明中，“因为仅仅一种药物就需要进行5000次新实验。”

兹特尼克与计算机科学副教授Jure Leskovec及其同事合作发明了Decagon，并于7月10日在芝加哥举行的国际计算生物学学会2018年会议上展示了这款产品。

首先，研究小组研究了药物如何影响由一个巨大网络组成的人体底层细胞机制，详细介绍了体内19,000多种蛋白质如何相互作用，以及各种药物如何影响这些蛋白质。

然后，他们利用1250亿个已知药物和副作用之间的关联中的400多万个，提出了一个深度学习系统，通过药物如何靶向蛋白质来识别副作用出现的模式。

深度学习是一种模仿大脑的人工智能，它会仔细研究复杂的数据，并从数据中提取出通常是抽象的、甚至违反直觉的模式。在这种情况下，该系统推断药物相互作用副作用的模式，然后预测同时服用多种药物之前未知的后果。

人工智能和机器学习在工作中

例如，尽管早期没有迹象表明它们会引起肌肉炎症，但人工智能工具预测胆固醇药物阿托伐他汀与高血压药物氨lipidine配对会产生肌肉炎症。该团队后来证实，他们的预测之前在2017年的一个案例研究中提出过。

该团队计划将工作扩展到包含更复杂的方案，并为医生提供更用户友好的工具。Leskovec说，如果今天的药物副作用大多是意外发现的，那么他们的方法可以带来更高的安全性。

被称为综合用药，即混合药物的做法被证明是一个真正的威胁。根据美国疾病控制与预防中心的估计，仅在上个月，23%的美国人至少服用两种处方药。

专家们吹捧人工智能分析和工具可以预防危及生命的患者并发症。例如，麦肯锡(McKinsey)的分析师就做出了这样的估计机器学习算法可以帮助医药和制药公司每年节省高达1000亿美元。