斯坦福研究员开发新AI，预测药物副作用

本文由人工智能观察编译

译者：Sandy

对很多美国人来说，服用处方药几乎已经成为了无休无止的例行公事的一部分。根据梅奥诊所（Mayo Clinic）的数据，约有70%的人至少服用一种药物，而多达15％的人正在服用五种甚至更多的药物。麻烦的是，所服药物带来的潜在副作用是很难预测的，甚至同一时间服用多种药物会产生什么效果也是一个未知数；有些预测显示，医疗领域存在超过1250亿种潜在并发症。

斯坦福大学计算机科学博士后研究员Marinka Zitnik表示，“将所有其他药物与一种新药物进行联合使用的测试，几乎是不可能的，因为一种药物就意味着要进行5000个新的实验。事实上，我们也不能确定最后会发生什么。”

为了解决这个问题，Zitnik和计算机科学副教授Jure Leskovec开发了一套人工智能系统——Decagon——来预测药物组合可能产生的副作用。他们在本周于芝加哥举行的2018年国际计算生物学学会会议上发表的一篇论文（“用图形卷积神经网络模拟多种药物副作用”）中对该研究进行了讲解。

这个由美国国家科学基金会，美国国立卫生研究院，美国国防部高级防御研究计划局，斯坦福数据科学计划以及Chan Zuckerberg Biohub公司共同资助研发的系统，可以模拟人体内超过19,000种相互作用的蛋白质和药。同时，借助于一种深度学习算法，该系统学习了大约400万种已知副作用、药物和蛋白质之间的联系，进而可以对新药物与蛋白质之间的相互作用进行模式推断并作出预测。

据了解，Decagon可以准确预测新药组合产生的副作用，准确率比基线高出69％。比如，它预测当同时服用降压药物氨氯地平与胆固醇药物阿托伐他汀时，可能导致肌肉炎症出现。此外，它还准确预测了近期经医学研究人员确认的十种副作用。

“令人惊讶的是，蛋白质互动网络揭示了很多关于药物副作用的信息，”Leskovec说道。

当然，这个系统也有一定的局限性。现在它只能预测成对药物之间的副作用。但在未来，该团队希望创建一个改进的版本，以便处理更为复杂的案例。

Leskovec表示，“目前，药物副作用基本上是都靠偶然发现，我们的方法有可能带来更有效和更安全的医疗保健。”

此外，药理学并不是医疗界唯一一个可能从AI中受益的领域。研究人员正在使用机器学习来预测婴儿的发育障碍。像Clew Medical这样的初创公司试图通过提供AI驱动的分析平台，来预防患者出现危及生命的并发症。而诸如谷歌这样的科技巨头也正在为DeepMind Health等人工智能医疗项目投入大量资源。

麦肯锡的分析师估计，机器学习算法每年可以为医药和制药公司节省高达1000亿美元。

（文中图片来自网络）