图灵汇官网

前言

罕见病患者始终面临着获得有效药物的巨大挑战。中国国际经济交流中心的毕井泉曾指出，这种疾病由于发病率低、患者数量少，导致市场需求有限，加上研发成本高、周期长等因素，使得治疗变得尤为困难。这类药物常被称为“孤儿药”，大多数罕见病患者都存在治疗困难和药物短缺的问题。

AI在药物再利用中的价值

世界卫生组织数据显示，全球已确认超过7000种罕见病，但只有不到10%的疾病具备相应的治疗手段，且很多需要长期服药。因此，如何为这些罕见病寻找有效的治疗药物成为解决患者困境的关键所在。近期，哈佛医学院的研究团队与其合作伙伴共同开发了一种名为TxGNN的人工智能工具，这是一种专门用于识别罕见病和无药可治病症潜在药物的新方法。该模型通过对现有药物的分析，确定了17000多种疾病的候选药物，其中包括大量之前缺乏有效疗法的疾病。相较于其他同类AI工具，TxGNN在候选药物识别上的效率提升了约50%，而在预测禁忌症方面则高出35%。这项研究成果已在《自然·医学》期刊上发布。

AI如何推动药物再利用

传统药物再利用策略虽能借助已有药物的安全性和有效性数据加快新药上市速度，但其偶然性和非系统性特点限制了它在罕见病药物研发中的效果。为应对这一难题，TxGNN应运而生，为药物再利用开辟了全新路径，尤其在罕见病药物发现方面展现出巨大潜力。

TxGNN是一种基于图神经网络（GNN）的模型，专注于零样本药物再利用。与传统方法不同，它不仅依赖于已知的药物和疾病关联，还构建了一个包含17080种疾病、7957种药物和27671种蛋白质等医学概念的知识图谱。通过将疾病与药物间的复杂关系嵌入潜在表示空间，TxGNN能够针对任意指定疾病预测潜在的治疗药物。这个庞大的知识图谱为模型训练提供了坚实的数据支撑。

实验验证

在多次实验中，TxGNN表现出色。与8种现有方法对比，在零样本条件下，TxGNN的优势非常明显。实验数据显示，其在药物指征预测上的准确率提升了19%，在副作用预测方面提高了23.9%。这表明，TxGNN不仅能从现有治疗方案中挖掘出潜在的新用途，还能在尚无明确治疗方案的情况下精准预测适用药物。这对罕见病治疗意义重大，因为超过95%的罕见病缺乏现有药物，而TxGNN为这些疾病快速找到新药创造了条件。

解释模块

除了强大的预测能力，TxGNN还配备了解释模块，便于医生和研究人员理解模型的预测逻辑。通过多步路径展示药物与疾病间的潜在联系，解释模块不仅揭示了为何某种药物可能对特定疾病有效，还提供了详细的医学知识链条，让用户能够追踪到预测背后的科学依据。凭借此功能，TxGNN解决了许多AI模型在医学领域常见的“黑箱”问题，大幅增强了模型的透明度和可信度。

实际应用

研究团队验证了TxGNN在罕见病药物发现中的实际效能，并取得了积极成果。通过对1272085名患者的电子病历数据分析发现，TxGNN预测的首选药物在这类人群中的使用频率显著高于随机预测。统计分析表明，TxGNN预测的药物与罕见病的相关性比随机选择的药物高出107%，进一步证实了模型在真实临床环境中的实用性。

具体实例

例如，TxGNN在预测Wilson病（一种铜代谢紊乱的罕见病）的潜在治疗药物时，推荐了去铁酮（Deferasirox）作为最有前景的候选药物。该药物原本用于治疗铁过载疾病，TxGNN的解释模块显示它可能通过代谢途径对Wilson病产生积极影响。这一预测得到了相关医学文献的支持，体现了模型的科学合理性。

未来展望

在药物研发周期漫长、成本高昂的现状下，TxGNN为现有药物的再利用提供了系统化解决方案。未来，随着技术进步，它有望成为加速药物开发、尤其是帮助罕见病患者获得所需药物的重要推动力。

AI在医学领域的拓展

除了罕见病领域，AI在其他医学分支也有广泛应用。比如，2019年9月，Insilico Medicine公司推出了一款名为GENTRL的生成式AI平台，用于设计治疗纤维化和癌症等疾病的创新药物。借助GENTRL，研究人员仅用21天便找到了针对盘状蛋白结构域受体1（DDR1）的高效抑制剂，大幅缩减了药物发现的时间。

2022年，伦敦癌症研究所的研究人员开发了一套原型测试，可在24至48小时内预测癌症患者对特定药物组合的反应。他们利用AI分析肿瘤样本大数据，比现有方法更精确地判断患者对药物的响应情况。

2023年，Nuance Communications公司推出了Dragon Ambient Experience (DAX) Express，一款基于AI的语音激活软件应用。该项目旨在借助自然语言处理技术，实现患者咨询期间医疗记录的即时转录，有效减轻临床医生的工作负担。

2024年，哈佛医学院的研究团队提出CHIEF模型，用于提取病理成像特征以进行癌症全面评估。在涵盖11种癌症类型、15个数据集的测试中，CHIEF在癌症检测上的准确率达到近94%，明显优于先前的AI方法。

毋庸置疑，AI在提升罕见病诊断水平、促进药物再利用以及优化临床流程等方面的作用将日益显著，为我们战胜疾病提供更多可能。