哈佛科学家开发了一种名为 TxGNN 的 AI 模型，该模型利用零样本学习来确定现有药物的新用途，这可能会填补罕见疾病的治疗缺口。
据 NVIDIA 技术博客的一份报告称，这个开创性的 AI 模型为罕见疾病的治疗带来了新的希望，通过重新利用现有药物。这一创新工具利用零样本学习来帮助医生为已经上市的药物找到新的治疗用途。
革新罕见疾病治疗
这项最近发表在《自然医学》上的研究由哈佛大学的科学家领导。研究强调了 TxGNN 的潜力，能够减少药物开发相关的时间和成本，从而更快地为患者提供有效的治疗。哈佛医学院生物医学信息学助理教授 Marinka Zitnik 说：“有了这个工具，我们的目标是在整个疾病谱中确定新的疗法，特别是针对罕见、极罕见和被忽视的疾病。”
在全球范围内，超过 3 亿人受到 7000 多种罕见或未确诊疾病的影响。令人震惊的是，只有约 7%的罕见疾病有 FDA 批准的药物治疗，这使得许多患者在等待新的疗法。
创新的图神经网络方法
传统的药物重新定位模型由于缺乏数据，在处理罕见疾病时常常遇到困难。TxGNN 通过使用图神经网络（GNNs）来分析大型医疗数据集中的复杂关系和模式来解决这一限制，这些数据集包括疾病、药物和蛋白质的信息。这使得 AI 模型能够理解和预测药物如何影响特定的病情。
研究人员使用 NVIDIA V100 和 H100 Tensor Core GPU 对 TxGNN 进行了训练和微调。Zitnik 强调了这些 GPU 在处理广泛的医疗知识图谱方面的重要性，该图谱涵盖了 17080 种疾病和近 8000 种药物。
改进的预测和实际应用
在测试过程中，TxGNN 在未针对特定疾病进行训练的情况下，治疗预测提高了多达 19%。该 AI 模型在预测禁忌证（药物不应使用的情况）方面也优于现有的模型。此外，其治疗建议常常与医生针对特定病情开具的非处方药相匹配。
TxGNN 为其预测提供了透明的解释，允许医学专家审查并深入了解 AI 的推理。这种透明度对于在 AI 驱动的医疗决策中建立信任至关重要。
对于那些有兴趣探索 TxGNN 的人，TxGNN Explorer 提供了一个可视化界面来了解更多关于这个创新工具的信息。
阅读来自哈佛医学院的完整故事。
图片来源：Shutterstock
