美国研究人员开发了一种人工智能驱动的计算机模型，该模型能够模拟并预测慢性疾病随年龄增长的进展。
据悉，由纽约州立大学水牛城分校(University at Buffalo, UB)研究人员设计的这一模型，可支持对长期慢性药物治疗的评估，并帮助临床医生为复杂疾病开发更有效的治疗方法。
该模型在《药物代谢动力学与药效学杂志》(Journal of Pharmacokinetics and Pharmacodynamics)中有详细描述，它通过评估胆固醇水平、身体质量指数、葡萄糖和血压等可测量的生物过程，计算患者整个生命周期中的健康状况和疾病风险。
纽约州立大学水牛城分校药学院和制药科学学院的首席研究员Murali Ramanathan教授表示："在老龄化和慢性共病存在的情况下，目前缺乏可扩展的方法为整个生命周期的药物治疗提供指导。这一知识空白可能通过创新的疾病进展模型来填补。"
这项研究基于美国第三次国家健康与营养检查调查(National Health and Nutrition Examination Survey, NHANES)中的三项病例研究数据，该调查评估了近4万名美国人的代谢和心血管生物标志物。研究团队检查了七种代谢生物标志物（身体质量指数、腰臀比、总胆固醇、高密度脂蛋白胆固醇、甘油三酯、葡萄糖和糖化血红蛋白），而检查的心血管生物标志物包括收缩压和舒张压、脉率和同型半胱氨酸。
通过分析代谢和心血管生物标志物的变化，该模型"学习"老化如何影响这些测量值。利用机器学习，该系统使用先前生物标志物水平的记忆来预测未来的测量值，最终揭示代谢和心血管疾病如何随时间进展。
Ramanathan表示，该模型可以促进对长期慢性药物治疗的评估，并帮助临床医生监测糖尿病、高胆固醇和高血压等随年龄增长而变得更加频繁的疾病的治疗反应。
【全文结束】
