研究人员开发了一种基于人工智能（AI）的模型，旨在识别可以重新用于治疗罕见疾病（如冷凝集素病（CAD））的现有药物。该模型被称为TxGNN，在一项研究中能够为超过17,000种疾病识别出可能的治疗候选药物，研究人员认为其未来可以应用于更多疾病。
该模型的开发者特别希望TxGNN能够在罕见病领域推动创新，因为许多患有这些疾病的人目前没有任何可用的治疗方法。为了鼓励临床医生和科学家使用这一工具，他们将其免费提供。
“对于罕见、超罕见和被忽视的疾病，我们预见到这一模型可以帮助缩小或至少减少导致严重健康不平等的差距，”哈佛医学院助理教授Marinka Zitnik博士在大学新闻报道中表示。“寻找现有药物的新用途比从头设计新药更快、更经济有效，”Zitnik说。
这项研究的结果发表在《Nature Medicine》杂志上，题为《一种面向临床医生的药物再利用基础模型》。
治疗开发成本高、进展缓慢
全球有超过7,000种罕见疾病，其中包括CAD，这是一种自身免疫性疾病，其中自反应抗体在低温下攻击红细胞。尽管罕见疾病集体影响了全球超过3亿人，但治疗开发仍然不足，只有约5%-7%的这些疾病拥有美国食品药品监督管理局（FDA）批准的治疗方法。
开发疗法和治愈方法，然后将其推向市场，通常需要数十年时间和数十亿美元。对于罕见病治疗开发的一个有前景的方法是重新利用已用于其他适应症的药物。
“重新利用的前提是药物可以具有超出其直接靶点机制的多种效应，”研究人员写道。由于这些治疗方法已经临床上使用并且具有已知的安全性，重新利用它们可以帮助加快新适应症的开发过程，同时降低成本。
然而，需要更加高效的过程来实现这一点。虽然近30%的FDA批准的药物后来被批准用于另一种适应症，但这通常是在多年患者观察或医生开具此类药物的超说明书用药后偶然发生的。
“我们倾向于依赖运气和偶然性而不是策略，这限制了药物发现只能针对已经有药物存在的疾病，”Zitnik说。此外，由于对罕见疾病或没有批准治疗方法的疾病的生物学机制了解较少，因此更难将它们与现有的药物机制匹配。
研究人员的目标是通过AI和机器学习开发更好的工具来识别和排名有前景的疗法。机器学习是一种AI形式，使用算法分析数据、从分析中学习，然后对某事进行预测。
TxGNN包含一个预测组件，该组件使用来自超过17,000种疾病的大量数据构建，其中92%的疾病没有任何FDA批准的疗法。这包括关于细胞信号通路、基因活性和其他疾病特征和机制的信息。该算法可以提取这些信息，查看已知良好和未知疾病之间的共享特征，以预测近8,000种不同的药物再利用候选药物中哪些可能是特定疾病的治疗选择。
药物再利用候选药物包括FDA批准的药物和目前正在临床试验中的实验性疗法。CAD是研究中包括的疾病之一。该疾病的顶级治疗候选药物属于一类称为皮质类固醇的药物，具有强大的抗炎作用。
TxGNN还可以预测某些药物是否对特定疾病禁忌，或是否预计会在某些患者群体中引起副作用。这些通常是通过早期试验的试错过程学到的见解。提前预测这些因素可以帮助研究人员集中于最有可能在临床开发阶段成功的治疗方案。
TxGNN还具有一个解释模块，提供选择某种治疗作为特定疾病候选药物的医学理由。
与八个现有的AI药物发现模型相比，该工具在识别治疗候选药物方面的平均表现提高了近50%，在预测禁忌症方面的准确性提高了35%。通过一系列实验，团队进一步验证了他们的方法，表明TxGNN的预测与临床上已经使用的超说明书用药以及人类专家的医疗意见一致。
尽管如此，“预测的药物需要进行广泛的筛选，以确定安全性和有效性，并确定其他药物参数，如药物剂量和治疗的时间和顺序，”研究人员写道。他们还指出，TxGNN可能在罕见疾病之外有更广泛的应用。
“即使对于已有批准治疗方法的更常见疾病，新药也可以提供副作用更少的替代方案，或替代对某些患者无效的药物，”Zitnik说。
(全文结束)
