尽管人工智能最常见的用途是帮助人们完成日常任务，但其应用远不止于此，甚至能够助力医学突破。
上周，哈佛医学院发表了一项关于新型AI模型PDGrapher的研究。据哈佛大学介绍，该模型能够分析细胞内基因、蛋白质和信号通路之间的联系，识别出能有效恢复健康细胞行为的最佳治疗方案组合。这可能为传统方法难以发现的疾病提供新的治疗方法。
研究发现
在这项部分由联邦政府资助的研究摘要中，作者解释说，传统的药物发现方法一次只针对一种蛋白质，在激酶抑制剂等情况下有效——这类药物通过阻断特定蛋白质来防止癌细胞扩散——但当疾病涉及多条信号通路和基因之间的相互作用时，这种方法可能会失效。
研究高级作者玛丽娜·齐特尼克在摘要中表示："传统的药物发现类似于品尝数百道准备好的菜肴，寻找恰好味道完美的那一道。PDGrapher则像一位了解自己想要什么菜品以及如何精确搭配食材以达到理想风味的大厨。"
研究人员使用治疗前后患病细胞的数据集训练该模型，使PDGrapher能够利用这些数据识别将细胞从疾病状态转变为健康状态的基因。随后，该模型在涵盖11种癌症的19个数据集上接受了测试，要求其在未见过细胞样本的情况下预测各种治疗方案。该工具准确预测了已知有效的药物靶点，并识别出其他有临床证据支持的靶点。作者写道，PDGrapher的表现优于"其他类似工具"，对正确治疗靶点的排名准确率高出35%，速度提升25倍。
研究人员确定了PDGrapher通过识别可逆转疾病的多个靶点来优化药物发现的多种方法。据该研究称，这可以加快研发进程，简化研究工作，并减少多通路复杂疾病（如癌症）逃避药物作用的情况。目前，研究团队正在使用该模型应对包括帕金森病和阿尔茨海默病在内的脑部疾病。
人工智能在医学中的应用
尽管人工智能在医学领域的应用仍处于初期阶段，但最近已取得多项进展。例如，去年，AI模型的"幻觉"倾向实际上帮助斯坦福大学研究人员以比单纯使用基础计算快得多的速度发现了新的药物化合物。然而，与此同时，研究表明，AI聊天机器人的用户可能过度依赖AI工具获取医疗建议，而这些信息可能在事实层面不准确或不可靠，无法替代医疗专业人士提供的信息。
【全文结束】
