医生们已经尝试了所有可用的治疗方法，但患者的罕见淋巴结疾病——卡斯特曼病依然没有好转。这种疾病会导致严重的肿胀，最终可能导致器官衰竭。在准备将患者转入临终关怀之前，宾夕法尼亚大学的一位免疫学家决定做最后一次努力，将患者的病史和实验室检查结果输入一个人工智能工具中，该工具可以匹配罕见疾病与现有的药物。
这位不在宾大接受治疗的患者被匹配到了一种TNF抑制剂，这是一种可以阻断引起炎症蛋白的药物，通常用于治疗类风湿性关节炎等疾病。两年半后，患者病情得到了缓解。
宾夕法尼亚大学副教授大卫·费根鲍姆表示，这一案例研究表明，这项技术可能是为更多罕见病患者解锁新的治疗选择的关键。他在2月份发表于《新英格兰医学杂志》的一篇短文中介绍了他的研究发现。
费根鲍姆的非营利组织Every Cure已获得1.08亿美元的联邦合同和私人融资，用于识别有潜力的疾病-药物配对，并推荐进一步的临床研究。
他拒绝透露Every Cure今年春天即将提出的四个配对的具体细节，但他表示，他的团队发现了一些廉价的老药具有惊人的潜力。
例如，在一个案例中，Every Cure发现了一种廉价的通用药物与一种常见癌症之间的配对。小规模的学术研究甚至发现这种药物可能对治疗这种癌症有效，但由于缺乏将其作为癌症治疗药物进行市场推广的经济激励，这一配对一直未受到关注。
“这似乎是一个市场失灵的情况，”他说。“一种廉价且并非为癌症设计的药物，但却可能非常有前景——这并不是我们系统的设计方式。”
利用人工智能发现药物-疾病关联
Every Cure使用人工智能加速了一个通常依赖偶然性的药物发现过程。当罕见病患者几乎没有治疗选择时，医生可能会——如果他们有时间和资源——查阅医学期刊或寻求专家网络的帮助，以寻找其他可能有效的药物。
Every Cure通过一种算法自动化了这一过程，该算法可以阅读大量的生物医学知识图谱——这些图谱展示了疾病、基因、蛋白质、药物和其他生物数据之间的联系。该工具寻找以前未被认识的疾病和药物之间共有的数据片段。
每个配对都会被评分，从0到0.99，分数越高表示疾病和药物之间的共有数据越多。
例如，Every Cure发现TNF抑制剂与卡斯特曼病涉及的一些相同基因有关。这一配对得分为0.83——与已知的卡斯特曼病治疗方法的0.87和0.89得分相当。
“人类知道TNF抑制剂影响了其中一些基因，也知道了卡斯特曼病涉及这些基因，但两者之间的联系一直没有被发现，”他说。“这需要一种机器学习的方法。”
Every Cure的下一步
费根鲍姆在2022年与前医学院室友格兰特·W·米切尔和研究员特蕾西·希科拉共同创立了Every Cure，这是在他自己经历了一种罕见疾病之后。
他在宾夕法尼亚大学读医学院时被诊断出患有卡斯特曼病，并在校内实验室用自己的血液进行了实验，试图找到一种能够缓解症状的非标签药物。
迄今为止，Every Cure的成功案例主要是个别患者。该工具曾将一名患有POEMS综合征（一种罕见的血液疾病，可导致神经损伤）的患者与一种常用的多发性骨髓瘤（一种血液癌）治疗药物进行了匹配。
更广泛的目标是识别特别难以治疗的疾病的有希望的配对，以便在临床试验中进行更广泛的研究，最终形成新的标准护理和治疗指南。
(全文结束)
