在人工智能助力下，湾区研究机构联盟通过《柳叶刀》医学期刊发表的新研究显示，已识别出18种美国食品药品监督管理局（FDA）批准的药物，可能改善肌萎缩侧索硬化症（ALS，俗称渐冻症）患者的生活质量。
对于历经无数临床试验失败的ALS患者群体，这项研究堪称重大突破，有望成为揭示疾病神秘起源、致病机制及最终治愈路径的关键。
"药物再利用的优势在于能发现现有FDA批准药物，帮助延缓ALS患者的病情恶化速度，"协助获取退伍军人事务部健康记录的ALS治愈项目创始人迈克·皮斯科蒂表示，"如今各项条件已成熟——数据资源到位、算力充足，这些要素共同指向核心目标：建立生物标志物、明确致病诱因、理解疾病启动后的进展机制。"
这种神经系统疾病又称卢·格里克病，会攻击大脑和脊髓中的运动神经元。当神经元死亡后，大脑将丧失对肌肉运动的控制能力，最终影响呼吸等核心身体功能。据ALS协会统计，患者通常在症状出现后存活3至5年，但部分病例恶化更为迅猛。
皮斯科蒂的妻子格雷琴便是如此，她在确诊仅一年多后便以55岁之龄离世。为纪念亡妻，皮斯科蒂创立了非营利志愿者网络ALS治愈项目，致力于为相关研究筹集资金。
美国医学会数据显示，全美约有3万人患有此病，每年新增确诊约5000例。研究作者指出，由于公众对该病认知有限导致临床研究志愿者匮乏，加之致病机制不明，使得ALS研究既困难又耗资巨大。约10%的患者存在基因突变，其余90%属于"散发性"病例——即无明确诱因的随机发病，皮斯科蒂解释道："这正是ALS难以攻克的主因之一，我们尚未掌握其作用机制。"
这项新研究由劳伦斯利弗莫尔国家实验室、斯坦福大学、加州大学洛杉矶分校和帕洛阿尔托退伍军人事务医疗系统合作完成。研究团队巧妙规避了ALS药物试验的传统障碍，成功结合海量健康记录新数据源与医学研究中兴起的人工智能技术。
退伍军人事务部2008年将ALS认定为服役相关疾病，因其在退伍军人中的发病率比普通人群高出50%。在ALS治愈项目的资金支持下，研究人员获取了2009至2020年间2万名退伍军人事务部患者健康记录，其中包括11003名ALS确诊患者，劳伦斯利弗莫尔国家实验室科学家兼研究作者普里亚迪普·拉伊介绍道。
拉伊指出，退伍军人事务部的健康数据详尽丰富却长期未被充分利用，而人工智能可对这些聚合数据进行深度处理，识别模式、生成假说并设计更精准的实验。研究团队如同淘金般，将退伍军人健康记录上传至实验室超级计算机，针对168种药物筛选具有意外疗效的"脱靶效应"。
"我们无法确定这些药物在临床试验中必然成功，但同时为5000种药物开展试验显然不现实，"拉伊强调，"若能将范围缩小至少数高置信度候选药物，就能进行更精准的小规模临床试验。"
研究人员采用机器学习这一人工智能子领域，通过"因果推断"框架分析数据——该框架能排除偏差和外部干扰因素以隔离治疗效果。通过比对医疗记录与用药数据，研究人员成功模拟了个体药物治疗效果。
研究显示，三类药物与ALS患者生存期延长存在正相关：控制胆固醇的他汀类药物、治疗勃起功能障碍的5型磷酸二酯酶抑制剂，以及治疗高血压的α受体阻滞剂。研究作者、斯坦福大学神经病学教授理查德·赖默表示，基于该发现，医生现在可开具这些FDA批准药物以改善ALS患者生活质量。
"患者确诊ALS后常会停用他汀类药物，因其副作用可能引发肌肉疼痛或无力，"赖默解释道，"但本研究证实继续服用他汀类药物是安全的。"
研究人员同时强调，当前仅证明药物与生存期存在相关性而非因果关系。由于退伍军人数据以白人男性为主，赖默指出需通过更具代表性的更大规模人群数据验证，才能使结论更可靠。
目前患者及家属在诊疗过程中常陷入迷茫：ALS缺乏单一客观诊断标准，致病原因不明，更无治愈方法。皮斯科蒂回忆妻子在斯坦福接受治疗时曾产生"末日感"。确诊后她参与了日本研发的脑卒中药物再利用研究，成为美国第二位试用者，但15万美元的治疗费用并未带来实质改善。
然而本研究揭示了现有批准药物再利用的潜力——通过延缓ALS进展为患者争取更多宝贵时间。"这为我们提供了重要线索，"皮斯科蒂评价道，"试想在ALS患者2500万基因突变中寻找关联，没有机器学习，人脑根本无法从这海量数据中发现规律。"
【全文结束】
