借助人工智能，由湾区多家机构组成的联盟确定了18种可能改善肌萎缩侧索硬化症（俗称ALS）患者生活的美国食品药品监督管理局批准药物，根据发表在医学期刊《柳叶刀》上的一项新研究。
对于见证过无数次失败临床试验的ALS群体而言，这项研究是一个充满希望的突破，最终可能成为理解该疾病神秘起源、其致残机制以及探索治愈之路的关键。
“药物再利用的优势在于可以识别出已获批的、能够帮助减缓ALS患者功能衰退速度的现有药物。”ALS治愈项目创始人迈克·皮斯科蒂说，该项目为研究争取到了大量退伍军人事务部健康档案。“但如今所有要素都已具备，计算能力也已到位。所有这些结合在一起就是目标：创建生物标志物，了解触发因素，理解疾病发作后为何会进展。”
这种神经疾病也被称为卢·格里克病，它攻击大脑和脊髓中的运动神经元。当这些神经元死亡时，大脑会失去对肌肉运动的控制，最终丧失呼吸等核心身体功能。根据ALS协会的数据，确诊ALS的患者通常在症状出现后存活三到五年，但有些病例更为凶险。
皮斯科蒂的妻子格雷琴就是如此，她在确诊后仅一年多就去世了，年仅55岁。为纪念妻子，皮斯科蒂创立了ALS治愈项目，这是一个筹集研究资金的非营利志愿者网络。
根据美国医学协会的数据，美国约有3万人患有该病，每年新增约5000例确诊病例。
研究作者称，该病在普通人群中的罕见性导致临床研究的志愿者数量有限，而对其机制了解不足使其成为研究难度大、成本高的课题。研究人员发现，约10%的患者存在基因突变，其余90%为“散发性”病例，即看似随机的发病，无法解释原因。
“这也是ALS如此棘手的原因之一——我们不知道其机制。”皮斯科蒂说。
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保健系统合作完成，通过利用新获取的数万份健康档案与人工智能在医学研究中的兴起这一罕见交汇点，避开了ALS药物试验面临的障碍。
退伍军人事务部在2008年将ALS认定为与服役相关的疾病，因为退伍军人患病率比普通人群高出50%，据退伍军人事务部称。
在ALS治愈项目的资助下，研究人员获得了2009年至2020年间2万名退伍军人事务部患者的健康档案，其中包括11003名确诊ALS的患者，劳伦斯利弗莫尔国家实验室科学家、研究合著者普里亚迪普·雷说。
退伍军人事务部的健康数据庞大而详细，正等待被利用，雷说。这些汇总数据可由人工智能全面处理，识别模式、生成假设并构建更有针对性的实验。
就像用筛子淘金一样，退伍军人的健康档案被上传到劳伦斯利弗莫尔国家实验室的超级计算机，审查168种药物的“脱靶效应”中那些意外产生的益处。
“我们不知道这在临床试验中是否会成功。但你能对5000种药物进行临床试验吗？不能。”雷说，“但如果你能缩小范围，对少数几种药物有较高信心，那么你可以进行一些小型、更有针对性的临床试验来筛选出它们。”
研究人员使用人工智能的子集——机器学习，利用“因果推断”框架分析数据，该框架在考虑偏差和外部因素的同时隔离治疗效果，雷说。通过将健康档案与药物比较，研究人员可以模拟每种药物下的治疗效果。
算法识别出三类与ALS患者生存期延长呈正相关的药物：他汀类药物（控制胆固醇）、5型磷酸二酯酶抑制剂（治疗勃起功能障碍）和α受体阻滞剂（治疗高血压），根据研究。研究合著者、斯坦福大学神经学教授理查德·雷默说，凭借研究结果，医生将能够开出可能有益于ALS患者生活的美国食品药品监督管理局批准药物。
“很多时候，人们在被诊断为ALS后会停止服用他汀类药物……因为他汀类药物常被提及的副作用之一是可能导致肌肉疼痛或无力。”雷默说，“有了这项研究，我们可以说……继续服用他汀类药物是安全的。”
不过，研究人员强调，该研究仅显示药物与ALS患者寿命延长之间存在相关性，而非因果关系。雷默说，需要在更具代表性的更广泛数据集（退伍军人数据以白人和男性为主）上进行进一步测试，才能使研究结果更加可靠。
与此同时，患者及其家属在诊断和治疗方面常常处于盲目状态。没有单一的客观测试来诊断ALS，对其病因也不了解，更无治愈方法。
这种未知让皮斯科蒂在妻子于斯坦福大学接受治疗时感到“一种厄运感”。确诊后，她参加了一项关于一种来自日本的再利用药物的研究，该药最初设计用于治疗中风。她是美国第二个服用该药的人。药物花费15万美元，但并未真正帮助到他的妻子，皮斯科蒂说。
然而，这项研究表明，预批准的药物或许可以用于ALS，以减缓疾病进展，为患者及其家人争取更多时间。
“它给了你一个线索。”皮斯科蒂谈及研究结果时说，“想象一下，在ALS患者的2500万个基因突变中寻找线索。没有机器学习，人类大脑根本无法在如此海量的数据中找到相关性。”
【全文结束】