科学家们正在利用人工智能加速寻找那些可能一直存在于我们视线之中的神经系统疾病治疗方法。
爱丁堡英国痴呆症研究所的研究人员分析患者数据，包括语音记录和眼部扫描，以及实验室培养的脑细胞，以确定现有药物是否可以重新用于治疗运动神经元疾病（MND）等病症。
科学家们希望，通过使用算法来检测疾病模式并预测合适的药物，可以在"几年而非几十年"内找到有效治疗方法。
这一希望得到了试验参与者史蒂文·巴雷特的认同，他在10年前被诊断出患有MND。
史蒂文原本计划在长期且辉煌的公务员生涯后享受积极的退休生活，却开始注意到腿部麻木。
几年后，他被诊断出患有MND——一种目前尚无治愈方法的退行性神经系统疾病。
"MND是一种可怕的疾病，它剥夺了你的身份，"他在苏格兰阿洛阿的家中对BBC表示。
"它剥夺了你可能为自己规划的任何未来感——所有这些都消失了。"
史蒂文表示，他的家人也没有预料到这种情况，他向我们展示了自己在工作、聚会和儿子婚礼上的照片。
但他将这些试验描述为他自己以及其他MND或类似疾病患者的"希望之光"。
其中一项试验MND-SMART同时测试多种药物，而不是一组接受治疗，另一组接受安慰剂。
"对我而言，这项研究远不止是服用药片——这是在有意图地服药，可能对我有帮助，也可能没有，但肯定能帮助他人，"他说。
该研究所还在建立一个包含帕金森病、痴呆症和MND等病症患者的数据库。
临床医生正在收集虹膜扫描、语音记录，并利用人工智能来处理和整理大量数据，以发现可能是未来问题早期指标的变化迹象。
此外，他们还从志愿者患者那里采集血样，将干细胞培养成称为神经元的脑细胞群。
然后，使用机器人、传统实验室设备和运行专业算法的计算机组合，将现有药物测试在多批这些神经元上。
这些机器学习算法经过训练，能够识别可能将神经系统疾病特征转化为健康特征的药物。
人工智能建议可能有效的药物随后可以进入涉及史蒂文等人的临床试验。
释放人工智能潜力
目前大约有1,500种已经开发并获准用于治疗其他疾病的药物。
但研究所首席执行官西达斯坦·钱德兰教授表示，其中一种药物也可能对大脑有效，而我们只是尚未发现。
"大脑是人体最复杂的器官，因此我们必须应对这种复杂性的悖论，"他告诉BBC，并补充说直到最近，这意味着使用不太 sophisticated 的研究方法。
"人工智能与新技术的结合意味着我们现在可以做一些在我医学院时期难以置信的事情。"
由于这些药物已经开发并获得批准，重新部署它们比从头开始开发新配方更为直接。
根据一些估计，发现新药并将其推向市场可能需要很长时间——超过10年。
但钱德兰教授和他的团队认为，他们的工作意味着神经系统疾病的经济实惠、有效的药物可能会更快面世。
这项研究并非首次探索人工智能如何从海量健康或医疗数据中发现潜在解决方案。
美国剑桥市麻省理工学院的科学家们已经使用生成式人工智能识别新型抗生素化合物，这些化合物可能能够治疗包括淋病和帕金森病在内的超级细菌。
2024年，哈佛大学的研究人员开发了一种名为TxGNN的神经网络模型，用于发现可用于治疗罕见疾病的现有药物。
但在更广泛的研究领域也遭遇过挫折。
最近对lecanemab和donanemab的回顾研究曾被誉为治疗阿尔茨海默病的"突破性"药物，研究发现尽管它们减缓了疾病进展，但效果并不足以对患者产生有意义的改善。
该研究审视了17项研究，涉及20,342名志愿者，研究了从大脑中清除淀粉样蛋白——疾病中存在的一种错误折叠蛋白质——的药物。
其结论引发了其他科学家的强烈反对。
但钱德兰教授仍然充满信心，认为"我们正处于神经科学研究和理解变革的临界点"。
【全文结束】
