梅奥诊所的研究人员开发了一种新方法，可预测现有药物是否能被重新用于治疗心力衰竭——这是全球最紧迫的健康挑战之一。通过将高级计算机建模与真实患者数据结合，该团队创建了"虚拟临床试验"，这可能促进有效疗法的发现，同时减少失败研究的时间、成本和风险。
"我们证明通过这个框架可以不依赖随机对照试验预测药物临床效果。我们能以高置信度判断药物是否可能成功。"梅奥诊所生物医学信息学专家、发表于《npj数字医学》的这项研究首席作者Nansu Zong博士表示。
迫切需求
心力衰竭影响着超过6,000万美国人，是住院和死亡的主要原因。尽管已有数十年研究，治疗方法仍有限且许多临床试验失败。传统药物研发耗资巨大且缓慢，往往需要超过十年时间和10亿美元才能将单一疗法推向市场。
药物再利用——为已批准其他适应症的药物寻找新用途——可能提供更快捷、低成本的途径。由于这些药物的安全性已经确立，研究人员可直接研究其对新疾病的潜在益处。但确定值得推进的药物仍是重大挑战。
Zong博士领导了一个由生物化学、分子药理学、心血管医学和定量健康科学专家组成的跨学科团队，将两种强大工具结合：预测药物与生物系统相互作用的计算机模型，以及近60,000名心力衰竭患者的电子健康记录(EHRs)。该团队设计的虚拟临床试验（亦称试验模拟）模仿了随机临床试验的结构，使用现有患者数据创建对照组，测量生物标志物变化等终点指标。
为增强预测准确性，团队加入了药物靶点建模——利用AI分析化学结构与蛋白质序列等生物数据的方法。这种整合弥合了真实患者数据与传统随机试验间的差距。
该方法用17种已在226个3期心力衰竭临床试验中测试的药物进行验证。其中7种显示疗效，10种未显示。虚拟临床试验准确预测了这些实际结果的"方向"。Zong博士表示："这个模型有潜力指导大规模药物研发管线。目前能确定疗效方向——药物是否有益——但尚未能量化效果程度。这是我们下一步要解决的问题。"
更快速、智能的临床研究
通过识别最有望的再利用药物，研究人员可优先进行后续临床测试并集中资源在最可能成功的领域。这可能让患者更快获得治疗，并降低医疗系统成本。
最初作为AI驱动的虚拟临床试验框架开发的这项技术，现已成为梅奥诊所更广泛倡议的一部分。在人工智能与信息学系副主任、梅奥诊所平台信息学副总裁Cui Tao博士指导下，该团队正在探索三种互补方法：
- 试验模拟：用真实世界数据复制已完成或假设试验的设计和分析以验证发现或生成证据
- 试验仿真：用真实世界数据创建模拟试验，估计现有治疗在不同人群或新适应症中的表现
- 合成试验：构建用真实世界或模拟患者数据替代或补充一个或多个试验组的试验
"临床试验始终是核心。"Tao博士强调，"但这项创新展示了AI如何使研究更高效、更经济且更易普及。整合试验模拟、仿真、合成试验与生物医学知识建模，为转化科学开辟了新范式。"
【全文结束】
