卡勒伊利诺伊医学院的研究人员正在利用人工智能探索识别神经疾病治疗方法的新途径。
在埃默里大学研究人员的支持下，团队聚焦于通过人工智能预测哪些药物更可能穿透血脑屏障——该障碍被其2025年发表的论文列为神经疾病有效治疗的主要瓶颈。
医学专业研究生、论文第一作者梅根·林（Megan Lim）阐释了采用计算技术进行药物发现的依据："当我们运用机器学习和深度学习时，可同时筛查数千种化合物，判断其能否穿透血脑屏障。我们研究的创新之处在于不仅使用了机器学习，还结合了深度学习与迁移学习技术。"
尽管血脑屏障通透性建模历来存在困难，但迁移学习技术以89.08%的准确率成功预测了这一参数。林指出，该技术因其分析埃默里大学数据集的精准性而被选用。
"在医学院三年级时，我前往亚特兰大的埃默里大学，从其内部数据集中选出18种化合物，用于验证我们构建的机器学习模型性能，"林表示，"结果证实迁移学习表现最优。"
自2025年论文发表后，林表示团队正考虑通过体外和体内实验验证计算结果。
"我认为存在多种推进途径，"林说，"其一是开展更多体外实验以扩充数据集；其二是转向动物模型等体内实验，针对文献中未知通透性的化合物进行测试。"
林还探讨了人工智能在医学研究中的未来前景："随着人工智能的发展，我们已见证计算技术的强大效能。我坚信计算化学将在药物发现中持续发挥关键作用。"
她表示希望未来能进一步融合计算化学与神经外科："我认为当今我们已具备实现这一目标的所有资源——计算能力、GPU硬件以及海量化学与生物数据。但关键在于需要更多人才识别这一趋势并持续推动发展。"
【全文结束】
