最近，哈佛医学院公布了一项名为 PDGrapher 的新型人工智能模型。这项研究表明，该模型能够分析细胞内部基因、蛋白质和信号通路之间的联系，从而找到有效的治疗组合，帮助恢复病变细胞的健康状态。这一创新有可能在药物研发方面产生深远的影响。
传统的药物发现方法通常是逐个针对某种蛋白质进行研究，例如在癌症治疗中使用的激酶抑制剂。这类药物通过阻止特定蛋白质的活动来防止癌细胞扩散。然而，当疾病涉及多个信号通路和基因的相互作用时，这种方法往往显得捉襟见肘。研究的高级作者 Marinka Zitnik 将传统药物发现比作 “尝试数百道菜肴以找到完美的味道”，而 PDGrapher 则像是一位 “大厨”，能够准确理解所需的菜品，并知道如何将各种成分组合在一起以达到理想的效果。
研究团队使用了一组包含病变细胞的数据库，经过治疗前后的数据训练，让 PDGrapher 能够识别哪些基因能够将细胞从病态转变为健康状态。在此基础上，模型被应用于11种不同癌症的19个数据集，进行各种治疗选项的预测。结果表明，PDGrapher 不仅能够准确预测已知有效的药物靶点，还能识别出其他具有临床证据支持的新靶点。与其他类似工具相比，PDGrapher 在正确治疗靶点的排名上提高了35%，速度也快了25倍。
研究者们指出，PDGrapher 在优化药物发现方面具有多种可能性，它能够识别出多种可逆转疾病的靶点。这一能力有望加快研究进程，提升研究效率，并减少复杂疾病（如癌症）逃避药物治疗的情况。目前，研究团队还在利用 PDGrapher 来应对帕金森和阿尔茨海默等脑部疾病。
尽管 AI 在医疗领域的应用尚处于初期阶段，但其发展势头明显。去年，AI 模型的某些特性帮助斯坦福大学的研究人员以远超基础计算速度的方式发现新药物。同时，研究表明，用户对 AI 聊天机器人的依赖性过强，可能导致获取的医疗建议不够准确，因此无法替代专业医疗人员的信息。PDGrapher 现已通过 Github 开放给公众使用。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）萍水
