|
近日，哈佛医学院的研究团队及其合作者开发了一种名为TxGNN的AI模型，这一突破性工具为罕见病和无药可治病症的治疗带来了新的希望。该模型通过训练一个包含17080种疾病、7957种药物和27671种蛋白质的医学知识图谱，成功地从现有药物中识别出17000多种疾病的候选药物。
TxGNN不仅能够利用已知的药物与疾病关系，还能通过医学知识图谱预测任何给定疾病的潜在治疗药物。实验结果显示，TxGNN在零样本环境下显著优于其他方法，治疗预测准确率提升高达19%，禁忌症预测也表现出色。与同类AI模型相比，TxGNN在识别候选药物方面平均提升近50%，预测禁忌症准确率也高出35%。 一个具体的案例是，TxGNN在预测Wilson病（一种导致铜代谢异常的罕见病）的潜在治疗药物时，推荐了去铁酮（Deferasirox）作为最有前途的候选药物，该药物在临床上已有应用。 这项研究不仅为罕见病和无药可治病症提供了新的治疗方法，也为药物再利用带来了革命性的突破。研究人员指出，除了最初实验中研究的17000种疾病之外，该模型还可以应用于更多疾病。这一成果标志着人工智能在药物研发领域的重大进展，有望加速药物发现的过程，并提高成功率。 |
