立即下载 DOCA,开启高性能AI 网络之旅,实现“一站式” 编程
数据科学

AI 借助零采样学习发现罕见疾病的现有治疗药物

突破性的药物再利用 AI 模型可以为医生和患者带来新的希望,让他们尝试在现有治疗方案有限或根本没有的情况下治疗疾病。这个名为 TxGNN 的零样本工具可帮助医生找到现有药物的新用途,以治疗原本可能无法治疗的病症。

这项研究 最近发表在 《自然医学》 上,由哈佛大学的科学家领导,可能会减少药物研发的时间和成本,从而更快地为患者提供有效的治疗。

哈佛大学医学院 Blavatnik 研究所生物医学信息学助理教授兼 Kempner 研究所副教授 Marinka Zitnik 在 最近的一篇新闻文章 中表示:“借助此工具,我们的目标是在各个疾病领域确定新的治疗方法,但对于罕见、极为罕见和被忽略的疾病,我们预计该模型可以帮助缩小或至少缩小造成严重健康差距的差距。”

全球有超过 3 亿人患有 7000 多种罕见或未确诊疾病。在这些罕见疾病中,大约 7% 的患者接受过 FDA 批准的药物治疗。这意味着许多患者都在等待并希望获得新的治疗方法。

这种新的 AI 工具解决了当前大多数依赖已知药物治疗类似疾病的模型的局限性。由于缺乏数据,这些模型难以应对罕见和不太了解的疾病。

TxGNN 通过使用图神经网络 (GNNs) 分析和识别大型医疗数据集 (包括疾病、药物和蛋白质信息) 中的复杂关系和模式来克服这一问题。

研究人员使用肯普纳研究所的 AI 集群(包括 NVIDIA V100 Tensor Core GPU NVIDIA H100 Tensor Core GPU )来训练和微调模型。据 Zitnik 称,GPU 在处理涵盖 17,080 种疾病和近 8,000 种药物的大型医学知识图方面发挥了至关重要的作用。

TxGNN 依靠图神经网络 (GNN) 对复杂的生物数据进行推理,并为专家生成透明的解释,以审查其预测的见解。通过分析这些潜在联系,AI 模型可以理解和预测药物如何影响特定状况。

A workflow illustration showing how TxGNN reasons.
图 1. 显示 TxGNN 模型中所用步骤的工作流 (Huang, K., Chandak, P., Wang, Q. )

在测试中,AI 模型在没有针对特定疾病进行训练的情况下,将治疗预测提高了 19%。在预测不应该使用药物的情况下,AI 模型在预测禁忌症方面的表现也优于现有模型。

它的治疗建议也与医生经常开的药物相匹配,即使这些药物在特定情况下没有获得批准。

访问 TxGNN Explorer 以了解更多信息并体验可视化界面。

阅读 哈佛医学院 肯普纳研究所 的新闻报道。

 

0

标签

  翻译:
Search