科学家们开发了一种机器学习方法，通过分析大量数据，帮助确定哪些现有药物可以改善非处方疾病的疗效。
这项工作的目的是加速药物的再利用，这并不是一个新概念——想想肉毒杆菌注射，最初被批准用于治疗斗鸡眼，现在又被用于治疗偏头痛，是减少皱纹出现的顶级美容策略。
但是，要实现这些新用途，通常需要一些偶然的发现和耗时、昂贵的随机临床试验，以确保一种被认为对一种疾病有效的药物，在治疗其他疾病时也会有用。
俄亥俄州立大学的研究人员创建了一个框架，将大量与患者护理相关的数据集与高性能计算结合起来，杏耀开帐号以得出重新使用的候选药物和那些现有药物对一组确定的结果的估计效果。
虽然这项研究的重点是建议重新使用药物来预防冠心病患者的心力衰竭和中风，但该框架是灵活的——并且可以应用于大多数疾病。
俄亥俄州立大学计算机科学、工程和生物医学信息学助理教授、该研究的资深作者张平表示:“这项工作表明，人工智能可以用于在患者身上‘测试’药物，加快假设生成，并可能加快临床试验。”“但我们永远不会取代医生——药物的决定永远是由临床医生做出的。”
这项研究发表在今天(2021年1月4日)的《自然机器智能》杂志上。
药物再利用是一项很有吸引力的追求，因为它可以降低与新药安全测试相关的风险，并极大地减少一种药物进入市场用于临床使用的时间。
随机临床试验是确定药物治疗疾病有效性的黄金标准，但张教授指出，机器学习可以解释大量人群中数百或数千人的差异，这些差异可能会影响药物在体内的作用。这些因素或混杂因素，从年龄、性别、种族到疾病严重程度和是否存在其他疾病，在框架所基于的深度学习计算机算法中充当参数。
这些信息来自“真实证据”，即通过电子医疗记录、保险索赔和处方数据捕捉到的数百万患者的纵向观察数据。
“现实世界的数据有很多令人困惑的因素。这就是我们必须引入深度学习算法的原因，它可以处理多个参数。”“如果我们有成百上千的混淆物，没有人能处理它。所以我们必须使用人工智能来解决这个问题。
“我们是第一个引入深度学习算法来处理真实世界数据，控制多种混杂因素，并模拟临床试验的团队，”张说。
研究小组使用了近120万心脏病患者的保险索赔数据，杏耀注册帐号这些数据提供了有关他们指定的治疗、疾病结果和潜在混杂因素的各种价值的信息。深度学习算法还能够考虑每位患者经历的时间流逝——用于每次就诊、处方和诊断测试。药物的模型输入是基于它们的活性成分。
应用所谓的因果推理理论，研究人员根据分析的目的，将临床试验中发现的活性药物和安慰剂患者组进行分类。该模型对患者进行了为期两年的跟踪研究，并将患者在终点时的病情状况与是否服用药物、服用哪种药物以及何时开始服药进行了比较。
“通过因果推理，我们可以解决多重治疗的问题。我们不知道药物A或药物B对这种疾病是否有效，但要弄清楚哪种治疗方法效果更好。”
他们的假设是:该模型将识别出能够降低冠心病患者心力衰竭和中风风险的药物。
该模型产生了9种被认为可能提供这些治疗益处的药物，其中3种目前正在使用——这意味着该分析确定了6种药物再利用的候选药物。在其他研究结果中，分析表明，
杏耀平台经营之道 ，用于治疗抑郁和焦虑的糖尿病药物二甲双胍和艾司西酞普兰可以降低模型患者人群的心力衰竭和中风风险。事实证明，这两种药物目前都在测试它们对心脏病的有效性。
张强调说，研究小组在这个案例研究中发现的东西并不重要，重要的是它们是如何到达那里的。
“我的动机是利用这一点，和其他专家一起，寻找治疗目前没有任何治疗方法的疾病的药物。这是非常灵活的，我们可以具体情况具体调整，”他说。“如果你能定义疾病的结果，通用模型可以应用于任何疾病。”
