人工智能在药物不良反应预测中的应用

摘要

       慢病很难通过单一用药来进行治疗。一般患者每天服用3到5种药品,而服用多种药品,出现药物不良反应的概率就会有所提升。国家食品药品监督管理总局发布的2016年《国家药品不良反应监测年度报告》显示,2016年国家药品不良反应监测网络共收到药品不良反应/事件143万份,较2015年增长了2.3%,2016年新的和严重的药品不良反应/事件报告42.3万份,占同期报告总量29.6%,与2015年相比增加1.4个百分点。

  过去药物不良反应预测的研究方法多是二元预测,主要针对单一药物的副作用,随着人工智能技术的不断发展,国内外很多新锐企业都开始将这一技术应用到药物研究层面。国内生命科学领域领先的云服务提供商云势软件,就率先将人工智能技术应用到实践之中,探索人工智能与药品研发的结合点。

  药物间不良反应,仍然是导致发病死亡的主要原因

  药物间混用导致的不良反应(DDIs)在世界各地仍然是导致发病死亡的主要原因。在药物设计过程中能够识别潜在的药物间不良反应,对于针对性地指导临床用药的安全性测试是极其重要的。尽管对于药物间不良反应的检测已经在IV期临床试验进行过,但是在药品上市后,仍然会偶然发现大量的新的药物间不良反应。

  

   云势软件科学家团队在美国医学信息学年会上做了研讨会报告,研究了用于预测药品不良反应的方法,相比现有的方法仅能预测出哪两种药物之间混用会导致不良反应,本方法利用药品的”分子指纹”信息(PubChem substructure fingerprint),通过张量回归模型来精确预测DDI的发生情况,这也意味着,这一方法还能具体指出会产生哪一种不良反应。有别于现有研究只考虑两个药品之间的内在联系,本方法进一步将不同不良反应之间的内在联系用于不良反应的预测,因为这些不良反应通常是相互关联的。比如,不良反应“心率上升(HRI)”通常会和“体温升高(BTI)”伴随出现。如果某一药品对混用会引起HRI,那么他们也会有较大概率引起BTI,将这些信息加入到模型中会达到更好的预测效果。

  例如胺碘达隆(Amiodarone,一种抗心律失常药物)和丁螺环酮(Amiodarone,一种抗焦虑药物)两种药品在目前已知的药品不良反应报告中没有记录,而本方法预测有较大概率产生诸如贫血(anaemia),肺炎(neumonia),无力虚弱(neumonia)等副反应,而实际上,通过查阅相关的医学文献可以了解到, 胺碘达隆是酶CYP3A4的抑制剂,而丁螺环酮在人体内的代谢恰好需要酶CYP3A4,因此两种药在人体内共用会导致丁螺环酮在体内的过度积累,导致一系列的副反应发生。  

  云势软件战略布局人工智能领域,致力于为药物研究提供更大的价值

  云势软件研发团队利用人工智能技术来预测药物间混用导致的不良反应,不仅仅从一定程度上能获得关于药物相互作用的新发现,也为药物研究带来巨大的价值。云势软件创始人张英男表示,人工智能也是团队探索的一个新的重点方向。

  

来源:网络

最新文章

极客公园

用极客视角,追踪你最不可错过的科技圈。

极客之选

新鲜、有趣的硬件产品,第一时间为你呈现。

顶楼

关注前沿科技,发表最具科技的商业洞见。