Marinka Zitnik

来自斯坦福大学的研究人员已开发出了一种新的人工智能系统，它可预测两种药物组合使用后的潜在副作用。（https://web.stanford.edu/~marinka/）

研究人员指出，通过这种定名为“十边形”（Decagon）系统，医生将有望制定出更合理有效的药物组合治疗方案，而更合理的药物组合方案对于治疗那些复杂疾病将会起到更积极的效果。

根据美国疾病控制和预防中心（CDC）估计，23%美国人在服用两种或更多的处方药，39%65岁以上的老年人在服用五种或更多的处方药。

该系统项目负责人、斯坦福大学计算机科学博士后奇尼克（Marinka Zitnik）博士在一份新闻稿中指出，要想检测出一种新药与所有其他药物的组合效果几乎是不可能的，因为仅和一种药物结合就将会产生五千个新的实验，而每一次检测结果都难以预料。

研究人员指出，市场上约有1000种已知的药物副作用，而在所有可能的药物组合间将会产生近1250亿种可能的副作用。而已知药物副作用中的53%发生在了不到3%的在案药物组合中。

在研究中，研究人员检测出了人体内超过1.9万种蛋白质的相互作用过程，以及不同药物影响这些蛋白质的原理。然后，基于药物针对超过400万种已知关联不同蛋白质的反应，他们设计了一种算法来识别副作用产生的模式。

此外，他们采用了“深度学习”技术来完成了这项任务，“深度学习”是一种模仿人类大脑的人工智能形式。

研究人员表示，他们对于通过蛋白质相互作用网络来揭示药物副作用的发现感到意外。

研究人员还对新系统进行了测试，结果显示，该系统具有较高的准确性。研究者还发现，每种药物平均有159个副作用，其中最常见的副作用是恶心、呕吐、头痛、腹泻和皮炎。

研究人员希望，该系统最终能预测两种以上药物组合的副作用，并能为医生们制造出一个更人性化的医疗设备。他们指出，目前的药物副作用基本上都是偶然被发现的，而该系统将有望带来一种更有效和更安全的医疗保健模式。

有关该系统的研究报告将于本周在芝加哥召开的“国际计算生物学学会”（ISCB）2018年度会议上进行发表。同时，该报告也刊登在了《生物信息学杂志》（the journal Bioinformatics）上。