斯坦福大学（Stanford University）的研究人员开发出一种新的人工智能系统——Decagon，可预测两种药物联合使用的潜在副作用。

研究人员相信，借助Decagon系统，不仅可以帮助医生更好地开出用药处方，而且能帮助医生选择最佳药物组合以治疗复杂疾病。这一发现在国际计算生物学学会（International Society for Computational Biology）2018年会议上公布，并发表在《生物信息学》杂志上。

美国疾病控制与预防中心（Centers for Disease Control and Prevention）估计，23%的美国人服用两种或更多的处方药，而65岁以上的美国人中有39%同时服用五种以上的处方药。

斯坦福大学计算机科学博士后马林卡·兹尼克博士（Marinka Zitnik）在一份新闻稿中说：“检测一种新药与所有其他药物的相互作用基本上是不可能完成的，因为仅检测一种药物就需要5000项实验。”

研究人员说，美国市场上大约有1000种已知的药物副作用，在所有可能的药物之间产生了近1250亿种可能的副作用。系统地研究各种药物同时服用可能出现的副作用，工作量巨大，而人工智能技术能够大大提高这项工作的效率。

据了解，53%的药物副作用发生在少于3%的记录在案的药物组合中。

研究人员确定了人体内1.9万余种蛋白质之间的相互作用机制，以及不同的药物是如何影响这些蛋白质的，并设计了一种方法，根据400多万已知关联中药物对不同蛋白质的靶向性，来确定副作用是如何产生的。

根据模拟人类大脑工作的深度学习技术，研究人员设计了Decagon人工智能系统，自主识别潜在的药物组合副作用。

为了确定该系统预测联合用药副作用的结果是否真实，研究人员在医学文献中寻找由Decagon系统预测的副作用的证据。结果显示，该系统预测的10种联合用药副作用中，有一半在最近的医疗系统记录中得到了证实。

例如，Decagon系统发现阿托伐他汀（一种胆固醇药物）和氨氯地平（一种血压药物）联合使用会导致肌肉发炎。该结论得到了证实，2017年的一份病例报告表明，某患者服用这两种药物后确实出现了严重的肌肉发炎问题。

研究人员还发现，平均每种药物有159种副作用，最常见的副作用是恶心、呕吐、头痛、腹泻和皮炎。斯坦福大学计算机科学副教授Jure Leskovec说：“令人惊讶的是，蛋白质相互作用网络揭示了许多药物的副作用。”

研究人员希望将他们的系统扩展到两种以上的药物组合中，并为医生创造一种更方便的工具。

“目前，药物副作用基本上是靠偶然发现的，我们的方法有可能带来更有效和更安全的医疗保健。”Leskovec说。

原文来源:UPI

原文标题:AI system can predict side effects of drug combinations