人工智能可以预测数百万种药物的副作用

经证实的统计数据显示，当两种药物同时使用时，大约有1000种已知的副作用最终会发生。我们已经在市场上有5000种药物，简单地说就是在所有可行的药物组合之间有1250亿潜在的副作用。

然而，令人悲伤的是，从来没有任何特定的方法可以预测药物削减副作用的可能。幸运的是,AI技术现在很有希望解决这个问题。

根据疾控中心的估计，23%的美国居民仅上个月就至少服用了两种处方药。更有甚者，有39%的65岁老人服用五种或多种不同的药物。

再一次，不幸的是，医生们很少或根本不知道这种药物组合会有什么副作用，更不用说在病人的药房里添加另一种药物的后果了。

来自斯坦福大学的计算机科学家、博士后Marinka Zitnik解释说:“由于现有的药物数量众多，从长远来看，要检验或应用某些药物组合如何影响病人的知识是不可能的。”她补充说，在同样的条件下，医生不得不推出新的药物组合，这一等式变得更加困难。

幸运的是，研究人员已经开发出一种特殊的人工智能系统，可以预测药物组合产生的潜在副作用。这样可以事先告知以便考虑更好的选择。

新人工智能系统名为Decagon，它不仅能帮助人们更好地决定药物处方，还能指导研究人员在实验中找到更好的药物组合，以治疗复杂的疾病，甚至更好地开发更好的药物。

Decagon能够管理数以百万计的combos和挖掘出令人担忧的合作伙伴。现在，一旦它可以公开使用，在一个更用户友好的状态下，这个系统将是目前存在的一个改进，它本质上是一种尝试和错误，因为在病人出现头痛或其他副作用之后，医生再变换药物。

这一概念是在科学家们意识到他们可以利用药物对人体细胞机制的影响后产生的。这导致他们组成了一个庞大的网络，精确地描述了人体中19000个蛋白质如何相互作用，特别是不同的药物是如何影响这些蛋白质的。

然后，他们选取了400万已知的与药物和副作用相关的病例，并利用这些数据创建了一种方法，以确定药物针对不同蛋白质时，副作用如何显现的模式。

深度学习提供了解决方案，作为他们能够达到目标的唯一手段。该技术模仿大脑使用神经网络。这种类型的人工智能有能力筛选数据，以提取数据中抽象和反直觉的模式。

然后，研究人员对他们的系统进行了定制，以推断药物组合的模式、副作用，并预测在同时服用两种药物时隐藏的看不见的后果。

虽然系统给出了非常全面的结果，但是小组花了更多的时间来确认这些预测，而最终的测试表明它在很多情况下确实是正确的。

一个典型的例子是,结合胆固醇药物(阿托伐他汀)和血压药物(amlopidine)可能会导致肌肉炎症,系统正确的证明了2017年的临床报告,提到这个“可能会导致一种严重的肌肉炎症。”

事实上，通过对医学文献的进一步检查，Decagon能够预测出10个已被证实的结果，这为它的能力提供了更多的证据。

简而言之，当这种人工智能驱动的技术被改进后，它可能会成为医学界和药物开发领域的另一个主要工具。