醫(yī)療技術的發(fā)展離不開前沿科技的支持，時下，人工智能也越來越多參與醫(yī)學的研究與醫(yī)藥的研發(fā)。比如，疫情期間，阿里云與全球健康藥物研發(fā)中心GHDDI合作開發(fā)人工智能藥物研發(fā)和大數(shù)據(jù)平臺，針對冠狀病毒的歷史藥物研發(fā)進行數(shù)據(jù)挖掘與集成。

越來越多人工智能與醫(yī)藥醫(yī)療的結合也昭示著機器學習技術對更好的藥物反應預測的巨大希望?；诖耍谀[瘤研究領域，美國加州大學圣地亞哥分校醫(yī)學院的研究人員近日表示，他們已經創(chuàng)建了一個名為DrugCell的新人工智能（AI）系統(tǒng)，該系統(tǒng)讓腫瘤與最佳藥物組合相匹配成為可能。

DrugCell可模擬人類癌細胞對治療性化合物的反應。DrugCell將模型的內部工作原理與人類細胞生物學的層次結構相結合，在輸入有關腫瘤的數(shù)據(jù)后，系統(tǒng)會返回最知名的藥物、控制對該藥物反應的生物學途徑以及最佳藥物組合，從而可以預測任何癌癥中任何藥物的反應，并設計有效的聯(lián)合療法。

研究人員將DrugCell設計為具有兩個分支的神經網絡，第一個分支是VNN，它是根據(jù)人類基因（GO）數(shù)據(jù)庫中記錄的2086個生物過程建模的，用于模擬人類細胞中分子子系統(tǒng)的層次結構。

DrugCell的第二個分支是傳統(tǒng)的人工神經網絡（ANN），其中嵌入了藥物的Morgan指紋，即化學結構的標準向量表示形式。該模型中兩個分支（VNN嵌入細胞基因型和ANN嵌入藥物結構）的輸出被合并到單層神經元中，然后被整合以產生給定基因型對特定治療的反應。

在進一步的研究中，DrugCell驗證了預測細胞系對治療反應的準確性。此外，預測的組合改善了患者來源的異種移植腫瘤模型中的無進展生存期，并且還可以對臨床結果進行分層。

藥物細胞機制的分析直接導致協(xié)同藥物組合的設計，研究人員通過組合CRISPR，體外藥物篩選和患者衍生的異種移植物系統(tǒng)地驗證了協(xié)同藥物組合。而DrugCell也為構建預測醫(yī)學的可解釋模型提供了藍圖。這對未來醫(yī)療開發(fā)醫(yī)藥和精準給藥具有重要意義。

其研究成果已發(fā)表于《Cancer cell》上。

責任編輯：PSY