哈佛大學的新人工智能工具可以精準治療帕金森病和阿爾茨海默病
研究人員哈佛醫學院推出了一種新的人工智能模型，該模型可以通過識別能夠逆轉人體細胞患病狀態的基因和藥物的精確組合來重塑個性化醫療的未來。
該系統稱為PDGrapher旨在解決醫學上一些最棘手的挑戰：帕金森病和阿爾茨海默病等神經退行性疾病，以及罕見疾病，如X連鎖肌張力障礙-帕金森病與僅僅標記相關性的傳統計算工具不同，該模型更進了一步。 它預測了能夠恢復健康細胞功能的基因-藥物配對，同時也提供了這些干預措施可能如何發揮作用的機制見解。
隨著研究人員深入研究精準治療，這種雙重能力——預測和解釋——可能至關重要。 藥物研發歷來緩慢、昂貴，且錯誤線索層出不窮。 通過在細胞層面縮小可行的組合範圍，PDGrapher 有望加快研發進度、降低成本，同時為科學家指明全新的治療途徑。
這一突破發生在投資和創新浪潮的交匯處人工智能和生物技術曾經用於語言、金融或圖像識別的工具正日益被應用於繪製基因網絡圖、設計蛋白質以及在模擬中測試候選藥物。 分析人士表示，這一趨勢可能引發實驗療法的“寒武紀大爆發”，尤其是在製藥公司尋求更高效的臨床研究流程的情況下。
哈佛大學的團隊已經開始在真實的生物數據集上測試PDGrapher。 早期結果表明，它可以識別出與已知干預措施相符的、有前景的基因藥物組合，同時還能發現尚未在實驗室中驗證的新型組合。 如果通過臨床試驗得到證實，該方法將有助於醫學從“一刀切”的治療模式轉向根植於每位患者獨特生物學特徵的個性化干預方案。
目前，PDGrapher 仍是一個研究工具。 但它的首次亮相凸顯了人工智能正在從一般任務向高度專業化的領域邁進——其回報不僅體現在效率上，還體現在壽命的延長和疾病的減緩上。
這項工作也呼應了人工智能最近取得的其他突破，這些突破打破了長期存在的科學瓶頸。 谷歌 DeepMind 的ALPHAFold已經改變了蛋白質結構預測，而像Insilico 醫藥正在使用生成式人工智能來提出新的藥物化合物。
這些努力共同暗示著一種新興的策略：利用機器學習以比人類更快的速度解讀生物學的複雜性。 如果PDGrapher能夠兌現其承諾，那麼這或許將成為最新的證據，證明人工智能不僅僅是增強科學，它正在開始重新定義科學的極限。
