据美国疾病预防中心估计，仅在上个月，就有23%的美国人服用了2种及以上的处方药。而且，在65岁以上的人群中，39%的人服用5种及以上，这个数量在过去的几十年里增长了3倍。

如果你对这些没什么感觉的话，这里还有一个让你感到非常吃惊的事实：在大多数情况下，医生都不知道在病人的药方里面添加另一种药会产生什么样的副作用。

问题就是，目前美国制药市场上有如此多的药物。Marinka Zitnik，一位计算机科学博士后说：“实际上我们不可能将每种新药都和其他所有药物的组合进行测试，因为这样的话随便一个药都要测试5000次以上。我们真的不知道这些组合会有什么样的副作用。”

但是计算机科学可能会对此有所帮助，在7月10日芝加哥国际计算机生物学会上发表的一篇论文中，Marinka Zitnik和她的一位硕士生Monica Agrawal以及一位计算机科学副教授Jure Leskovec介绍了一种人工智能系统，可以用于预测而不是简单的跟踪药物组合的潜在副作用。

他们把这个系统称之为：Decagon。Decagon系统可以帮助医生更好地决定开哪种药，以及帮助研究人员找到治疗复杂疾病的更好的药物组合。

一旦这个系统以一种更好的方式提供给医生，那么Decagon的表现将会改善。一个病人服用一种药物，然后开始服用另一种药物，这会导致头痛或者病情恶化。

市场上大约有1000已知的副作用和5000种药物。这样就会导致在所有的药物组合之间有近1250亿种可能的副作用。这其中一些组合甚至连药方都没开出过，更别说一个一个地进行系统性研究了。

Zitnik, Agrawal and Leskovec意识到他们可以研究药物如何影响潜在的细胞机制来解决这个问题。他们构造了一个巨大的网络，来描述我们体内超过19000种蛋白质是如何相互作用的，以及不同的药物是如何影响这些蛋白质的。

研究小组设计了一种方法，来判别药物影响不同的蛋白质并导致副作用的模式。根据药物与其副作用之间已知的超过400万种的关联，该研究小组设计了一种方法，根据药物靶向不同蛋白质的方式，来确定药物产生副作用的机制。

为了做到这一点，研究小组想到了深度学习，这是一种模拟大脑的人工智能模型。本质上来说，深度学习观察复杂的数据，从中抽取出抽象的并且有时候是反直觉的数据模式。

在这种情况下，研究人员设计了系统来推断药物互相作用并产生副作用的模型，并预测两种药物一起服用而产生的未曾见过的副作用。

因为就算Decagon系统发现一种副作用模式并不代表这一定会在实际中发生，所以研究小组想要试试它在大多数情况下是否判断准确。他们预测的准确率很高。

例如，研究小组的已有的数据中不知道atorvastatin（一种胆固醇药物）和amlopidine（一种血压药物）是否可能导致肌肉发炎。然而Decagon预测出了这种副作用，而且也被证实是正确的。虽然在最初的数据中并没有出现，但是一份来自2017年的病历报告表明，这种药物组合导致了一种危险的肌肉炎症。

类似的实证也出现在了其他的案例中。当研究组搜索医学文献寻找Decagon预测的10个副作用的证据的时候，他们发现这10个副作用中有5个都已经被证实了，这进一步证明了Decogon预测结果的准确性。

Leskovec，一位斯坦福大学神经科学研究所和扎克伯格生物中心的研究员表示：“蛋白质相互作用的网络揭示了如此多药物的副作用，这非常令人惊讶。”

目前，Decagon只考虑与一对药物相关的副作用。Leskovec表示，在未来团队成员希望扩大他们的成果，以包含更加复杂的情况。

他们还希望创造一个更加方便的用户接口来为医生提供指导，说明是否应该为特定患者开特定的药物，并帮助研究人员开发新的药物疗法，来以更少的副作用治疗更加复杂的疾病。

Leskovec说：“今天，药物的副作用基本上都是偶然发现的。但我们方法可以提供更加有效和安全的治疗方法。”

翻译：夏佳豪

编辑：孟婕

原文地址：

https://news.stanford.edu/2018/07/10/ai-predicts-drug-pair-side-effects/?from=singlemessage

论文地址：

https://academic.oup.com/bioinformatics/article/34/13/i457/5045770