IBM推出了新的AI模型以预测潜在有害的药物相互作用

IBM本周宣布了有关人工智能(AI)模型如何帮助更好地预测药物相互作用(DDI)的新研究。

麻省理工学院-IBM Watson AI实验室，哈佛大学公共卫生学院，佐治亚理工学院和IQVIA的研究人员创建了一种称为CASTER的新AI工具，他们声称该工具可以更准确地预测市场上潜在有害和不安全的药物不良相互作用，以及处于早期开发阶段的产品。

研究结果在整周于纽约市举行的AAAI-20会议上发布。CASTER代表化学亚结构表示。

麻省理工学院-IBM沃森人工智能实验室主任戴维·考克斯说：“认为[CASTER]作为帮助标记潜在的药物相互作用医生的AI副驾驶员，需要格外小心。”“当您采用出色的疗法时，潜在的问题是它们会以您意想不到的方式相互作用。您可能会产生危险的不良反应。”

考克斯说，由于新药不断进入市场，这尤其困难。

每年，由于药物不良事件，美国有超过100万人住院。IBM表示，与当前检查药物与药物相互作用的方法不同，该新的AI工具开发了一种专门的药物表示方法，可以根据其频繁的化学亚结构预测药物之间发生不良反应的可能性。

考克斯说，存在已知药物相互作用的数据库，并且对该系统进行了培训，然后要求他们预测其他相互作用。“希望是随着新药的问世，您可以将它们放入系统中。”他说，CASTER工具可以提早发现可能存在的问题。

IBM说，事实证明，CASTER可以比以前的DDI预测方法提高精度。

考克斯说，这项工作只是如何将AI用于化学结构等新型数据的一个例子，而不仅仅是图片和音频以及传统上用于决策的其他领域。他说，研究人员还使用AI来建议具有治疗作用的潜在新药，以便它可以发现新材料，例如新分子和现有分子的特性。

研究人员在IBM的两个常见药物数据库DrugBank和BioSNAP上测试了该模型，其性能优于现有AI系统的最新结果。在强调他们的工作的论文中，研究人员检查了两者之间框架的预测。西地那非(一种有效的治疗勃起功能障碍和肺动脉高压的药物)与硝酸盐类药物之间的相互作用。

IBM表示，与以前的方法仅考虑药物分子结构的几个子结构不同，CASTER的预测分析功能着眼于重要的内容而忽略了不重要的内容。

IBM表示，研究人员的动机是“设计一种专门的表示形式，该表示形式将自动允许预测性学习仅关注于最相关的功能子结构，而这些子结构更可能负责交互。”