最近，哈佛醫學院公佈了一項名爲 PDGrapher 的新型人工智能模型。這項研究表明，該模型能夠分析細胞內部基因、蛋白質和信號通路之間的聯繫，從而找到有效的治療組合，幫助恢復病變細胞的健康狀態。這一創新有可能在藥物研發方面產生深遠的影響。

AI 醫療

圖源備註:圖片由AI生成，圖片授權服務商Midjourney

傳統的藥物發現方法通常是逐個針對某種蛋白質進行研究，例如在癌症治療中使用的激酶抑制劑。這類藥物通過阻止特定蛋白質的活動來防止癌細胞擴散。然而，當疾病涉及多個信號通路和基因的相互作用時，這種方法往往顯得捉襟見肘。研究的高級作者 Marinka Zitnik 將傳統藥物發現比作 “嘗試數百道菜餚以找到完美的味道”，而 PDGrapher 則像是一位 “大廚”，能夠準確理解所需的菜品，並知道如何將各種成分組合在一起以達到理想的效果。

研究團隊使用了一組包含病變細胞的數據庫，經過治療前後的數據訓練，讓 PDGrapher 能夠識別哪些基因能夠將細胞從病態轉變爲健康狀態。在此基礎上，模型被應用於11種不同癌症的19個數據集，進行各種治療選項的預測。結果表明，PDGrapher 不僅能夠準確預測已知有效的藥物靶點，還能識別出其他具有臨牀證據支持的新靶點。與其他類似工具相比，PDGrapher 在正確治療靶點的排名上提高了35%，速度也快了25倍。

研究者們指出，PDGrapher 在優化藥物發現方面具有多種可能性，它能夠識別出多種可逆轉疾病的靶點。這一能力有望加快研究進程，提升研究效率，並減少複雜疾病（如癌症）逃避藥物治療的情況。目前，研究團隊還在利用 PDGrapher 來應對帕金森和阿爾茨海默等腦部疾病。

儘管 AI 在醫療領域的應用尚處於初期階段，但其發展勢頭明顯。去年，AI 模型的某些特性幫助斯坦福大學的研究人員以遠超基礎計算速度的方式發現新藥物。同時，研究表明，用戶對 AI 聊天機器人的依賴性過強，可能導致獲取的醫療建議不夠準確，因此無法替代專業醫療人員的信息。PDGrapher 現已通過 Github 開放給公衆使用。

劃重點:

🌟 哈佛新開發的 PDGrapher AI 工具能夠分析細胞內部的複雜關係，幫助尋找有效的疾病治療方案。  

🧬 該工具在預測藥物靶點方面表現優越，排名提高35%，且速度快25倍。  

🧠 研究者正在利用 PDGrapher 攻克帕金森和阿爾茨海默等腦部疾病，期待帶來更多治療突破。