人工智能发现现有药物的其他疾病的影响

在开发新药时，需要花费很长时间，因为有必要在细胞测试，动物测试和临床测试的多个阶段进行实验，以获得有关安全性和有效性的权威批准。因此，可以通过将已经被公认对疾病有效和安全的药物转变为其他疾病来缩短时间，但是仍然需要花费时间的临床试验。为了节省这些药物的人力资源和时间，研究人员设计了一种方法，该方法在学习了大量数据的AI算法中估算候选药物和效果。

使用已经对疾病有效的药物来治疗其他疾病的药物转移并不是一个新概念。用于治疗斜视的肉毒杆菌通常用于整容手术领域，例如，抗寄生虫药被认为有望用于治疗COVID-19感染。

由于药物回收使用的是已经被批准用于人类安全的药物，因此它的优势在于可以缩短批准使用前的时间，而不是开发新药物。尽管如此，通过随机临床试验证明它对付这种疾病仍然需要花费大量时间和才能。

为了解决这个问题，俄亥俄州立大学的研究人员开发了一个框架，该框架使用大规模的患者数据集和AI来推测有希望的候选药物以及可能产生的影响。该研究着眼于预防动脉疾病患者的心力衰竭和中风的重定位，但该框架本身可用于许多其他疾病的重定位。

根据研究小组的说法，该研究是第一个通过使用深度学习算法处理实际数据并调整若干混杂因素来模拟临床试验的研究。计算中使用的数据是从现实世界中的数百万患者中收集的，例如电子病历，保险索赔信息和处方。实际数据有很多混淆因素，因此有必要使用可以处理多个参数的深度学习算法。人类很难处理数百至数千个混淆因素，需要AI来解决问题。相关信息可以在这里找到。