『科技头条』IBM公布了新的人工智能模型来预测潜在的有害药物相互作用

IBM本周公布了一项关于人工智能(AI)模型如何帮助更好地预测药物间相互作用(DDIs)的新研究。

MIT-IBM沃森人工智能实验室的研究人员,哈佛大学公共卫生学院的,乔治亚理工学院,与IQVIA创造了一个新的人工智能工具叫做施法者,他们声称可以更准确地预测潜在的有害和不安全的不良相互作用的药物市场,以及早期的开发阶段。研究结果在本周于纽约召开的aaai -20会议上公布。脚轮代表化学子结构。麻省理工学院- ibm沃森人工智能实验室(MIT-IBM Watson AI Lab)主任戴维•考克斯(David Cox)表示:“把(卡斯特)想象成一名人工智能副驾驶员，帮助标记医生需要小心的潜在药物相互作用。”“当你有很好的疗法时，潜在的问题是它们会以你意想不到的方式相互作用。你可能会有可能是危险的不良反应。”

考克斯说，这一点尤其困难，因为新药不断进入市场。在美国，每年有超过100万人因药物不良事件住院治疗。IBM表示，与目前检查药物间相互作用的方法不同，这种新的人工智能工具开发了一种专门的药物表征，根据药物频繁的化学亚结构来预测药物间不良反应的可能性。考克斯说，有已知药物相互作用的数据库，系统根据这些数据库中的药物相互作用进行训练，然后被要求预测其他药物的相互作用。“我们的希望是，随着新药的出现，你可以把它们放到这个系统里。”脚轮工具提供了一个可能出现问题的早期预警，他说。IBM表示，与以前的方法相比，CASTER被证明有助于实现更高的预测DDI的准确性。考克斯说，这项工作只是人工智能如何应用于化学结构等新型数据的一个例子，而不仅仅是图像、音频和其他传统上被用来做决策的领域。他说，研究人员还利用人工智能来提出具有治疗效果的潜在新药，这样它就能发现新材料，比如新分子和现有分子的特性。研究人员在两个常用的药物数据库DrugBank和BioSNAP上测试了该模型，IBM表示，它的表现优于现有人工智能系统的最新成果。在一篇强调他们工作的论文中，研究人员检验了西地那非(一种治疗勃起功能障碍和肺动脉高压的有效药物)与硝酸盐类药物之间已知相互作用的预测框架。以前的方法只考虑药物分子结构的几个子结构，而卡斯特的预测分析能力专注于重要的部分，而忽略了不重要的部分，IBM说。

IBM表示，研究人员的动机是“设计一种专门的表示法，自动允许预测学习只关注最相关的功能子结构，而这些功能子结构更有可能负责交互”。

研究人员写道:“我们通过经验证明，与以前使用仿制药表示的方法相比，CASTER可以提供更准确、更可解释的DDI预测。”“在未来的工作中，我们计划将其扩展到化学子图嵌入，并结合度量学习以进一步改进。”

本文来源网络由诺记吧（www.nokibar.com)整理发布，转载文章系出于传递更多信息之目的，不希望被转载的可与我们联系，我们将立即进行删除处理。

未经允许不得转载：诺记吧 » 『科技头条』IBM公布了新的人工智能模型来预测潜在的有害药物相互作用