AI 让罕见病患者重获新生:从 4000 种药物中找到救命药

在对 4000 种现有药物进行筛选后,一种人工智能工具帮助发现了一种药物,成功挽救了一名特发性多中心 Castleman 病(iMCD)患者的生命。iMCD 是一种罕见疾病,其生存率极低,且治疗选择有限。

在对 4000 种现有药物进行筛选后,一种人工智能工具帮助发现了一种药物,成功挽救了一名特发性多中心 Castleman 病(iMCD)患者的生命。iMCD 是一种罕见疾病,其生存率极低,且治疗选择有限。

AI 让罕见病患者重获新生:从 4000 种药物中找到救命药

据《新英格兰医学杂志》(NEJM)发表的一篇新论文介绍,由宾夕法尼亚大学佩雷尔曼医学院的研究人员领导的团队利用一种名为机器学习的人工智能技术,确定了阿达木单抗(adalimumab)是可能对 iMCD 有效的“最佳预测”新疗法。阿达木单抗是一种可自我注射的生物治疗药物,已获得美国食品药品监督管理局(FDA)批准,用于治疗包括关节炎和克罗恩病在内的多种疾病。

与此同时,研究团队通过实验发现,阿达木单抗抑制的特定蛋白 —— 肿瘤坏死因子(TNF),可能在 iMCD 中扮演关键角色。他们在病情最严重的 iMCD 患者中检测到 TNF 信号水平升高,进一步分析显示,iMCD 患者的免疫细胞在激活时产生的 TNF 比健康个体更多。

基于这些发现,研究的高级作者、宾夕法尼亚大学转化医学与人类遗传学副教授大卫・法金鲍姆(David Fajgenbaum)博士,以及该研究患者的主治医生、加拿大温哥华综合医院的血液学家卢克・陈(Luke Chen)博士,决定首次尝试将这种 TNF 抑制剂用于 iMCD 患者。

“这位患者在研究中原本即将进入临终关怀,但现在他已经接近两年没有复发了。”法金鲍姆博士表示,“这不仅对这位患者和 iMCD 具有重要意义,更表明机器学习在寻找更多疾病治疗方法方面的巨大潜力。”

将现有药物用于其最初用途之外的其他目的,被称为药物再利用。许多疾病在症状、预后甚至病因上可能看起来截然不同,但它们在体内可能存在一些共同的潜在联系,例如共同的基因突变或分子触发因素,因此可以用同一种药物进行治疗。

法金鲍姆博士本人也患有 iMCD,他通过自己的研究在十多年前找到了一种挽救生命的再利用药物,并因此一直处于缓解状态。这段经历激励他加入宾夕法尼亚大学,并联合创立了名为“Every Cure”的非营利组织,旨在利用人工智能分析海量数据,寻找已获批准的药物,作为罕见病患者的潜在治疗方案

这项研究中使用的人工智能平台,是基于宾州州立大学研究助理春宇马(Chunyu Ma)和计算机科学与工程、生物学以及生命科学赫克研究所副教授大卫・科斯利基(David Koslicki)的开创性工作而构建的。

该研究中描述的患者原本即将进入临终关怀,因为之前的多种治疗方法都未能奏效。

据AI在线了解,特发性多中心 Castleman 病是一种细胞因子风暴疾病。细胞因子风暴是一种免疫系统过度且有害的反应,表现为过多的炎症细胞因子(免疫系统中参与细胞间通信的蛋白质)被释放,可能会损害身体的组织和器官。因此,iMCD 患者可能会出现淋巴结肿大、全身炎症以及危及生命的多器官衰竭等症状。直到接受阿达木单抗治疗之前,其一直饱受这些问题的困扰。

尽管 Castleman 病相对罕见 —— 美国每年大约有 5000 人被诊断,但这项研究的发现有望拯救更多患者的生命。“在美国可能有几百名患者,全球则有数千名患者,每年都会经历这种致命的病情爆发,就像该患者之前所经历的那样。”法金鲍姆博士表示,“虽然还需要进一步研究,但我相信许多患者可能会从这种新疗法中受益。”

该研究强调了将多种科学方法相结合的重要性,而不是单独使用人工智能、实验室工作或临床研究方法。

展望未来,法金鲍姆博士及其团队正准备在今年启动一项临床试验,以评估另一种再利用药物 ——JAK1/2 抑制剂,对 iMCD 的有效性。

相关资讯

调查:超72% 的企业选择 AI 工具时最看重易用性

根据最近的一项 CIO 报告,企业在人工智能(AI)领域的投资高达2.5亿美元,尽管在证明投资回报率(ROI)方面面临挑战。 商业领袖们正努力提高生产力,但新技术的集成往往需要重构现有应用、更新流程并激励员工学习,以适应现代商业环境。 QuickBlox 首席执行官 Nate MacLeitch 对136位高管进行了调查,以揭示 AI 采用的现实情况,探讨领导者的首要任务、主要担忧以及他们在2025年寻找可信工具的信息来源。

2024 年 AI 十大故事,透视技术变革与未来挑战

编辑 | 20492024 年,人工智能技术持续改变着我们的生活和工作方式。 IEEE Spectrum 精选了年度最具影响力的 10 个 AI 故事,从技术突破到社会影响,全方位展现了 AI 发展的现状与挑战。 这些故事不仅反映了生成式 AI 的革命性进展,也揭示了其存在的局限与争议。

AI“短板”暴露:研究发现 GPT-4 Turbo 回答高级历史题准确率仅 46%

这项研究由奥地利复杂科学研究所(CSH)的团队主导,旨在测试三大顶尖大型语言模型(LLMs)——OpenAI 的 GPT-4、Meta 的 Llama 和谷歌的 Gemini—— 在历史问题上的表现。研究团队开发了一个名为“Hist-LLM”的基准测试工具,其根据 Seshat 全球历史数据库来测试答案的正确性,Seshat 全球历史数据库是一个以古埃及智慧女神命名的庞大历史知识数据库。 研究结果于上月在知名 AI 会议 NeurIPS 上公布,结果显示,即使是表现最佳的 GPT-4 Turbo 模型,其准确率也仅为 46%,并不比随机猜测高多少。