纽约城市学院的新人工智能模型现在可以以更高的准确性预测人类对新药物化合物的反应。这种方法也比以前更经济、更快。
这项技术发表在10月17日的《自然-成熟智能》杂志上。
根据研究，新的CODE-AE模型可以筛选独特的药物分子，并准确预测其对人的有效性。在测试中，该公司发现针对9000多名患者的针对性药物可能更有效。
这对医学来说是至关重要的，因为该技术可以确保在用药后记录正确的和针对患者的结果。这将有助于使药物更安全、更有效。
众所周知，在早期阶段，直接在人体上进行试验是不道德的，也是不可能的。该声明称，因此，为了检验医学结果，人体的细胞或组织模型经常被使用。
不幸的是，实际患者的治疗效果和毒性往往与疾病模型中的药理学影响不匹配。
“我们新的机器学习模型可以解决从疾病模型到人类的转化挑战，”谢磊说，他是纽约市立大学研究生中心和亨特学院的计算机科学、生物学和生物化学教授，也是这篇论文的高级作者。
“CODE-AE采用了受生物学启发的设计，并利用了机器学习方面的一些最新进展。例如，它的一个组件使用了Deepfake图像生成的类似技术。”
“虽然已经开发了许多方法来利用细胞系筛选来预测临床反应，但由于数据不一致和差异，它们的性能是不可靠的，”纽约市立大学研究生中心的博士生和论文的合著者。
“CODE-AE可以提取被噪声和混杂因素掩盖的内在生物信号，有效地缓解了数据差异问题。”
该方法得到了国家普通医学科学研究所和国家衰老研究所的支持。研究小组现在将建立一种CODE-AE方法，以正确预测新药在人体内的浓度和代谢效果。
