AI模型TxGNN利用零样本学习重新定位药物治疗罕见疾病
realtime news Oct 02, 2024 17:37
哈佛科学家开发了TxGNN，一种利用零样本学习识别现有药物新用途的AI模型，有望弥合罕见疾病的治疗缺口。
据NVIDIA技术博客 报道，一种名为TxGNN的突破性AI模型通过重新利用现有药物，在罕见疾病的治疗上提供了新的希望。这个创新工具利用零样本学习来帮助医生找到市场上现有药物的新治疗用途。
革新罕见疾病治疗
最近发表在自然医学上的研究由哈佛大学的科学家领导。研究强调了TxGNN在减少药物开发时间和成本方面的潜力，从而更快地为患者提供有效的治疗方法。哈佛医学院生物医学信息学助理教授Marinka Zitnik表示：“我们希望通过这个工具在疾病谱上找到新的治疗方案，尤其是针对罕见、极罕见和被忽视的疾病。”
全球超过3亿人受超过7000种罕见或未确诊的疾病影响。令人震惊的是，仅约7%的罕见疾病有FDA批准的药物治疗，许多患者仍在等待新的疗法。
图神经网络的创新方法
传统的药物重新定位模型由于数据缺乏，常在罕见疾病方面遇到困难。TxGNN通过使用图神经网络（GNN）来分析大型医学数据集中复杂的关系和模式，包括疾病、药物和蛋白质的信息，从而解决了这一限制。这使得AI模型能够理解并预测药物如何影响特定疾病。
研究人员使用NVIDIA V100和H100 Tensor Core GPUs训练和微调TxGNN。Zitnik强调了这些GPU在处理跨越17,080种疾病和近8,000种药物的广泛医学知识图谱中的重要性。
改进的预测和现实世界应用
在测试过程中，TxGNN在未经特定疾病培训的情况下将治疗预测准确率提高了高达19%。在预测禁忌症——即药物不应使用的情况时，AI模型也优于现有模型。此外，它的治疗建议经常与医生针对特定疾病开具的非标签用药一致。
TxGNN提供了透明的预测解释，使医学专家能够审查并了解AI的推理过程。这种透明度对于建立对AI驱动的医疗决策的信任至关重要。
对TxGNN有兴趣的人士可以通过TxGNN Explorer查看这个创新工具的可视化界面，了解更多信息。
阅读来自哈佛医学院的完整故事。
Image source: Shutterstock