AI 模型 TxGNN 利用零样本学习重新利用治疗罕见疾病的药物

据 NVIDIA 技术博客报道，一种名为 TxGNN 的突破性人工智能模型通过重新利用现有药物，为罕见疾病的治疗带来了新的希望。这种创新工具利用零次学习来帮助医生为市场上已有的药物找到新的治疗用途。

彻底改变罕见病治疗

该研究最近发表在 自然医学，由哈佛大学的科学家领导。该研究强调了 TxGNN 在减少药物开发相关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。哈佛医学院生物医学信息学助理教授 Marinka Zitnik 表示：“通过这个工具，我们的目标是在整个疾病谱中找到新的疗法，特别是针对罕见、极其罕见和被忽视的疾病。”

全球有超过 3 亿人受到 7,000 多种罕见或未确诊疾病的影响。令人担忧的是，这些罕见疾病中只有约 7% 有 FDA 批准的药物治疗，这让许多患者等待新疗法。

图神经网络的创新方法

由于缺乏数据，传统的药物再利用模型常常与罕见疾病作斗争。 TxGNN 通过使用图神经网络 (GNN) 分析大型医学数据集中的复杂关系和模式来解决这一限制，其中包括有关疾病、药物和蛋白质的信息。这使得人工智能模型能够理解和预测药物如何影响特定的病症。

研究人员使用 NVIDIA V100 和 H100 Tensor Core GPU 训练和微调 TxGNN。 Zitnik 强调了这些 GPU 在处理广泛的医学知识图谱（涵盖 17,080 种疾病和近 8,000 种药物）方面的重要性。

改进的预测和实际应用

在测试过程中，TxGNN 在没有接受特定疾病训练的情况下将治疗预测提高了 19%。人工智能模型在预测禁忌症（不应使用药物的情况）方面也优于现有模型。此外，其治疗建议通常与医生针对特定情况开出的标签外药物相匹配。

TxGNN 为其预测提供透明的解释，使医学专家能够审查并深入了解人工智能的推理。这种透明度对于建立对人工智能驱动的医疗决策的信任至关重要。

对于那些有兴趣探索 TxGNN 的人，TxGNN Explorer 提供了一个可视化界面来了解有关这一创新工具的更多信息。

阅读哈佛医学院的完整故事。

图片来源：Shutterstock