只需一個AI，9808名癌癥患者對藥物的臨床反應，全能預測。

而且結果和臨床觀察表現一致。

這就是由紐約市立大學Lei Xie團隊帶來的最新成果CODE-AE（context-aware deconfounding autoencoder）。

它提出一種新型的上下文自編碼模型，可以預測不同患者對藥物的特異性反應。

這將對新藥開發和臨床試驗產生重大影響。

要知道，傳統模式下一種新藥開發、試驗、完全上市，中間需要近10年的時間，消耗的資金也空前龐大，動輒就是10億美元。

周期會如此之長，是因為新藥在人體內的反應難以預測，往往需要反復試驗進行測試。

而如果AI能夠利用數據進行預測，將大幅縮短新藥上市時間，降低成本。

目前，該研究登上Nature子刊《Nature Machine Intelligence》。

簡單來說，CODE-AE是利用新藥在體外細胞驗證上的數據，來預測藥物在人體身上會產生的反應。

這樣就避免了AI模型訓練對患者臨床數據的依賴。

過去AI在臨床反應預測上效果一直不算好的最大原因，便是想要收集海量、連續臨床反應數據實在是太難了。

從機制上來看，研究人員將藥物生物標志物分為了源域（source domain）和目標域（target domain）。

源域表示和測試樣本不同的領域，但是有豐富的監督信息，在這里可以理解為體外細胞驗證的數據。

目標域是測試樣本所在的領域，無標簽或只有少量標簽，也就是患者數據。

將不同領域的數據特征映射到同一個特征空間，使其在該空間中的距離盡可能近。

于是在特征空間中對源域訓練的目標函數，就可以遷移到目標域，提高目標域上的準確率。

放在該研究背景下，源域和目標域都是藥物生物標志物的數據特征，即藥物靶標的數據特征。

具體來看模型框架，主要分為三個部分：預訓練、微調和推理。

預訓練主要用了自監督學習，構建一個特征編碼模塊，將體外細胞數據和患者數據的未標記基因表達譜，映射到嵌入空間中。這樣一來可以把一些混雜因素排除掉，讓兩種數據的潛入分布一致，以消除系統偏差。

微調階段，是在預訓練的基礎上再加一個監督模型，并利用已經標記的體外細胞數據來進行訓練。

最后在推理階段，先從預訓練中獲得的患者去歧對其嵌入，然后再利用調優后的模型，來預測患者對藥物的反應。

在這種模式下，CODE-AE具備兩個特點。

第一，它可以提取不連貫樣本中的常見生物信號和私有表示，從而排除掉由于數據模式不同帶來的干擾。

第二，將藥物響應信號和混雜因素分離后，還可以實現局部對齊。

總結來看，CODE-AE可以理解為在標記和無標記數據的非相干數據模式嵌入空間中，選擇唯一特征的過程。

為了論證模型的有效性，研究人員對9808位癌癥患者的藥物適用情況進行預測。

如果模型對患者情況預測出的位點結果，和他使用的藥物靶點有關，就證明預測是正確的。

然后，研究人員將患者分為100個聚類，將59種藥物也分為30個聚類。

通過這種分析方法，可以讓具有相似藥物反應譜的患者被分在一起。

在此，我們以肺鱗狀細胞癌患者（LSCC）和非小細胞肺癌患者（NSCLC）的聚類為例。

在59種藥物中，LSCC最敏感的藥物為吉非替尼、AICAR和吉西他濱。

其中吉非替尼、AICAR的作用靶點都是一種表皮生長因子受體(EGFR)，吉西他濱常被用于沒有EGFR突變的非小細胞肺癌治療。

論文表示，和這些藥物作用模式一致，CODE-AE發現使用吉非替尼、AICAR的患者，藥物反應圖譜相似。

也就是說，CODE-AE發現了患者治療的正確靶點，即可以預測適用藥物。

如上研究團隊來自紐約市立大學。

通訊作者為Lei Xie，他本科畢業于中國科學技術大學高分子物理專業。

碩士畢業于羅格斯大學計算機科學專業；博士同在羅格斯大學，但拿的是化學系學位。

據了解，該研究團隊下一步將開發CODE-AE對新藥臨床反應在濃度、代謝方面的預測功能。

研究人員表示，該AI模型還有可能被調整為用于預測藥物對人體的副作用影響。

值得一提的是，Nature子刊《Nature Machine Intelligence》專門關注人工智能和生命科學跨學科應用研究，每年收錄論文平均數量在60篇左右。

論文地址：https://www.nature.com/articles/s42256-022-00541-0

參考鏈接：https://phys.org/news/2022-10-ai-accurately-human-response-drug.html