人工智能作為一種新興的顛覆性技術，正在逐步釋放著科技革命和產業變革積蓄的巨大能量，并深刻改變了人類生產生活方式和思維方式。可以說，人工智能已然對經濟發展、社會進步等方面產生重大而深遠的影響。

目前，人工智能已經在手機、人臉語音識別、圍棋，甚至結構生物學等領域大顯身手，并且在不斷擴大其應用領域。值得注意的是，一直以來“AI+醫療”被人們寄予厚望，它可以在減輕醫療負擔的同時，減少誤診漏診的的發生。

2020年12月1日，芬蘭阿爾托大學、赫爾辛基大學和圖爾庫大學的研究人員在 Nature Communications 雜志上發表題為：Leveraging multi-way interactions for systematic prediction of pre-clinical drug combination effects 的研究論文。

在這項研究中，研究團隊開發了一種人工智能算法——comboFM，它可以精確預測不同抗癌藥物的組合是否可以對癌細胞形成聯合殺傷作用。這一新的人工智能模型是用從以前研究中獲得的大量數據進行訓練的，為系統預篩選藥物組合提供了十分高效的手段。

人類為了戰勝癌癥開發了大量的治療藥物，但隨著治療時間延長，許多癌癥都會對它們產生耐藥性，甚至完全無效。對此，聯合用藥是一種很好的解決耐藥性的策略，同時還能減少單個藥物的用藥劑量，以減輕對患者的毒副作用。

但遺憾的是，雖然聯合用藥具有十分突出的優勢，但其實驗篩選卻十分的緩慢和昂貴，且具有一定的盲目性。因此，開發一種全新的、快速和高效的方法去篩選出有效的藥物組合是一項十分有意義的研究。

在此，Juho Rousu教授領導的研究團隊開發了一種可以用于預測臨床前研究中藥物組合反應的人工智能算法——comboFM。comboFM可以通過高階張量模擬不同藥物組合是否具有協同效應，并對其進行相關系數打分。

預測藥物劑量聯合效應的comboFM框架概述

基于張量分解，comboFM能夠利用之前在類似藥物和細胞中實驗的研究數據，預測尚未測試的細胞對新藥物組合的反應。因此，即使只有較少的研究數據，comboFM仍然能夠實現高度準確的預測。

有關comboFM的原理，Rousu教授解釋道：“機器學習的模型實際上是一個多項式函數，我們在學校的數學教學中經常遇到，但在這里，它是非常復雜的。”

comboFM-5、comboFM-1、comboFM-1和隨機森林（RF）對組織類型和藥物類別的預測性能

進一步，研究人員使用來自腫瘤細胞系藥物基因組篩選的數據證實，comboFM在各種預測場景中均具有很好的預測性能。

除此之外，研究人員對一組先前未測試的藥物組合的后續實驗驗證進一步支持comboFM的實用性：他們證實間變性淋巴瘤激酶（ALK）抑制劑——克唑替尼（crizotinib）和蛋白酶體抑制劑——硼替佐米（bortezomib）在淋巴瘤細胞中具有以前未被發現的協同作用。

在實驗驗證中測量藥物聯合協同作用得分

不僅如此，comboFM也可以用于非癌癥疾病的藥物組合篩選。例如，可以利用comboFM來研究不同的抗生素組合如何影響細菌感染，或者不同的藥物組合如何有效地殺死被SARS-Cov-2感染的細胞。

Rousu教授還表示：comboFM可以給出非常精確的結果，在他們的模擬實驗中，如果相關系數超過了0.9，那就表明這一藥物組合具有很高的可靠性。實際上，在實驗測量中，0.8-0.9的相關系數就被認為是可靠的。

總而言之，這項研究開發出一個全新的、快速而高效的藥物組合人工智能算法，并且研究人員通過該算法成功預測到一種以前未被發現的聯合用藥組合。這將幫助醫學研究者從數千種藥物組合中優先選擇哪一種進行進一步的研究，極大地縮短了藥物組合開發進程！

此外，研究團隊還將comboFM的完整代碼放到了GitHub共享。

鏈接：https://github.com/aalto-ics-kepaco/comboFM
責編AJX