w不同的来自不同的副作用来自不同的副作用药品组合是斯坦福大学开发的一种新的人工智能系统，希望更好地预测这些并发症。
AI工具称为Decagon，可以帮助预测药物配对的可能影响，帮助医生做出更好的决定药物处方并有助于研究人员创建更好的药物组合来治疗疾病。
识别药物相互作用副作用中的模式
准确地确定各种药物组合的影响仍然是一项艰巨的任务。如今，市场上有1,000个已知的副作用以及5,000种药物，其中大多数从未一起处方。
“实际上不可能与所有其他药物结合测试新药，”计算机科学博士后Marinka Zitnik说在一份声明中：“因为仅用于5,000种新实验的药物。”
Zitnik与计算机科学副教授Jure Leskovec合作，并提出了Decagon，他们于7月10日在芝加哥国际计算生物学学会2018年会议上提出了Decagon。
首先，该小组研究了药物如何影响人体由巨大网络组成的人体的基础细胞机制，详细介绍了体内19,000多种蛋白质如何相互作用以及各种药物如何影响这种蛋白质。
然后，他们使用了药物和副作用之间已知的已知关联中的400万以上，以提出一个深度学习系统，该系统识别出来自药物靶向蛋白质的副作用出现的模式。
深度学习是一种以大脑建模的AI类型，孔隙孔隙为复杂的数据，并在数据中提取模式，这些模式通常是抽象的，甚至是违反直觉的。在这种情况下，系统会渗透有关药物相互作用副作用的模式，然后通过将多种药物一起服用来预测以前的未鉴定后果。
AI和机器学习
例如，尽管没有早期的迹象表明它们会产生肌肉炎症，但AI工具预测了胆固醇药物与高血压药物amlipidine搭配的胆固醇药物与高血压药物的抗药药。该团队后来确认他们的预测以前是在2017年的一项案例研究中提出的。
该团队计划扩大工作，以构成更复杂的方案，并为医生生产更具用户友好的工具。莱斯科维克说，如果今天大多偶然发现毒品副作用，它们的方法可能会导致更大的安全性。
配音多药，结合药物的做法被证明是一个真正的威胁。仅在上个月，根据CDC的估计，有23％的美国人至少服用了两种处方药。
专家吹捧了AI驱动的分析和工具，以防止威胁生命的患者并发症。例如，麦肯锡分析师估计机器学习算法可以帮助医学和制药公司每年节省多达1000亿美元。
