人工智能通过分析神经元变化来判断药物

日本名古屋大学的一个研究小组开发了一种分析细胞图像的人工智能，利用机器学习预测药物的治疗效果。这项被称为硅聚焦(silicon FOCUS)的新技术可能有助于发现治疗神经退行性疾病(如肯尼迪病)的药物。

目前对神经退行性疾病的治疗通常有严重的副作用，包括性功能障碍和阻碍肌肉组织形成。然而，由于缺乏有效的筛选技术来辨别药物是否有效，研究人员在寻找新的、危害较小的治疗方法时受到了阻碍。一个很有前景的概念是“异常辨别概念”，这意味着对治疗有反应的神经元与对治疗没有反应的神经元在形状上有细微的差别。然而，这些细微的差别是很难用肉眼辨别的。目前的计算机技术也太慢，无法进行分析。

名古屋大学的一组教授，由药学研究生院的副教授加藤龙治和助理教授Kanie，以及医学研究生院的胜野正久和助理教授饭田圆领导，开发了一种新的人工智能技术，称为硅聚焦。它分析模型神经元的细胞形状，并利用这些信息来评估它们是否对治疗药物有反应。他们在杂志上发表了他们的研究结果科学报告。  

研究人员在一个正在治疗肯尼迪病(一种导致运动神经元死亡的神经退行性疾病)的细胞模型上测试了这种人工智能。在硅聚焦构建了一个稳健的基于图像的分类模型，在识别模型细胞的恢复状态方面具有100%的准确率。

加藤教授解释说:“这项技术可以通过分析正常情况下无法区分的疾病模型细胞和健康细胞的形状变化，从而对治疗剂的效果进行高度敏感和稳定的评估。”“这是一种超高效的筛选技术，可以通过简单地捕捉图像来预测药物疗效，从而将药物疗效分析和评估所需的时间从几十万个细胞的几个小时缩短到几分钟。它允许对治疗效果进行高度准确的预测，而不需要复杂的侵入性实验。”

Kato总结道:“这些结果表明加速新药开发的可能性，我们希望它们能被广泛应用于发现治疗疾病的药物，这些疾病一直难以探索。”

本研究得到2019财年名古屋大学跨部门创新创造项目的支持。