臉書開發新AI技術，找出藥物組合快速打擊複雜疾病

臉書與德國Helmholtz Zentrum München研究中心，開發了一種新的藥物研究方法，有助於加速探索新藥組合，以打擊複雜的疾病。研究團隊建立了一個人工智慧模型，該模型可以預測藥物組合、劑量、服藥時機甚至是可採取的介入措施，該團隊現在開源這個稱為CPA（Compositional Perturbation Autoencoder）的模型，其中包括API和Python程式，可方便地供其他組織進一步研究藥物使用。

研究團隊提到，事實證明，透過改變現有藥物用途或是組合多種藥物，是一種治療複雜疾病的有效方法，像是治療特定癌症的藥物，也強化了對其他癌症細胞的治療效果。複雜的惡性腫瘤細胞，通常需要藥物雞尾酒療法，對多種細胞類型進行協同攻擊，這種方法不僅可以減少抗藥性，而且也能最大程度減少有害的副作用。

但是在現有的藥物中，找到有效的組合和合適的劑量，仍然極具挑戰性，研究人員表示，這些組合幾乎趨近無限多種可能。到目前為止，探索藥物新組合的計算方法，受到資料集中的藥物交互作用資訊限制，而且在高維度分子層級變化時，考量不同的服用劑量與時機等條件，該方法就會失效。

而新的CPA是一種新穎的自我監督技術，能夠觀察以有限數量的藥物組合來治療細胞，並且預測未被發現的藥物組合效果，研究人員舉例，像是資料集中包含各種藥物A、B、C和A+B，對不同類型細胞所產生的影響，而CPA模型則能夠透過了解每種藥物對特定細胞類型的個體影響，然後進行重組，以推斷出藥物A+C、B+C，甚至是A+B與C+D的交互作用。

藥物研究人員可以使用CPA產生假設，來設計實驗過程，縮小數十億種的選擇範圍，以便在實驗室中進行實驗，研究人員提到，過去通常需要數年的時間以及許多細胞實驗，才能測試100種藥物，在不同劑量與組合的效果，而現在研究人員透過在電腦中模擬，在短短數小時內，就能篩選所有可能的組合，並選擇最佳結果進行驗證。

研究人員使用RNA序列資料集來測試CPA模型，這些資料集包含了藥物、劑量和對癌細胞所進行的其他干擾測試結果，結果顯示，CPA模型預測關鍵藥物組合和劑量，對癌細胞造成的影響，與測試資料集的發現相當。

研究團隊希望將這項結果，與其他製藥和生物研究人員分享，使其能用於快速找到針對各種疾病的最佳藥物組合，他們釋出了API和Python套件，讓沒有機器學習專業的人員，也可以簡單地輸入資料集並且獲得預測。透過這個人工智慧驅動的工具，研究人員期望能夠更好地治療諸如癌症或是COVID-19等，複雜或是新型疾病。