医生告诉他即将死亡，然后人工智能救了他的命

一年多前，约瑟夫·科茨（Joseph Coates）被告知只剩下一件事需要决定：他想在家里还是在医院去世。

当时37岁的科茨住在华盛顿州的伦顿市，几乎已经失去意识。几个月来，他一直在与一种名为POEMS综合征的罕见血液疾病作斗争，这种病使他的手脚麻木、心脏扩大并导致肾脏衰竭。每隔几天，医生就需要从他的腹部抽出几升液体。他病得太重，无法接受干细胞移植——这是唯一可能让他病情缓解的治疗方法之一。

“我放弃了，”他说，“我以为死亡是不可避免的。”

但科茨的女友塔拉·西奥博尔德（Tara Theobald）不愿放弃。她给费城的一位名叫大卫·法金鲍姆（David Fajgenbaum）的医生发了一封电子邮件，请求帮助。这对夫妇一年前在一个罕见疾病峰会上认识了这位医生。

第二天早上，法金鲍姆博士回复了邮件，建议尝试一种前所未有的化疗、免疫疗法和类固醇组合治疗方案。

一周内，科茨对治疗产生了反应。四个月后，他身体状况好转，可以接受干细胞移植。如今，他已经进入缓解期。

这种救命的药物组合并不是由医生或任何人想出来的，而是由一个人工智能模型推荐的。

在全球各地的实验室中，科学家们正在使用人工智能技术在现有药物中寻找治疗罕见疾病的药物。药物再利用并不是新鲜事，但机器学习技术的应用正在加速这一过程——这可能会为患有罕见疾病且治疗选择有限的人提供更多治疗可能性。

得益于法金鲍姆博士在宾夕法尼亚大学和其他地方开发的技术版本，药物正在迅速被重新用于包括罕见和侵袭性癌症、致命炎症性疾病和复杂神经系统疾病在内的多种疾病。而且这些药物通常都有效。

目前少数的成功案例让研究人员开始思考：还有多少其他治愈方法隐藏在我们眼皮底下？

“有大量的药物可以用于许多其他疾病。我们只是没有一个系统的方法来查找它们，”前国家转化科学促进中心治疗发展部门负责人、Remedi4All组织的科学带头人唐纳德·C·洛（Donald C. Lo）说。“基本上，不尝试这种方法几乎是愚蠢的，因为这些药物已经获得批准。你可以在药店买到它们。”

美国国立卫生研究院将罕见疾病定义为在美国影响不到20万人的疾病。但有数千种罕见疾病，总共影响着数千万美国人和全世界数亿人。

然而，超过90%的罕见疾病没有获批的治疗方法，制药巨头也不愿意投入大量资源来寻找这些治疗方法。对于小部分患者来说，开发新药通常赚不到太多钱，NCATS药物开发合作项目负责人克里斯汀·科尔维斯（Christine Colvis）说。

这就是为什么药物再利用成为寻找罕见疾病治疗方法的“诱人替代途径”，哈佛医学院副教授马林卡·齐特尼克（Marinka Zitnik）说，她的研究方向是计算机科学在医学研究中的应用。齐特尼克博士的哈佛实验室也建立了一个用于药物再利用的人工智能模型。

“其他实验室发现技术已经将药物再利用推向了前沿，”洛博士说。“而人工智能则为这一过程提供了火箭助推器。”

在旧研究中寻找线索

在制药领域，药物再利用相当常见：最初作为降压药开发的米诺地尔现在被用于治疗脱发。最初用于治疗心脏疾病的伟哥现在被用作勃起功能障碍药物。原本用于糖尿病的索马鲁肽现在最著名的是其减肥效果。

第一次再利用药物时，法金鲍姆博士是为了挽救自己的生命。25岁时，还在医学院读书的他被诊断出患有一种罕见的卡斯特曼病亚型，这种病导致免疫系统反应，使他住进了重症监护室。

卡斯特曼病没有一种通用的治疗方法，有些人对现有的治疗方法没有反应。法金鲍姆博士就是其中之一。在住院和短暂有效的化疗之间，他花了数周时间对自己的血液进行测试，翻阅医学文献，尝试非常规治疗方法。

“我清楚地意识到我没有十亿美元和十年时间从头开始创造一种新药，”他说。

救了法金鲍姆博士生命的是一种叫做西罗莫司的普通药物，通常用于防止肾移植患者的排斥反应。这种药物使他的卡斯特曼病缓解了十多年。

法金鲍姆博士后来成为宾夕法尼亚大学的教授，并开始寻找其他具有未知用途的药物。他意识到，现有的研究中充满了关于潜在药物和疾病治疗联系的被忽视的线索。“如果这些线索只是存在于已发表的文献中，难道不应该有人全天候地寻找这些线索吗？”

他的实验室取得了一些早期的成功，包括发现一种新型抗癌药物帮助了另一位卡斯特曼病患者。但这个过程非常繁琐，需要他的团队逐一检查每种药物和每种疾病，他说。法金鲍姆博士决定加快这一项目。2022年，他成立了一个名为Every Cure的非营利组织，旨在使用机器学习同时比较数千种药物和疾病。

类似Every Cure的工作也在世界各地的其他实验室进行，包括宾夕法尼亚州立大学和斯坦福大学，以及日本和中国。

在阿拉巴马州伯明翰，一个AI模型建议一名因慢性呕吐而虚弱的19岁患者尝试吸入异丙醇。“我们运行了一个查询，要求显示历史上所有针对恶心的治疗方法，”阿拉巴马大学伯明翰分校的教授马特·迈特（Matt Might）说，他领导了开发该模型的研究所。

异丙醇“跃居我们的列表之首，”迈特博士说，“它立即见效。”

迈特研究所开发的模型还成功预测了其他治疗方法：通常用于治疗多动症的安非他命缓解了患有罕见遗传病儿童的周期性瘫痪。一种帕金森病药物帮助患有神经系统疾病的患者移动和说话。一种常见的降压药胍法辛显著改善了患有另一种神经系统疾病的儿科患者的活动能力。

许多药物不止有一种作用，迈特博士说。它们的附加特性有时被描述为副作用。“如果你仔细研究足够多的药物，最终会找到你想要的副作用，”他说，“然后它就变成了主要作用。”

在宾夕法尼亚大学，法金鲍姆博士的平台将大约4000种药物与18,500种疾病进行了比较。对于每种疾病，药物根据其疗效的可能性得分。一旦做出预测，一组研究人员会筛选这些预测，找出有前景的想法，然后进行实验室测试或联系愿意在患者身上尝试这些药物的医生。

在其他地方，制药公司正在使用人工智能来发现全新的药物，这项追求有可能简化一个已经价值数十亿美元的企业。但药物再利用不太可能为任何一方带来丰厚利润。许多药物专利在几十年后到期，这意味着制药公司几乎没有动力去寻找它们的额外用途，卡尔加里大学专注于医疗商业的经济学教授艾登·霍利斯（Aiden Hollis）说。

一旦药物成为FDA批准的数千种仿制药之一，通常会面临激烈的竞争，从而降低价格。

“如果你使用人工智能来发明一种新药，你可以从中赚取大量的钱。如果你使用人工智能来为一种廉价的老药找到新的用途，没有人会从中赚钱，”法金鲍姆博士说。

为了资助这一事业，Every Cure去年从TED的Audacious Project和联邦卫生部内的高级研究项目局获得了超过1亿美元的承诺资金。法金鲍姆博士表示，Every Cure将使用这笔资金的一部分来资助重新利用药物的临床试验。

“这是一个不需要我们担心的人工智能例子，我们应该感到兴奋，”Every Cure的联合创始人兼法金鲍姆博士的医学院同学格兰特·米切尔（Grant Mitchell）博士说。“这将会帮助很多人。”

“必须有人先试一试”

当法金鲍姆博士的模型建议卢克·陈（Luke Chen）医生用阿达木单抗治疗一名卡斯特曼病患者时，他持怀疑态度。阿达木单抗通常用于治疗关节炎、克罗恩病和溃疡性结肠炎。

“我认为它不会起作用，因为它是一种相对温和的药物，”达尔豪斯大学和英属哥伦比亚大学的血液学家和教授陈医生说。

但这位患者已经接受了化疗和骨髓移植，并尝试了包括拯救法金鲍姆博士生命的药物在内的多种药物。没有任何一种药物奏效，他进入了临终关怀阶段。

“我们基本上已经放弃了，但我最后打电话给大卫求助，”陈医生说。

由于没有其他选择，陈医生给患者用了阿达木单抗。几周之内，患者病情缓解。这个病例最近发表在《新英格兰医学杂志》上。

没有一个模型是完美的，齐特尼克博士说。人工智能有时会基于“不够充分的证据”做出预测。

科尔维斯博士说，按成功率对潜在治疗方法进行排名也很困难。这些问题使得医生的监督至关重要。有时，医生会认为某个治疗建议风险太大而不愿尝试，她说。“但在某些情况下，他们会看到一些东西并说，‘好吧，这看起来是合理的’，”科尔维斯博士补充道。

当法金鲍姆博士首次建议华盛顿州的血液学家和肿瘤学家高威恩（Wayne Gao）医生尝试一种新治疗方法时，高医生心存疑虑。

这位患者是科茨，那位即将进入临终关怀的华盛顿州男子。法金鲍姆博士的模型建议的激进药物组合似乎“有点疯狂”，高医生说。事实上，他担心这种治疗可能会更快地杀死科茨。

但科茨是一个年轻人，也没有其他治疗方法可以考虑。因此，高医生说：“必须有人先试一试。”

上个月，距离他与死神擦肩而过仅一年多后，科茨和他的女友拜访了费城的法金鲍姆博士，感谢他的帮助。笑容满面的科茨看起来非常健康；自上次见到医生以来，他已经增肌了不少。

那天早上，科茨在锻炼时扭伤了脚踝。但除此之外，他说自己感觉“很好”。

(全文结束)