2022年7月26日

人工智能通过分析神经元的变化来检测药物对神经退行性疾病患者是否有效

日本名古屋大学的一个研究小组开发了人工智能来分析细胞图像，使用机器学习来预测药物的治疗效果。这项新技术被称为硅焦，可能有助于发现治疗神经退行性疾病如肯尼迪病的药物。

目前治疗神经退行性疾病通常有严重的副作用，包括性功能障碍阻止肌肉组织的形成。然而，由于缺乏有效的筛选技术来辨别药物是否有效，研究人员寻找新的、危害更小的治疗方法受到了阻碍。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那些没有反应的神经元在形状上有轻微的差异。然而，这些细微的差别很难用肉眼分辨出来。目前的计算机技术也太慢，无法进行分析。

名古屋大学的教授团队，由制药科学研究生院的副教授加藤隆治和助理教授Kei Kanie，以及医学研究生院的Masahisa Katsuno教授和助理教授Madoka Iida领导，在治疗肯尼迪病的细胞模型上测试了AI，肯尼迪病是一种导致运动神经元死亡的神经退行性疾病。在硅片上，FOCUS构建了一个健壮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%的准确性。他们在杂志上发表了他们的研究结果科学报告．

“这项技术能够通过分析患病模型细胞形状与正常模型细胞形状的变化，对治疗剂的效果进行高度敏感和稳定的评估健康的细胞我们通常无法区分，”加藤教授解释道。“这是一种超高效的筛选技术，只需捕捉图像就可以预测药物疗效，从而将药物疗效分析和评估所需的时间从数十万个小时缩短到几个小时细胞只需要几分钟。它可以高度准确地预测治疗效果，而无需进行复杂的侵入性实验。”