科学家正利用人工智能，加速寻找治疗隐藏在人们身边的神经系统疾病的疗法。
爱丁堡英国失智症研究所的研究人员，通过分析患者数据，包括语音记录、眼部扫描，以及实验室培养的大脑细胞，以确定现有药物是否能被重新用于治疗运动神经元病（Motor Neurone Disease，简称MND）等疾病。
科学家希望通过利用算法检测疾病模式，并预测合适的药物，在数年内找到有效疗法。其中一项名为“MND-SMART“的临床试验，采用的是同时测试多种药物的设计，而不是将受试者分为接受治疗组和服用安慰剂组。
目前，正计划着退休生活的史蒂文·巴雷特，几年前被确诊患有肌萎缩侧索硬化症（也称渐冻症） ，一种目前尚无治愈方法的神经退行性疾病。他参与上述临床试验，期望为自己和其他患有类似疾病的人带来一线希望。
该研究所还正在建立一个涵盖帕金森症、失智症和肌萎缩侧索硬化症等疾病患者的数据库。临床医生正在收集虹膜扫描图像和语音记录，并利用人工智能处理和筛选大规模数据，以发现可能预示未来健康问题的早期征兆。
延伸阅读
此外，研究人员也从志愿患者身上采集血液样本，将干细胞培养成神经元脑细胞群；另利用机器人、传统实验室设备，以及电脑专业算法，对多批神经元进行现有药物的测试，以识别出能够将神经系统疾病的特征转化为健康状态的药物。
爱丁堡英国失智症研究所首席执行官西达坦·钱德兰教授表示，这项研究并非首次探索如何利用人工智能从海量的健康或医疗数据中发掘潜在解决方案。美国剑桥市麻省理工学院的科学家曾利用生成式人工智能，筛选出可能用于治疗帕金森症等疾病的新型抗生素化合物。
此外，2024年，哈佛大学研究人员开发了一种名为TxGNN（Therapeutics Graph Neural Network，意为“治疗学图神经网络”）的神经网络模型，用于发掘可用于治疗罕见疾病的现有药物。近期，对曾被誉为治疗阿尔茨海默症“突破性”药物的仑卡奈单抗 （lecanemab）和多奈单抗 （donanemab）的回顾研究发现，尽管这些药物能延缓病情进展，但效果并不显著，不足以对患者产生实质性改善。
