新的人工智能技术可以帮助发现神经退行性疾病的治疗方法

新的人工智能技术可以帮助发现神经退行性疾病的治疗方法

日本名古屋大学的一个研究小组开发了一种用于分析细胞图像的人工智能，利用机器学习来预测药物的治疗效果。 这项名为 in silico FOCUS 的新技术可以帮助发现肯尼迪病等神经退行性疾病的治疗方法。

目前对神经退行性疾病的治疗通常具有严重的副作用，包括性功能障碍和肌肉组织形成受阻。 然而，由于缺乏有效的筛选技术来确定药物是否有效，研究人员寻找新的、危害较小的治疗方法受到了阻碍。 一个有前景的概念是“异常辨别概念”，这意味着对治疗有反应的神经元与没有反应的神经元在形状上有细微的差异。 然而，这些细微的差别很难用肉眼看出。 当前的计算机技术也太慢而无法执行分析。

以名古屋大学药学研究生院副教授 Ryuji Kato 和助理教授 Kei Kanie 以及医学研究生院 Masahisa Katsuno 教授和助理教授 Madoka Iida 为首的名古屋大学教授团队开发了一种名为“dated in silico FOCUS”的新型人工智能技术。 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《科学报告》杂志上发表了他们的研究结果。

研究人员在接受肯尼迪病治疗的细胞模型上测试了人工智能，肯尼迪病是一种导致运动神经元死亡的神经退行性疾病。 in silico FOCUS 创建了一个强大的基于图像的分类模型，该模型在识别模型细胞的恢复状态方面表现出 100% 的准确性。

该技术通过分析患病模型细胞与我们通常无法区分的健康细胞形状的变化，能够对治疗效果进行高度灵敏和稳健的评估。 这是一种高效的筛选技术，只需采集图像即可预测药物有效性，将分析和评估药物有效性所需的时间从数十万个细胞的几个小时缩短到几分钟。 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。”

加藤龙二，名古屋大学副教授

加藤总结道：“这些结果表明加速新药开发的可能性，我们期望它们被广泛用于发现难以发现的疾病的治疗药物。”

这项研究得到了2019财年名古屋大学NU跨部门创新创造项目的支持。

来源：

名古屋大学