在最近发表在《npj数字医学》杂志上的一项概念验证研究中，来自美国的研究人员使用ChatGPT-4 (chatgenerative pre-trained transformer 4的缩写)形式的生成人工智能(GAI)来识别用于治疗阿尔茨海默病(AD)的候选药物。
他们发现，GAI技术可以成功地用于整合在线科学知识，帮助确定治疗疾病的药物再利用候选药物的优先顺序。
背景
AD是一种非常普遍且不可逆的神经退行性疾病，治疗方案有限，对医疗保健提出了重大挑战。
药物再利用，探索现有药物的新治疗应用，为这种健康状况提供了一种比开发新药更快、成本效益更高的替代方案。
这种方法利用了已建立的安全概况，加快了临床翻译并改善了患者的可及性。成功依赖于有效地从各种各样的药物中识别出有希望的候选药物。
传统的药物再利用过程包括广泛的文献综述，导航不同的证据来源。这一劳动密集型的过程需要跨学科的专业知识，并面临着从巨大的搜索空间中合成有意义的假设的挑战。精简流程对提高效率至关重要。
GAI展示了显著的理解和反应能力，特别是在医学环境中，如回答医学检查问题、临床决策和药物发现。
尽管有很好的应用前景，但由于担心潜在的信息伪造，在医疗保健领域部署它需要用实际临床数据严格验证其功能效用和可靠性。
在本研究中，研究人员检验了使用GAI识别药物再利用候选药物的可行性，并使用真实世界的数据对推荐的药物选择进行了临床验证。
一个关于这项研究
本研究使用ChatGPT-4进行了10次独立查询，以生成用于AD的药物再利用候选药物。这些查询的结构带有提示，指示该工具根据潜在疗效列出前20种药物，不包括最初为阿尔茨海默病设计的药物。
为了清晰起见，指定了Javascript对象表示法(JSON)格式，并使用随后的提示来验证和更正列表，以确保其清晰性和适当的排名。
这些问题旨在鼓励区分针对阿尔茨海默病和其他疾病开发的药物，重点关注潜在的有效性。
临床验证研究采用了来自两个数据集的电子健康记录(EHR)数据:范德比尔特大学医学中心(VUMC, n >3,000,000)和美国国立卫生研究院“我们所有人”项目(n = 235,000)。
来自VUMC的数据被去识别。对于每种候选药物，在65岁时开始进行回顾性队列研究，排除了既往AD诊断，非阿尔茨海默氏痴呆症，缺少人口统计数据或65岁后缺乏电子病历随访的患者。
AD的诊断是基于特定的国际疾病分类(ICD)代码。采用倾向评分(PS)匹配(2:1)，考虑性别、种族、65岁后的电子病历长度和药物特异性合并症，以创建可比较的药物暴露和未暴露队列。
没有考虑多种药物暴露对参与者的影响。统计分析包括生存分析的Cox比例风险回归模型和风险比(HR)的荟萃分析。
结果与讨论
根据这项研究，ChatGPT-4推荐的前三种药物是二甲双胍(抗糖尿病)、氯沙坦(抗高血压)和米诺环素(抗生素)。对电子病历数据的分析表明，这些药物在10年后患AD的风险显著降低。
虽然研究结果受样本量小的限制，但二甲双胍显示出正向的治疗效果(HR <1)。此外，辛伐他汀和吡格列酮显示出潜在的有益作用，但基于VUMC和All of Us数据的分析没有统计学意义。
meta分析中，二甲双胍对阿尔茨海默病有保护作用(HR = 0.67)，辛伐他汀和氯沙坦也有显著的保护作用。
然而，在VUMC和All of Us数据集之间观察到氯沙坦效果估计的相互矛盾的方向性。
病例数不足阻碍了贝沙罗汀、尼罗替尼、米诺环素、坎地沙坦、雷帕霉素和锂的评价。需要进一步的研究来证实这些发现。
ChatGPT-4没有建议任何FDA批准的治疗AD的药物。研究结果表明，该工具在药物再利用方面的有效性基于其遵循说明和快速合成文献相关信息的能力。
然而，由于药物优先级依赖频率、潜在的电子病历数据问题、统计功率限制、确定某些药物主要适应症的挑战、协变量不平衡、无法确定因果关系以及需要持续监测药物重新利用工具的性能，研究结果受到限制。
结论
总之，本研究证明了ChatGPT-4作为一种基于人工智能的药物再利用工具的潜力和效率，有效地生成了一份有前途的药物清单，用于电子病历的测试，并以AD为例进行了研究。
研究结果表明，该工具可以有效地检索和整合来自不同文献来源的信息，提供一个简化的框架，可能适用于各种疾病，以发现现有药物的新治疗用途。
