AI分析神经元变化以检测药物是否对神经退行性疾病患者有效

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，利用机器学习来预测药物的治疗效果。这项名为 in silico FOCUS 的新技术可能有助于发现肯尼迪病等神经退行性疾病的治疗药物。

目前对神经退行性疾病的治疗通常具有严重的副作用，包括性功能障碍和阻碍肌肉组织形成。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、危害较小的治疗方法受到了阻碍。一个有前途的概念是“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略有不同。然而，这些细微的差别很难用肉眼辨别。当前的计算机技术也太慢而无法执行分析。

名古屋大学教授小组，由药学研究科的加藤副教授和助理教授 Kei Kanie，以及医学研究科的 Masahisa Katsuno 教授和助理教授 Madoka Iida 领导，在细胞模型上测试了 AI正在接受肯尼迪病的治疗，这是一种导致运动神经元死亡的神经退行性疾病。in silico FOCUS 构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具有 100% 的准确度。他们在《科学报告》杂志上发表了他们的研究结果。

“这项技术可以通过分析患病模型细胞与健康细胞的形状变化来对治疗剂的效果进行高度敏感和稳定的评估，我们通常无法区分这些变化，”加藤教授解释说。“这是一种超高效的筛选技术，通过简单的图像捕捉就能预测药效，从而将药效分析和评估所需的时间从几十万个细胞的几个小时缩短到几分钟。它可以实现高度准确的预测治疗效果，无需复杂和侵入性的实验。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！