AI 和代谢产物的医学潜能

许多疾病由代谢物引起，这些代谢物是体内的一些小分子，例如脂肪、葡萄糖和胆固醇，但我们并不确切知道它们是什么，也不知道它们如何起作用。生物技术企业家和 TED 研究员 Leila Pirhaji 分享了她的计划，即建立一个基于 AI 的网络来表征代谢物模式，以更好地了解疾病的发展方式，并发现更有效的治疗方法。

在 2003 年，

当我们测序人类基因组时，

我们以为会找到
治疗多种疾病的答案。

但是实际情况远非如此，

因为除了我们的基因，

我们的生存环境和生活方式

也可能导致多种重大疾病。

例如，影响全球

超过 20％ 人口的脂肪肝，

没有任何有效的治疗方法，
而且最终可发展为肝癌

或肝衰竭。

因此，单纯的 DNA 测序
无法提供足够信息，

帮助我们寻找有效治疗方法。

好消息是，我们体内
还有许多其他分子。

实际上，有超过 10 万多种代谢物。

代谢物是体积很小的分子，

像我们常听说的：

葡萄糖、果糖、脂肪、胆固醇等。

代谢物参与我们的新陈代谢，

它们在 DNA 的下游，

因此，它们携带着来自基因
和我们生活方式的信息。

了解代谢物对寻找许多疾病的
治疗方法至关重要。

我一直想治病救人，

但尽管如此，在十五年前，
我因为喜欢数学

而离开了医学院。

不久之后，我发现了最酷的东西：

我可以使用数学来研究医学。

从那时起，我一直在开发
用于分析生物学数据的算法。

这听起来很简单：

我们先收集体内所有代谢物，

然后，开发数学模型
描述疾病中的代谢物变化，

并通过干预这些变化来进行治疗。

然后，我终于明白
以前为何没人做这件事了：

这真是太困难了。

（笑声）

我们体内有许多代谢产物，

种类繁多。

对于某些代谢物，我们可以使用

质谱仪来检测其分子量。

而质量完全相同的分子
可能有 10 种之多，

我们分不清谁是谁，

如果想识别所有这些分子，

则必须进行更多实验，
这可能需要几十年、

数十亿美元。

为了做这件事，我们开发了
人工智能（AI）平台，

我们利用生物数据的增长，

建立了一个数据库，
包含代谢物现有信息

及与其它分子的相互作用的数据。

我们将所有这些数据
组合成了一个大型网络，

然后，在患者的组织或血液中，

测量代谢物的质量，

并寻找因疾病
而产生变化的代谢物的质量。

但是，正如我之前提到的，
我们并不知道是什么代谢物。

分子量为 180 的代谢物
可以是葡萄糖、半乳糖或果糖，

在我们体内，它们的质量完全相同，

但功能不同。

我们的 AI 算法
考虑了所有这些可能。

然后，会挖掘那个巨型网络的数据，

以发现那些代谢物

如何相互关联而导致疾病。

根据它们的关联方式，

我们就能推断出
每个代谢物的质量，

如 180 分子量的
可能是葡萄糖，

更重要的是，

发现葡萄糖和其他代谢物的变化

如何导致疾病。

对疾病机制的这种新颖理解，

使我们能够发现
针对该疾病的有效疗法。

凭借该技术，我们成立了
一家初创公司，

将该技术推向市场，
进而影响人们的生活。

现在，我们的 ReviveMed 团队

正努力寻找主要代谢疾病的疗法，

例如脂肪肝，

因为它由脂肪堆积造成，

而脂肪是肝脏中的代谢物。

如前所述，这种大型流行病
尚无有效疗法。

脂肪肝只是其中一个例子，

展望未来，我们将研究其它几百种

尚无有效疗法的疾病。

通过收集更多代谢物的数据，

了解代谢物的变化

如何导致疾病发展，

我们的算法会逐步完善，

为某些患者找到合适的疗法。

而且，我们将更加接近我们的愿景：

用程序代码拯救生命。

谢谢。

（掌声）