全世界有数百万人每天服用多种药物，由于难以预测相关的相互作用，医生往往不了解潜在的副作用。考虑到当今市场上过多的药物，“几乎不可能与其他所有药物一起测试一种新药，因为只有一种药物可以进行五千次新实验，”计算机科学博士后Marina Zitnik说。

幸运的是，对于患者来说，情况即将发生变化 - 在2018年芝加哥国际计算生物学会会议期间，Zitnik及其同事推出了一种新的人工智能系统，称为Decagon，不仅能够跟踪，还能预测复杂的相互作用。不同的药物之间。

为了解决分析所有可能药物对之间近1250亿可能副作用的近乎不可克服的任务，研究小组决定关注个体药物如何影响体内潜在的细胞机制。

为此，Zitnik和合作者建立了一个庞大的网络，描述了我们身体中的蛋白质(其中有近19,000种)如何相互作用并与不同的药物相互作用。

利用药物和副作用之间超过400万种已知的关联，Zitnik的小组部署了一种深度学习算法，根据药物靶向不同身体蛋白质的方式，找出特定的相互作用模式，并预测服用两个人的尚未看到的后果同时服用药物。

为了验证Decagon确定的模式是否与实际结果实际相关，研究人员用医学文献交叉引用了人工智能(原始数据中不存在)预测的一些副作用，发现他们中的许多人都有最近确认。

在未来，研究人员希望开发一个加强且用户友好的系统版本，其中包括对更复杂的治疗方案的评估，以协助医生和医学研究人员。

“今天，药物副作用基本上是偶然发现的，” 6月27日发表在生物信息学杂志上的论文的共同作者Jure Leskovec说，“我们的方法有可能带来更有效和更安全的医疗保健。