未来，深度学习帮助人类决策你应该吃什么药
韩国研究团队开发了一款名为DeepDDI的计算框架，它可以准确地预测86种类型的药物-药物（DDIs）和药物-食物（DFIs）相互作用，并输出人类可读句子，帮助人类理解不良药物事件（ADEs）。
药物之间和药物与食物之间经常会触发意外药理作用（就是我们所谓的“食物相克”），但是，其因果机制在很大程度上仍不被理解。目前的预测方法一方面精度不够，另一方面通常需要详细的药物信息。
来自韩国先进科学技术研究院（KAIST）的Sang Yup Lee教授和Hyun Uk Kim助理教授团队开发了一款名为DeepDDI的计算框架，他们题为“Deep learning improves prediction of drug-drug and drug-food interactions”的研究成果发表在4月16日的《PNAS》。
只需输入两种组合药物的名字和结构信息，DeepDDI就能预测相应的DDI类型。DeepDDI采用深度神经网络，利用191878种成对药物贡献的192284种DDIs “DrugBank金标准DDI数据集”， DeepDDI的平均准确性高达92.4%。
非常重要的是，DeepDDI预测的DDI类型的输出形式是人类可读语句——这两种药同时使用时的药物效果和/或ADEs风险。例如，氧可酮（阿片类止痛药）和阿扎那韦（抗逆转录病毒药物）的潜在相互作用输出语句是：与阿扎那韦联合时，氧可酮的新陈代谢将会降低，有害副作用可能升高。
DeepDDI首次被用于预测2159种批准药物所有组合情况产生的2329561种DDIs，其中487632种成对药物的相互作用是从未被预测过的。它指出了9284种成对药物存在ADEs，并为62707种成对出现可能导致有害影响的药物提供了只保留有益效果的替代药物候选方案。
此外，DeepDDI还可以提供药物和食物的潜在相互作用，使患者避免或减少服药期间不良事件，优化药物疗效。文章报道了3288157种药物-食物组合效果（2159款获批药物和1523种常见食物成分），256种食物成分存在药理影响，其中149种食物成分的生物活性也被预测出来。这些结果非常有用，如果慢性病人正在服用高血压或II型糖尿病治疗药物，这些信息将指导病人合理饮食。
Sang Yup Lee教授说：“精准医学将在第四次工业革命时代变为现实，DeepDDI可以提供药物处方和饮食建议重要信息，最大限度地提高健康收益，最终，帮助这个老龄化的社会健康运转。”
