机制导向人工智能用于药物重定位与转化药理学的综述

2026-10-26 · 预印本

• 一句话结论：该综述提示，机制导向AI通过整合分子互作、信号通路、多组学、因果推断与生物网络，可能提升可重定位药物的识别与优先级排序；属叙述性综述（证据档位C），其主张为方向性提示，不足以下结论认为其优于常规预测模型。
• 研究设计与做法：设计为叙述性综述，非系统评价，无预设检索策略、纳入文献数、样本量或随访时长；材料未报告具体检索与筛选流程，亦未报告定量合并分析。
• 主要结果：主要结果为对知识图谱、可解释AI、分子对接、网络药物发现与因果建模等方法及其在主要疾病类别应用的定性梳理；未报告效应量、置信区间或p值，材料未报告任何定量结果。
• 机制或解释：作者解释为常规预测模型缺乏机制可解释性，限制了转化可靠性；将计算预测与机制证据、实验药理学、PK–PD评估、生物标志物与患者分层及临床试验开发衔接，可生成生物学上合理且可实验检验的假设。
• 局限与边界：局限包括数据异质性、模型偏倚、因果验证不足、药物安全性、可重复性与监管接受度等挑战；作为预印本未经同行评议，利益冲突与资助信息材料未报告。
• 可否落地：对科研的含义是提示未来需透明报告、标准化基准测试、严格实验验证与跨学科协作；证据档位为C，仅提示机制导向AI可能弥合计算发现与临床药理的差距，不足以下结论支持其临床效用。

🔗 打开原文

Hari Prasad Sonwani

本文摘自《每日前沿研究简报 · 2026-10-29》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。