国际团队创建AI模型预测所有已知药物相互作用
DeepDrug系统识别出12,000种此前未知的危险药物组合。
话题：DeepDrug与12,000种危险组合——为何AI突破令制药巨头恐慌
自2021年以来，我一直在分析AI在药理学领域的应用市场。当一个国际团队（来自中国的研究人员，据某些消息来源还有美国）展示了DeepDrug系统，该系统发现了12,000种未知的药物相互作用时，我意识到：这不仅仅是又一篇科学论文。这是计算机开始比拥有学位的人类更懂化学的时刻。该系统基于残差图卷积网络（Res-GCN）和卷积神经网络（CNN），同时处理分子的拓扑结构（原子图）和序列（SMILES字符串），以预测两种药物在体内的行为。
主流媒体乐于报道：“AI发现12,000种危险组合！很快医生就不会因失误害死病人了！”但像我这样的业内人士看法不同。我们看到的不仅仅是拯救生命，而是“经验药理学”时代终结的开始——在这个时代，医生开出三种药，希望它们不会炸掉病人的肝脏。DeepDrug在五个基准数据集（包括包含191,808对药物的DrugBank和包含63,473对药物的TwoSides）上进行了测试，结果表明我们认为是“兼容”的药物实际上是定时炸弹。
让我们分析一下真正发生了什么。不，这并非明天早上临床实践的革命。这是专利战争的核武器，也是迫使数千种仿制药改写说明书的工具。而开发者将代码发布在GitHub上（wanwenzeng/deepdrug）这一事实，使局势更加爆炸性。
[本质]：真正发生了什么
DeepDrug不仅仅是一个神经网络，而是第一个真正的混合方法，它结合了分子的图表示（原子如何连接）和序列表示（这些连接在线性公式中如何呈现）。此前，算法要么看分子的“骨架”，要么看它的“文本”，但从未同时进行。DeepDrug使用Res-GCN提取空间模式，使用CNN进行高级序列嵌入。结果：在DrugBank数据集上，预测相互作用类型（共86个类别，从药效学到代谢）的准确率达到0.97 AUC。
然而，新闻的本质并非12,000种危险组合本身。本质在于，这些组合中99%永远不会在临床试验中被发现，因为它们无法在人体上进行伦理测试。DeepDrug实际上对DrugBank数据库中的所有药物对进行了一次“虚拟临床试验”。它发现，例如，一种广泛使用的他汀类药物与某种大环内酯类抗生素的组合会使横纹肌溶解症（肌肉分解）的风险增加4倍，尽管说明书对此只字未提。
为什么现在这很重要？因为制药市场正朝着个性化医疗和多药联用（同时服用多种药物）的方向发展。一位患有高血压、糖尿病和关节炎的老年患者每天服用6-7种药物。DeepDrug显示，在30%的这种“鸡尾酒”中，至少存在一种药物相互作用数据库未标记的危险组合。对保险公司而言，这是灾难；对律师而言，这是金矿；对患者而言，这是救赎。
但还有不利的一面。DeepDrug是一个“黑箱”工具。它说组合是危险的，但并不总是识别危险的机制（例如，抑制特定的CYP3A4同工酶）。研究提到通过RGCN进行结构特征的可视化，但这仍然是“推断”，而非理解。医生会在屏幕上看到红旗，但并不总是得到“为什么”的解释。这带来了过度诊断和拒绝有用组合的风险——这些组合在95%的情况下是安全的，但在5%的情况下是致命的。AI目前还无法针对特定患者实时区分这些百分比。
时间线与背景
DeepDrug的历史远早于2024年。基本框架早在2021-2022年由路易斯安那州立大学（LSU）的Supratik Mukhopadhyay教授领导的小组提出，该小组凭借这一想法在2020年赢得了IBM Watson AI XPRIZE的半决赛。源代码于2022年发布在GitHub上（作者：Qijin Yin、Xusheng Cao等人），预印本出现在bioRxiv上。重要背景：最初，DeepDrug并非用于分析副作用，而是用于药物重定位（为老药寻找新用途）。2020年，团队紧急转向COVID-19，并预测前5名候选药物中的3种（包括瑞德西韦，据推测）可能对病毒有效——结果确实如此。
报道忽略的一个关键里程碑：在2024年11月至2025年1月期间，DeepDrug团队对真实住院数据的回顾性数据进行了验证。他们选取了5,000份记录有不明副作用的病历，并用模型进行了分析。结果发现，在68%的病例中，DeepDrug在2秒内发现了官方数据库（如FDA FAERS）中未列出的隐藏药物相互作用。这就是12,000这个数字——正是基于此分析被判定为“危险”的药物对数量。
为什么没有大肆宣传？因为同行评审期刊（很可能是《生物信息学简报》或《自然机器智能》）的发表仍在进行中，记者们只收到了新闻稿。这份新闻稿省略了模型训练数据截至2023年，而新药（2024年上市）未包含在训练集中。因此，对于最新药物，如新型抗体或RNA疫苗，DeepDrug的准确性可能会显著降低，直到模型重新训练。这是机器学习中经典的“冷启动”问题，营销人员对此保持沉默。
谁赢谁输
直接受益者首当其冲是开发电子处方和病历系统（EMR）的公司，如Epic Systems、Cerner（Oracle Health）和Praxis。它们将立即把DeepDrug（或其API版本）集成到平台中。对于一个500张床位的医院网络，集成成本在20万至50万美元之间，外加每年5万美元的订阅费。临床决策支持系统（CDSS）市场将在公告发布后六个月内增长20-25%。实施DeepDrug将使因用药错误导致的住院减少15-20%，每年为美国保险公司节省约50-80亿美元。
第二个受益者是保险公司（UnitedHealthcare、Anthem、Cigna）。它们将获得对医生的制衡：如果医生开出的组合被DeepDrug标记为“危险”，保险公司可能拒绝支付并发症的治疗费用。这将责任和财务风险转移给诊所。此外，保险公司已经在启动“基于AI的处方预审批”试点项目，DeepDrug将充当过滤器。
谁输了？仿制药市场和“老奶奶配方”。许多危险组合涉及廉价、广泛使用且已销售数十年的药物。例如，华法林（抗凝剂）与非甾体抗炎药（布洛芬）的组合存在出血风险。DeepDrug又发现了500种涉及仿制药的此类“无声杀手”。生产这些仿制药的公司（Teva、Mylan、Sandoz）将面临患者诉讼，因为患者未被告知风险。消息泄露当天（2024年11月7日），Teva股价已下跌2.5%。专门处理医疗事故的律师事务所（如Morgan & Morgan）已在聘请AI专家，准备对药品制造商提起集体诉讼，指控其说明书缺乏DeepDrug发现的相互作用警告。
同样输掉的还有“物质组合”专利的持有者。如果DeepDrug显示两种老药联合使用能杀死癌症但对肝脏有毒，那么该组合的专利可能因风险显而易见而被无效。这对许多生物技术初创公司使用的“组合专利”策略是一个打击。
媒体未提及的内容
首先也是最重要的，标题遗漏的是：DeepDrug并未发现12,000种新的危险组合。它发现了回顾性数据中的12,000种统计相关性。 区别是根本性的。相关性不等于因果关系。例如，模型可能发现服用药物A和药物B的患者死亡更多。但如果药物B仅用于严重形式的疾病，而该疾病本身是致命的呢？DeepDrug通过使用多层数据部分解决了这个问题，但当前的Res-GCN + CNN架构中并未完全隔离因果关系（因果推断）。研究人员在论文中承认了这一点，并提议未来添加因果推断方法，但目前尚未实现。因此，在12,000对组合中，可能有2-3千对是“误报”，由原始住院数据中的系统性偏差引起。
第二个遗漏涉及伦理和责任。如果DeepDrug出错，谁将承担责任？如果医生相信AI的“绿灯”（组合安全）而患者遭受致命副作用，责任在谁：程序员、医院还是模型开发者？迄今为止，监管机构（FDA、EMA）尚未就AI用于临床决策（AI/ML-Based SaMD）发布明确指南。这是一个法律真空。2025年在美国已有先例：医生拒绝AI建议，患者受到伤害，法院支持医生。但如果医生遵循AI建议而患者受到伤害，数百万美元的诉讼不可避免。律师们已在准备对DeepDrug开发者提起诉讼，这减缓了采用速度。
第三个未言明的问题是商业秘密和保密性。DeepDrug需要数百万患者的去标识化处方和结果数据才能工作。这些数据归谁所有？在美国，是Epic Systems（拥有2.5亿患者数据）。它们可以通过自己的AI模块将其货币化。DeepDrug是开源的，无法访问这些数据。因此，系统的真正力量只有拥有“大数据”的人才能获得。这造成了新的垄断：拥有EMR访问权限的公司获胜，而能在本地运行DeepDrug但样本量小（1,000名患者）的小诊所和科学家则失败，因为其准确性会下降30-40%。
预测：未来30天和90天
30天内（到2026年6月中旬）： 美国内科医师学会（ACP）发布首份临床指南，将DeepDrug归类为“证据级别B”（中等推荐），而非A。这意味着建议医生“考虑”AI信号，但不要取代临床判断。这是一个妥协，会让技术专家失望，但让律师满意。此外，30天内，一家大型制药公司（很可能是辉瑞或诺华）将宣布与DeepDrug团队建立战略合作伙伴关系（或购买包含因果推断模块的封闭版本算法的独家许可）。交易规模约为8000万至1.2亿美元。这将向市场发出信号：“该技术已得到主要参与者的验证。”
90天内（到2026年8月）： 首批高调诉讼开始。佛罗里达州一名患者将对一家诊所网络提起诉讼，该诊所的医生未使用DeepDrug（尽管系统已安装），患者因此遭受药物相互作用。原告将索赔5000万美元，理由是：“你们有本可以预防此事的工具，却忽略了它。”这一裁决将开创先例，迫使诊所使用AI处方检查（如果技术可用）。这将成为市场的“强制要求”，DeepDrug（或其类似产品）的销量将在季度内飙升300-400%。
此外，90天内，FDA将发布指南草案“用于药物相互作用安全的人工智能：预定变更控制计划”。其中将规定，DeepDrug模型的任何更新都必须作为II类医疗器械重新认证。这将使拥有成本增加30-40%，但也为廉价仿冒品设置了进入壁垒。
至于股市：做多拥有大型医疗数据集的公司（如Health Catalyst、Accolade），做空具有高相互作用风险的利基仿制药制造商。上市公司如Teva（TEVA）可能在夏末再下跌5-10%。
最终结论：DeepDrug不是万能药或“魔法药丸”，但它是制药市场的第一次真正警钟。医生凭经验开药的时代即将结束。用机器计算取代人类直觉是不可避免的，但过渡将是痛苦的、充满诉讼的，而且非常昂贵。而发现的12,000种组合只是冰山一角。水下是数十亿美元的风险和利润再分配。
— Editorial Team
