Recientemente, Chen Yuqian, director del Centro de Plataforma AI4S de la Escuela de Ingeniería de la Información de la Escuela de Graduados de Shenzhen de la Universidad de Pekín, y Chen Yuqian, investigador conjunto de la Escuela de Biología Química y Biotecnología, publicaron un artículo de revisión centrado en el tema de la tecnología artificial.
inteligencia (IA) que potencia la investigación de la medicina tradicional china (MTC). Resume el proceso de establecimiento, mantenimiento y actualización de la base de datos de medicina tradicional china (TCMBank) más grande del mundo durante las últimas dos décadas y analiza en profundidad la aplicación integrada de la MTC y la IA en la medicina tradicional china. múltiples campos de investigación, incluida la detección de medicinas herbarias, el descubrimiento de nuevos fármacos, los principios de diagnóstico y tratamiento, los mecanismos farmacológicos y la farmacología en red, etc. Esta revisión también explora en detalle el proceso de la IA que revela los ingredientes activos y los mecanismos de acción de las fórmulas complejas de la medicina tradicional china a través de la extracción de datos, el reconocimiento de patrones y el análisis predictivo. La combinación de IA y MTC no sólo ayuda a las personas a comprender el conocimiento de la medicina tradicional china desde una nueva perspectiva, sino que también abre nuevos métodos de investigación y estrategias de tratamiento. Los resultados se publicaron en Chemical Science en septiembre de 2024. Los primeros autores son Song Zhilin, estudiante de doctorado en la Escuela de Biología Química y Biotecnología de la Universidad de Pekín, y Chen Guanxing, estudiante de doctorado en la Escuela de Ingeniería Inteligente, Sun Yat- Sen University El autor correspondiente es Chen Yuqian Otros trabajos relacionados también incluyen publicaciones en Ciencias Químicas y Transducción de señales y terapia dirigida (STTT, IF = 40,8) en 2023 .
La medicina tradicional china es una fuente importante de productos naturales. De 1981 a 2019, más del 60 % de los medicamentos de molécula pequeña aprobados por la FDA se derivaron directa o indirectamente de productos naturales. Además, la MTC ofrece una variedad de opciones de tratamiento basadas en las necesidades y preferencias específicas de los pacientes. En los últimos años, el desarrollo de la tecnología de inteligencia artificial (IA) ha aportado un gran potencial a la investigación de la MTC. Al acelerar el descubrimiento de fármacos, optimizar las formulaciones y promover la modernización de la medicina tradicional china, la tecnología de inteligencia artificial puede garantizar que la medicina tradicional china se desarrolle al ritmo de los últimos avances científicos y, al mismo tiempo, conserve sus raíces tradicionales. Actualmente, en la investigación de tratamientos clínicos en hospitales de medicina tradicional china, la introducción de la IA no solo mejora la precisión del diagnóstico, sino que también promueve el desarrollo de la medicina personalizada, haciendo que la investigación de la MTC sea más eficiente y precisa.
El análisis basado en inteligencia artificial de los datos químicos de la medicina tradicional china promueve la identificación de componentes químicos, el descubrimiento de fármacos, el tratamiento personalizado y la elucidación de los efectos farmacológicos, y promueve la modernización y el desarrollo sostenible de la medicina tradicional china.
En la actualidad, la investigación en farmacología de redes en la medicina tradicional china se centra principalmente en probar la teoría de la medicina tradicional china y carece de una definición clara de los principios de optimización y diseño de redes. El diseño de prescripción racional se puede dividir en dos tipos: de arriba hacia abajo y de abajo hacia arriba. Los métodos de arriba hacia abajo diseñan nuevas recetas basadas en recetas antiguas, mientras que los métodos ascendentes no consideran las recetas antiguas y diseñan recetas nuevas basándose enteramente en redes de enfermedades. El equipo de Chen Yuqian combinó una variedad de métodos factibles y primero definió varios modelos de optimización de arriba hacia abajo que serán los más comunes en el futuro. Tanto los métodos de diseño de arriba hacia abajo como los de abajo hacia arriba utilizan redes biológicas para establecer correlaciones basadas en los principios de la biología de sistemas computacionales, pero consideran las diferencias entre las prescripciones existentes y la teoría de la medicina tradicional china antes de que la teoría de la medicina tradicional china no se haya expresado cuantitativamente. No se considerarán las recetas antiguas. Es más probable que los nuevos diseños de fórmulas entren en conflicto con los principios de la medicina tradicional china. En los últimos años, la medicina tradicional china ha ido evolucionando hacia la clasificación y organización de los productos naturales. En el contexto de la sobreexplotación humana, muchas variedades de la medicina tradicional china están en peligro de extinción. Por lo tanto, el equipo de Chen Yuqian estableció un método para calcular la correlación entre los productos naturales y las especies individuales de MTC y utilizó modelos de alta confiabilidad para buscar rápidamente alternativas. Ingredientes recetados optimizables y extraíbles. El autor cree que el diseño de nuevas fórmulas de prescripción seguramente se convertirá en un área central de investigación y tendrá un impacto importante en el desarrollo sostenible de la medicina tradicional china.
Una descripción general de los métodos de optimización y diseño de redes de prescripción de medicina tradicional china
En el campo de la medicina tradicional china, comprender las interacciones entre las hierbas medicinales y los medicamentos convencionales es fundamental para garantizar la seguridad del paciente y la eficacia del tratamiento. El autor ofrece una propuesta para una investigación clínica integral sobre la interacción entre la medicina tradicional china y la medicina occidental. La propuesta establece un sistema integrado de investigación clínica diseñado para explorar de manera integral estas interacciones, como se muestra en la figura siguiente. El sistema se divide en tres módulos principales: sistema de investigación clínica, sistema integrado e investigación básica, y cada módulo se centra en el análisis químico y. Diferentes aspectos de la integración de datos para predecir y analizar incompatibilidades de medicamentos. Los sistemas de investigación clínica son los principales responsables de recopilar y analizar datos clínicos para evaluar las propiedades farmacocinéticas y farmacodinámicas de las combinaciones de hierbas y medicamentos. Este módulo puede utilizar métodos avanzados de extracción química y técnicas analíticas y está diseñado para identificar posibles interacciones adversas mediante pruebas clínicas y análisis químicos rigurosos. Al mismo tiempo, este módulo también puede utilizar algoritmos de aprendizaje automático y minería de datos para procesar datos clínicos complejos e identificar patrones que predicen los resultados de las interacciones farmacológicas. En el centro del enfoque integrado se encuentra el sistema integrado, que incluye la plataforma HAZA@home. El sistema puede combinar datos de investigación clínica y básica para proporcionar a los pacientes monitoreo de salud y análisis predictivos en tiempo real, o puede utilizar una extensa red de bases de datos y herramientas de simulación para personalizar evaluaciones de salud y advertencias de interacción de medicamentos, utilizando inteligencia artificial basada en datos individuales. Datos del paciente. Sugerencias de ajuste. El módulo de Sistemas de investigación básica admite sistemas integrados con análisis químicos en profundidad y modelado computacional para predecir objetivos de fármacos y modelar interacciones entre fármacos. Esto incluye el uso de bases de datos de medicamentos clínicos y de medicina tradicional china, modelos de predicción ADMET y la creación de bases de datos de moléculas pequeñas. Estas herramientas son fundamentales para comprender los mecanismos bioquímicos de las interacciones farmacológicas y ayudan en el desarrollo de estrategias para prevenir posibles efectos adversos. Esta propuesta incorpora la integración de enfoques clínicos y de ciencia básica en el estudio de las interacciones de la MTC. Al combinar análisis químicos, monitoreo de datos en tiempo real y modelos predictivos impulsados por IA, el sistema no solo mejorará la comprensión de interacciones farmacológicas complejas, sino que también será pionero en nuevos enfoques para la seguridad del paciente en la integración de la medicina tradicional china y la farmacoterapia, estableciendo el etapa para futuras investigaciones y aplicar puntos de referencia. Los resultados de la investigación relevantes se han publicado en Chem. Sci . 2024, 15 (41), 16844-16886 ( https://doi.org/10.1039/D4SC04107K ) .
Una propuesta integral de sistema automatizado de investigación clínica.
En la modernización de la Medicina Tradicional China (MTC), identificar los ingredientes activos de las medicinas a base de hierbas y dilucidar los mecanismos de acción entre los ingredientes activos y los objetivos son dos aspectos clave. Es particularmente importante crear una base de datos completa y altamente confiable sobre la medicina tradicional china. Desde su creación en 2011, la base de datos TCM @Taiwan del equipo de Chen Yuqian ha sido ampliamente utilizada y citada, y se ha incluido en la base de datos ZINC. Para promover aún más la investigación de la medicina tradicional china, el autor utilizó tecnología de procesamiento del lenguaje natural para establecer un gráfico de conocimiento y vías de señalización molecular, y desarrolló TCMBank. Esta base de datos es una versión mejorada de TCM Database@Taiwan, que incluye 9192 tipos de hierbas. medicamentos, 61.966 tipos de componentes químicos, 15.179 objetivos y 32.529 enfermedades, se han publicado resultados de investigaciones relevantes en Chem. 2023, 14 (39). 10684–10701 ( https://doi.org/10.1039/D3SC02139D ).
Diagrama esquemático del marco y los objetivos de procesamiento de datos de TCMBank
En el campo médico actual, la combinación de la medicina china y occidental es cada vez más común, pero también conlleva el riesgo de interacciones medicamentosas. Para predecir y gestionar mejor las interacciones entre los medicamentos chinos y occidentales y reducir los riesgos médicos, este estudio utilizó tecnología avanzada de inteligencia artificial y análisis de big data para desarrollar múltiples modelos y bases de datos innovadores, proporcionando una base sólida para el estudio de las interacciones entre los medicamentos chinos y occidentales. medicamentos. Fuerte apoyo. El equipo de investigación descubrió que más del 10% de los pacientes necesitan tomar 5 medicamentos al mismo tiempo, y el 20% de los pacientes de edad avanzada necesitan tomar al menos 10 medicamentos al mismo tiempo. Este fenómeno plantea nuevos desafíos para el estudio de las interacciones farmacológicas. Basándose en el conocimiento de la química medicinal, el equipo de investigación cree que el grupo funcional/subestructura química de un fármaco determina su farmacocinética, sus propiedades farmacodinámicas y la exclusividad mutua de las medicinas china y occidental. Por lo tanto, propusieron un algoritmo innovador para predecir las interacciones entre múltiples fármacos mediante la construcción de una red de interacción farmacológica. En esta red, los compuestos sirven como nodos y sus relaciones causales como bordes. Los nodos correspondientes a todos los ingredientes de la medicina tradicional china forman una subred. Al analizar las conexiones entre subredes, el equipo de investigación puede predecir si existen reacciones adversas entre las medicinas chinas o entre las medicinas chinas y las medicinas occidentales. En el futuro, el modelo asistido por IA combinará modelos de lenguaje a gran escala, procesamiento de lenguaje natural y tecnología de gráficos de conocimiento de minería de textos para desarrollar una base de datos de reacciones adversas a las medicinas chinas y occidentales para mejorar aún más la precisión y la practicidad de las predicciones. El equipo de investigación propuso dos modelos en dos conjuntos de datos de interacción pública de medicamentos (DDI) del mundo real: 3DGT-DDI y SA-DDI. Estos dos modelos logran el rendimiento de predicción más preciso en dos conjuntos de datos públicos de DDI. Basándose en los resultados de predicción de estos modelos, el equipo de investigación los amplió a la predicción de reacciones adversas de las medicinas chinas y occidentales. Utilizando el controlador de big data de TCMBank, el equipo de investigación llevó a cabo un aprendizaje no supervisado para predecir reacciones adversas de las medicinas chinas y occidentales. Suponiendo que todos los ingredientes de la medicina tradicional china no tienen reacciones adversas con la medicina occidental, se determina que no existe una reacción mutuamente excluyente entre ellos. Si uno o más ingredientes de la medicina tradicional china reaccionan adversamente con la medicina occidental, existe el riesgo de posibles reacciones adversas. El equipo de investigación utilizó el modelo de predicción DDI asistido por IA para obtener resultados de predicción de posibles riesgos de reacciones adversas de la medicina tradicional china y occidental. Los resultados de la investigación relevantes se publicaron en Signal Transduction and Targeted Therapy ( https://doi.org/10.1038) . /s41392-023-01339-1 ).
Análisis completo de TCMBank, la base de datos de medicina china inteligente más grande del mundo
El autor correspondiente de los tres documentos de trabajo anteriores es Chen Yuqian, y la investigación ha contado con el apoyo de la Fundación Nacional de Ciencias Naturales de China y proyectos clave. Escuela de Graduados de Shenzhen. S. y Y. R. Traducido al español
Contacto