美通社发明可以加速发现更有效更安全的药物。纽约州阿蒙克市今天，IBM公司宣布，他们的科学家已经获得了一项在线机器学习模型的专利，以预测各种药物信息来源的治疗适应症和副作用。IBM研究已经实现了一个认知关联引擎，以识别预测的治疗适应症和副作用之间的重要联系，以及一个视觉分析系统来支持这些关联的交互式探索。
这种方法可以帮助制药公司的研究人员为药物发现产生假设。例如，被专利发明确定的强相关性疾病副作用对可以在许多方面有利于药物的发现。一个人可以使用副作用信息来改变现有的治疗方法(例如，导致体位性低血压的药物可能是治疗高血压的潜在候选者)。如果一种新药是为一种与严重副作用密切相关的疾病而设计的，那么就可以特别注意在临床试验中控制药物的配方和剂量，以避免严重的安全问题。
IBM获得了美国专利9536,194:研究药物副作用与治疗适应症之间的关联的方法和系统。
缺乏疗效和副作用是药物失败临床试验的两个主要原因，每一个都占了失败的30%。计算模型和机器学习教程方法可以从各种来源的药物和疾病的大量数据中获得有用的见解，这对减少这些消耗速率和改进药物发现过程大有希望。
“作为IBM的发明人，我们有机会帮助解决现实世界的问题，”IBM研究中心计算健康中心高级经理兼项目主任胡建英说。“我们的团队致力于这项研究，我们将继续探索通过创新和发明来改善世界各地人民健康的新方法。”
IBM Thomas J. Watson研究中心的计算健康中心的一个研究领域是翻译信息技术，该中心专注于开发新技术，从生物和临床数据中提取真知和知识，以支持生物科学家、临床医生和患者。
IBM已经在这个领域工作多年,并已开发出一套先进的机器学习平台工具以及计算模型平台,可用于见解来自各种数据源(例如药理知识基地),以帮助改善药物发现和开发的效率和有效性。这些方法已经被应用于许多具体的用例包括药物再利用(即帮助寻找市场现有药物的新用途),表明扩张(即帮助识别潜在的新适应症药物仍在发展的不同阶段管道),药品安全(即帮助检测和预测药物的安全性配置文件)和个性化医疗(例如个性化功效/安全性预测)。