编译
杨慧丹
审稿
赵宸
最新研究表明，先进的人工智能算法能够成功地快速模拟临床试验，为现有药物和疗法找到新用途。来自以色列IBM研究院、梯瓦（Teva）制药的研究员在FrontiersinPharmacology上联合发表一篇论文“EmulatedClinicalTrialsfromLongitudinalReal-WorldDataEfficientlyIdentifyCandidatesforNeurologicalDiseaseModification:ExamplesfromParkinson’sDisease”。论文的通讯作者是来自IBM的MichalRosen-Zvi。本文介绍了一种先进的人工智能算法，可以快速建模临床试验，以发现现有药物和疗法的新用途。
在这篇论文中，作者从两个大型医学数据库ExplorysSuperMart（N=88,86）和IBMMarketScan研究数据库（N=,）中提取了确诊PD患者的队列并进行观察性研究，采用了两种因果推理方法来估计数百种药物对延迟痴呆症发作的影响。最终找到了两种对于帕金森病性痴呆症（Parkinsonsdiseasedementia，PDD）的潜在治疗方法：一种是利用现有的帕金森药物——雷沙吉兰；另一种是利用众所周知的安眠药——唑吡坦。
1
研究背景
传统的医疗数据主要通过临床试验获得，而随着真实世界数据（RWD），尤其是电子健康记录（EHRs）和医疗保险索赔数据的日益普及，以及先进的计算方法的出现，获取临床证据有了新的方式。真实世界的医疗健康数据拥有挖掘已有药物新用途来寻找疾病治疗解决方案的潜力。这种方法规避了关键性的早期临床开发阶段的挑战，尤其是与神经系统相关的疾病，符合《21世纪治愈法案》的愿景。然而，迄今为止，这些数据主要用于验证性的目的，而不是作为药物发现引擎。
PD是最常见的神经系统退行性疾病之一，该疾病进展的临床病理学标志之一就是帕金森病性痴呆症（PDD）。据估计，30%至80%的PD患者会随着病情的发展（通常在发病后10年内）而患上痴呆症。在这项研究中，作者首次使用了来自EHR和索赔数据中提取的RWD来识别与PDD进展减缓相关的药物，并作为PD疾病修饰的候选药物。
2
研究内容与方法
数据源：
IBMExplorys治疗数据集（“Explorys”；冻结日期：年8月）：包括来自多个医疗系统（主要是临床EHRs）的超万名患者的医疗数据。
IBMMarketScan研究数据库（“MarketScan”；冻结日期：年年中）：包含来自雇主、健康计划、医院、医疗保险补充保险计划和医疗补助计划的约1.2亿登记者的医疗索赔信息（年~年）。
本工作是基于一项初步研究成果（Ozery-Flatoetal.,）的回顾性研究，作者使用了前人所提出的药物再利用框架模拟了每种候选药物的PhIIb随机对照试验(RCT)，将专题知识与数据驱动分析相结合，并对多个假设进行了严格校正。有关该药物再利用框架的详细描述见"参考资料"。该研究遵循Hernán和Robins所提出的一种目标试验模拟方法(
