Dans une percée pour la médecine cardiovasculaire, les chercheurs ont exploité l'intelligence artificielle pour découvrir des effets inattendus des lipides dans les médicaments existants approuvés par la FDA. L'étude, publiée dans Acta Pharmacologica Sinicatraite des lacunes critiques dans le traitement par l'hyperlipidémie – où de nombreux patients ont du mal avec l'intolérance ou une réponse inadéquate aux statines et à d'autres thérapies standard.
À l'aide d'un nouveau cadre d'apprentissage automatique, l'équipe a analysé 3 430 médicaments (176 agents d'étudiants lipidiques connus contre 3 254 contrôles). Les modèles AI les plus performants ont signalé 29 candidats pour la réutilisation. Surtout, ces prédictions ont subi une validation rigoureuse en utilisant des données cliniques, des expériences de souris et un amarrage moléculaire.
Nous avons établi un paradigme pour le repositionnement des médicaments dirigés par l'IA. En intégrant les prévisions de calcul à la validation clinique et expérimentale, nous contournons des décennies de cliniciens traditionnels d'offre de médicaments à nouveaux outils plus rapidement et moins cher. «
Dr Peng Luo, auteur principal
Cette étude utilise une approche innovante en intégrant des techniques d'apprentissage automatique pour explorer systématiquement le potentiel de lipidurage des médicaments non-lipides, offrant potentiellement de nouvelles options de traitement pour les patients souffrant d'hyperlipidémie. La méthodologie de recherche englobe l'analyse rétrospective des données cliniques et les expériences d'animaux in vivo pour la validation, tout en examinant les mécanismes de liaison et d'interaction entre les médicaments et les cibles hypotesques au niveau moléculaire. Cette approche peut fournir des options alternatives aux patients présentant une mauvaise tolérance ou une réponse inadéquate aux thérapies conventionnelles des lipides, offrant ainsi le potentiel d'un traitement individualisé et précis de l'hyperlipidémie. Par conséquent, cette recherche a le potentiel d'améliorer les résultats des patients, démontrant ainsi une valeur académique substantielle et une applicabilité clinique prometteuse.
