医学博士大卫·法伊根鲍姆曾因罕见的卡斯尔曼病濒临死亡，但他通过自我研究发现一种现有药物可以有效控制病情。这一经历揭示了一个系统性问题：许多已获批准的药物可能对其他疾病有效，却未被发现和利用。为此，他创立了非营利组织 Every Cure，利用人工智能（AI）分析海量医学数据，系统性地为现有药物寻找新用途。该方法旨在为数千种尚无治疗方案的疾病（尤其是罕见病）提供希望，尽管面临着实施挑战和潜在风险，但它代表了药物研发领域的一个重要突破。
从绝症中自救的医生
大卫·法伊根鲍um在医学院就读时，被诊断出患有一种罕见的、通常是致命的疾病——卡斯尔曼病。在经历了多次复发和濒临死亡后，他开始系统地研究自己的病例。
通过分析自己的血液样本和医学记录，他发现了一个关键的信号通路 mTOR 异常活跃。基于这一发现，他成功说服医生为他使用一种已上市十多年的免疫抑制剂 西罗莫司 (sirolimus)，这种药物通常用于防止器官移植后的排斥反应。
结果是惊人的。他的病情进入了长期缓解，至今已超过十年。
这一经历让他意识到一个核心问题：“有这么多药物就存放在你当地的药房里，但它们并没有被用来治疗所有它们可能有效的疾病。”
一个系统性问题与人工智能方案
成千上万种疾病仍然没有获批的治疗方法，而制药公司几乎没有动力去为那些已经过了专利保护期的老药寻找新用途。为了系统性地解决这个问题，法伊根鲍姆联合创立了非营利组织 Every Cure。
Every Cure 的核心是一个名为 MATRIX 的人工智能平台。这个平台通过学习和分析庞大的“知识图谱”来工作，这些图谱整合了全球关于疾病、基因、蛋白质和药物之间相互关系的数据。
- 数据整合： AI分析来自科学文献、生物样本库和临床试验的数百万个数据点。
- 识别潜在联系： 它能识别出以前未被注意到的“药物-疾病”潜在匹配项。
- “零样本”推断： 更重要的是，AI可以为那些目前 没有任何已知治疗方法 的疾病提出候选药物。
“我认为我们正处在一个拐点，”哈佛大学的计算机科学家 Marinka Zitnik 评论道。“我们已经进入了一个新时代。”
AI如何“老药新用”？
AI 的工作并非要取代人类，而是作为一个强大的工具，帮助研究人员发现那些被忽略的线索。
“现阶段，与其说 AI 比我们人类更聪明，不如说它非常擅长高亮那些我们已经发现但没有建立联系的事情。”法伊根鲍姆解释说。
AI 平台会生成一个从 0 到 1 的评分，来表示某种药物治疗特定疾病的可能性。然后，人类专家团队会介入，进行深入审查。
一些由 AI 发现或验证的潜在组合包括：
- 一种常见的心脏病药物 普萘洛尔，可能对治疗侵袭性癌症血管肉瘤有效。
- 一种常见的化疗药物组合，成功帮助一名患有罕见血液病 POEMS 综合征 的患者病情好转，使其能够接受挽救生命的干细胞移植。
- 在乳腺癌手术中注射更高剂量的 利多卡因（一种廉价的局部麻醉剂），被发现能显著提高患者的存活率。
分类与筛选：从数据到行动
为了使工作流程化，Every Cure 将 AI 筛选出的高分药物分为四类：
- 前沿探索者 (Frontier explorers): 有很强的生物学理论依据，但几乎没有研究支持。
- 临床瑰宝 (Clinical gems): 在细胞或动物实验中显示出潜力，但需要人体临床试验。
- 无名英雄 (Unsung heroes): 已被证明有效，但没有得到广泛应用。
- 已知实体 (Known entities): 已经在临床实践中被普遍“老药新用”。
该组织的目标是通过资助新研究或加强推广，推动更多药物进入能惠及患者的阶段。
挑战与未来展望
尽管前景广阔，但这种方法也面临挑战和质疑。一些专家认为，AI 在罕见病领域可能最有用，因为在这些领域“任何进展都是一种改善”。但对于常见疾病，人类研究者可能已经考虑过大多数可能性。
最大的担忧之一是信息的公开化。Every Cure 计划在明年公开发布数千万个“药物-疾病”匹配得分。
“我赞赏这种透明度，”斯克里普斯研究所的所长 Eric Topol 表示，“但我也担心这可能导致人们去进行徒劳的追逐。”
这可能会让患者向医生要求未经证实的治疗，就像新冠疫情期间的伊维菌素争议一样。
尽管如此，这种“重新利用”的思路与生物进化中的“邻近可能性”概念不谋而合。正如恐龙的鳞片最终演化成鸟类的羽毛，医学的进步也依赖于巧妙地重新利用现有工具，为解决旧问题开辟新道路。