在人工智慧（Artificial Intelligence, AI）持續重塑生物醫學研究的時代，一項新研究承諾透過利用大型語言模型（Large Language Models, LLMs）的能力，來改變藥物安全評估。這項研究近期發表於《科學報告》（Scientific Reports），介紹了一種名為 PromptSE 的開創性方法，該方法利用 LLM 衍生的藥理學表徵來預測藥物副作用。
PromptSE：基於 LLM 的藥物副作用預測模型
PromptSE 的核心在於利用 LLM 理解和生成自然語言的能力，將藥物資訊轉換為機器可讀的表徵。傳統的藥物副作用預測方法往往依賴於結構活性關係（Structure-Activity Relationship, SAR）或藥物基因組學數據，但這些方法可能無法捕捉到藥物複雜的藥理學特性。PromptSE 則透過分析大量的藥物相關文獻和數據，學習藥物之間的潛在關聯，從而更準確地預測藥物副作用。
研究團隊表示，PromptSE 的優勢在於其能夠處理非結構化數據，例如醫學文獻和臨床報告。這些數據包含了豐富的藥物副作用資訊，但傳統方法難以有效利用。透過 LLM 的自然語言處理（Natural Language Processing, NLP）能力，PromptSE 可以從這些數據中提取關鍵資訊，並將其整合到藥物副作用預測模型中。這使得 PromptSE 能夠更全面地了解藥物的藥理學特性，並更準確地預測其副作用。
研究方法與成果
該研究團隊首先使用大量的藥物相關文獻和數據訓練了一個 LLM。然後，他們使用這個 LLM 來生成藥物的藥理學表徵。這些表徵包含了藥物的化學結構、藥理作用、臨床應用以及已知的副作用等資訊。接下來，研究團隊使用這些表徵來訓練一個藥物副作用預測模型。該模型可以根據藥物的藥理學表徵，預測其可能產生的副作用。
研究結果顯示，PromptSE 在預測藥物副作用方面表現出色，其準確性明顯優於傳統方法。研究團隊使用多個公開的藥物副作用數據集來評估 PromptSE 的性能。結果表明，PromptSE 在多個數據集上都取得了最先進的結果。此外，研究團隊還發現，PromptSE 可以預測一些傳統方法無法預測的罕見副作用。這表明 PromptSE 具有更強大的藥物副作用預測能力。
未來展望與應用
這項研究為藥物安全評估開闢了新的途徑。PromptSE 的成功證明了 LLM 在生物醫學研究中的巨大潛力。未來，PromptSE 可以應用於新藥研發、藥物重定位以及個性化醫療等領域。例如，在新藥研發過程中，PromptSE 可以幫助研究人員預測新藥的潛在副作用，從而減少藥物開發的風險。在藥物重定位方面，PromptSE 可以幫助研究人員發現現有藥物的新用途。在個性化醫療方面，PromptSE 可以根據患者的基因組和臨床數據，預測患者對特定藥物的反應，從而制定更有效的治療方案。
研究團隊強調，PromptSE 仍然處於早期階段，未來還需要進行更多的研究和改進。他們計劃進一步擴大 LLM 的訓練數據集，並探索更先進的機器學習算法，以提高 PromptSE 的準確性和泛化能力。此外，他們還計劃開發一個用戶友好的 PromptSE 平台，以便研究人員和臨床醫生可以更方便地使用 PromptSE 來預測藥物副作用。這項研究的發布日期為 2026 年 5 月 30 日，相關連結為：
https://bioengineer.org/predicting-drug-side-effects-via-llm-pharmacology/。
Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機
Date: May 30, 2026