现状学者构建药物肝损伤预测模型—ResNet18DNN，助力中西并重医疗环境中安全合理用药

药物性肝损伤(DILI)一直是药理学医生和药物研究工作人员关注的出发点。如何提高DILI外推的耐用性，恰当预报并研判中西锐意医疗环境中药物性肝损伤是医药研究工作人员有鉴于此应对的应对办法，也是药理学安全合理高血压的关键之一。

2021年12月9日，北京中医药大学东直门医院、中医内医学教育部重点Laboratory商洪才团队在国际曾为生物信息学期刊《Briefings In Bioinformatics》（中科院1的区）在线发表了新书“ResNet18DNN: prediction approach of drug-induced liver injury by deep neural network with ResNet18”的研究文章。该研究建起了一种药物性肝损伤外推ResNet18DNN，此假设的预报耐用性优于整体的药物性肝损伤外推，为药物研发和中医药药理学合理高血压提供助力。

药物性肝损伤外推—ResNet18DNN

该研究提出了残差建模（ResNet18）与尺度建模（DNN）融入的药物性肝损伤人工智能外推—ResNet18DNN（布 1），即采用ResNet18嵌入法对分子结构布像进行矢量化表征，利用尺度建模进行10000次迭代培训。ResNet18DNN的药物性肝损伤人工智能外推分析表明，培训集的ROC曲线下范围（AUC）、恰当领军、召回领军、精确领军、F1分数、特异度大致相同0.973、0.992、0.995、0.994、0.995、0.975；测试集的各个量化结果大致相同0.958、0.976、0.935、0.947、0.926、0.913。其中，F1分数（F1 Score），是流行病学中用来基准二归类假设精确度的一种量化，它同时兼顾了归类假设的精确领军和召回领军。ResNet18DNN的预报结果优于当初报道的药物性肝损伤外推，颇高了DILI人工智能外推的耐用性。

ResNet18DNN是目前预报药物和分子结构锂肝损伤耐用性最优的一种方式。该成果为基于分子结构布像的矩阵特征紧密结合药物肝损伤外推提供依据，之后将助力中医药药理学合理高血压。

撰述：邵 贤

备案：田贵华

李文杰

润色：商洪才

龚燕冰