综述：人工智能驱动的药物相互作用研究进展：整合预测模型、易感人群与监管策略

这篇综述系统探讨了人工智能（AI）在药物相互作用（DDIs）研究中的整合应用，涵盖流行病学模式、机制分类、AI预测方法（如GNNs/NLP）、易感人群（老年/儿科/孕妇）及全球监管框架（FDA/EMA/PMDA），为多学科交叉的精准药物警戒提供新范式。

　　

药物相互作用的临床挑战与机制解析

药物相互作用（DDIs）已成为现代药物治疗的严峻挑战，尤其在老年多病共存人群中。当两种或以上药物联用时，可能通过药代动力学（PK）或药效学（PD）途径相互影响——前者涉及吸收、分布、代谢（如CYP3A4酶抑制）、排泄（ADME）过程，后者则表现为靶点协同或拮抗。典型案例如华法林与NSAIDs联用导致出血风险倍增，既通过CYP2C9代谢竞争，又叠加抗血小板效应。

传统检测方法的局限性

依赖自发报告系统和临床试验的传统手段存在明显缺陷：仅能识别约30%的DDIs，且对罕见或人群特异性相互作用（如CYP2D6弱代谢者中的帕罗西汀-曲马多组合）灵敏度不足。电子健康记录（EHR）分析显示，老年住院患者平均面临3-5项潜在DDIs风险，其中60%具有临床显著性。

AI驱动的预测革命

机器学习技术正重塑DDIs研究范式：

• 图神经网络（GNNs）：通过分子结构图捕捉药物-靶点拓扑关系，如KITE-DDI模型整合化学指纹与蛋白质互作网络

• 自然语言处理（NLP）：DrugBERT等模型从3000万篇文献中提取潜在相互作用信号

• 知识图谱：DDI-KG平台整合DrugBank数据，利用TransE算法预测未知代谢通路交互

值得注意的是，基于Transformer的模型（如BioBERT）在解析临床笔记非结构化数据时，较传统规则系统（Micromedex）误报率降低40%。

特殊人群的风险分层

生理特征与用药模式使某些群体更易受DDIs影响：

• 老年人：CYP3A4活性下降使咪达唑仑血药浓度升高2倍

• 孕妇：妊娠期CYP3A4诱导导致抗真菌药浓度不足

• 器官功能障碍者：肾衰患者P-糖蛋白转运体抑制引发地高辛中毒

雷达图分析显示，肿瘤患者（接受TKI治疗）与HIV感染者（抗逆转录病毒联用）的DDIs风险评分高达4.8/5。

监管科学与未来方向

全球监管机构正推动AI工具落地：FDA采纳PBPK模型替代部分临床试验，EMA要求DDI标签明确机制解释。前沿领域如肠道菌群-药物互作（如伊立替康经β-葡萄糖醛酸酶激活）和表观遗传调控（HDAC抑制剂影响CYP表达）正成为研究热点。

实现精准药物警戒仍需突破三大瓶颈：模型可解释性（XAI技术）、多模态数据整合（EHR+基因组+穿戴设备）、全球标准化（ICH M12指南）。正如框架图所示，唯有融合计算药理学与临床洞见，方能构建动态个性化的DDIs防控体系。