文章内容
今年早些时候，我有机会观看了一场90分钟的采访，采访对象是斯坦福医学院院长劳埃德·迈纳博士，他谈到了人工智能对医学领域的预期影响。此采访的标题是《人工智能和大技术如何塑造医疗的未来》（YouTube）。他解释了X光和其他诊断方式的解读将会比人脑更快，可能更准确；甚至连经验丰富的病理学家在解读复杂的组织切片时，尤其是涉及非常罕见的疾病时，也会被人工智能所取代。
这段见解深刻且前沿的采访使我开始思考，人工智能可能如何帮助北美儿科诊所中最常见的一些情况。为患有多动症、自闭症（ASD）、癫痫、抑郁和焦虑等神经问题的儿童寻找合适的药物往往是一个挑战。许多多动症儿童的家长感到沮丧，因为童年是在第三种药物后才以最佳方式回应且副作用最小。达到所谓的“甜蜜点”需要大量的教育和耐心。
我还发现，许多家长对于这些药物持怀疑态度，因为他们认为家族成员对某种药物有不良反应，他们的孩子或青少年也会出现同样的问题。多动症在儿童和成人中很常见。最常开出的药物是哌甲酯、混合安非他命盐、阿托莫西汀和胍法辛。每种药物都有不同的药代动力学特征。对于哌甲酯和阿托莫西汀，我们已经发现了很多关于酶活性的信息，以及这些变异如何影响反应速度，基于药物的代谢速度快慢。
细胞色素如CYP2D6和CES1在这些药物的代谢中起了重要作用。一些患者是代谢能力差的，当处方阿托莫西汀时，他们的暴露量比正常代谢者高出十倍；对于哌甲酯，慢代谢者的暴露量可能比正常代谢者高出2.5倍。研究人员在药物基因学领域追逐知识，《Pub Med》上的一篇最新科学文章得出结论称“拥有这些药物基因学信息可能会在选择治疗多动症的药物和剂量时为临床医生和患者提供帮助”。听起来不错，但目前有多现实呢？
另一个让医疗系统损失数十亿美元的领域是多重用药。在许多慢性疾病管理和复杂的神经疾病病例中，多种药物的联合使用总是有风险，可能会相互作用并在患者中引起副作用。目前为止，有效解决这个问题的工具依然难觅。在另一篇来自国家医学图书馆的最新文章《在初级保健环境中实施人工智能工具进行慢性疾病管理》中，作者描绘了他们的人工智能模式在初级保健中即将带来的令人兴奋的变化；
这些变化将阻止药物相互作用的发生，使当前通过电子健康记录的可能药物相互作用的警报看起来过时和陈旧。他们承认一个主要障碍是遗传学、药理学和临床医学部门之间的缺乏沟通，尽管这一点在北美许多校园中正在迅速改变。报销方式的展开以及为这项研究支付的成本是另外两个障碍。这个话题很复杂，但同时也很有趣，尝试阅读人工智能潜力背后的主要想法是很有意义的。对于那些感兴趣进一步了解的人，可以通过链接找到这项研究。
我经常想到相比处理多动症，治疗尿路感染是多么相对简单。所有需要做的就是收集尿液，做培养测试，找到细菌，并注意报告告诉我们要使用哪些抗生素，应该避免哪些。希望有一天人工智能能让多动症的药物选择同样变得更简单，但目前很难预测需要多长时间。这听起来很有前途，但正如著名的纽约洋基队棒球选手尤吉·贝拉所说，“做预测是很困难的，尤其是关于未来。”
尼曼博士是Centre 70 Pediatrics的创始人，自1999年以来一直为《卡尔加里先驱报》撰稿。欲了解更多信息，请参见 www.drnieman.com
分享此文章