人工智能预测新的精神活性物质

快速识别“特制药物"或所谓的“合法兴奋剂"是困扰全球医院急诊室、法医实验室和执法机构的公共卫生挑战.这些是由邪恶的化学家在实验室制造的合成物质，以模拟高度成瘾物质的作用，如阿片类药物、氯胺酮、致幻剂(迷幻剂)、大麻素和卡西酮.为了解决这一公共卫生问题，不列颠哥伦比亚大学的研究人员发表了一项新研究，展示了一种名为 DarkNPS 的人工智能 (AI) 深度神经网络如何能够在未来设计药物出现之前预测它们，这项技术可能有助于挽救生命.

“在过去十年中，非法药物市场因秘密生产的设计药物的激增而重塑，"研究作者写道. “这些被称为新型精神活性物质 (NPS) 的药剂旨在模仿众所周知的滥用药物的生理作用，同时规避药物管制法律."

据美国成瘾中心称，使用合成大麻素可能引起的严重并发症包括可能持续数周或数月的精神影响，例如自杀念头和思维障碍.此外，合成卡西酮不仅会导致依赖性和成瘾，而且可能比它们旨在模仿的非法物质(摇头丸、可卡因、甲基苯丙胺)更危险.

目前，对于执法、法医、海关实验室和毒理学家来说，识别查获的物质是一个漫长的过程.为了解决这个问题，不列颠哥伦比亚大学的研究人员试图使用 AI 来“想象"并创建一个全新的精神活性物质数据库，以加快和自动化未来未知设计药物的识别过程.

研究人员在 HighResNPS 数据集上训练了一个名为 DarkNPS 的深度神经网络，该数据集包含 1,700 多种新型精神活性物质的独特已知化学结构. HighResNPS 是一个众包数据库，用于基于高分辨率质谱筛选新的精神活性物质.据研究人员称，它被认为是最全面和最新的 NPS 结构数据集；当发现新物质时，法医实验室和执法部门缉获或生物样本的贡献来自全球范围内的法医实验室. DarkNPS 生成了 890 万个独特的分子.

根据既定的指标，研究人员决定使用 LSTM(长短期记忆网络)，该网络的性能略优于 GRU(门控循环单元)，用于基于循环神经网络的架构.他们以超过 190 NPS 验证了 DarkNPS，发现该算法预测了 90% 以上的新精神活性物质，这些物质在模型训练后出现在非法市场上.

根据英属哥伦比亚大学最近的一份声明，该人工智能算法目前正在被联合国毒品和犯罪办公室、欧洲毒品和毒瘾监测中心、德国联邦刑事警察办公室、和美国缉毒局.

Copyright © 2021 Cami Rosso 版权所有.