本报讯（记者 姜静 何洁） 药物诱导的肝损伤（DILI）是导致药物撤市的主要原因之一，如何构建循证明确、高精度、高准确性的药物诱导的肝损伤预测体系，是药物研发领域亟待解决的关键课题。7月21日，记者从东南大学获悉，该校教授顾忠泽、张娟创新性地将人类肝脏器官与人工智能技术相结合，开发出全球首个基于肝脏类器官明场图像（显微镜观察中最基础的成像模式）的AI模型“DILITracer”，总体准确率可达82.34%。相关成果不久前发表于国际学术期刊《通讯生物学》。
东南大学公共卫生学院教授、器官芯片研究院副院长张娟介绍，传统方法主要是通过动物和细胞进行临床前预测，但人与动物的代谢及肝脏生理功能差异大，细胞也不能代表完整生理功能，传统模式动物预测准确率仅43%—63%。所以团队构建了全球首个能输出药物诱导的肝损伤三级分类深度学习模型“DILITracer”，通过结合肝脏类器官技术、明场成像技术及AI辅助算法进行药物诱导的肝损伤预测。
“在进行预测之前，团队还有一项重要工作——进行肝脏类器官的培养，这一微生理系统是最接近人体肝脏的。”张娟告诉记者，在研究过程中，团队从细胞形态、功能以及生理功能方面进行标准化的控制，使肝脏类器官在代谢酶以及胆汁排泄方面跟人体接近。“培养完成之后，我们按人体血药浓度设置不同剂量组，将药物加入类器官，持续监测药物作用下人肝类器官的形态变化，预测药物的肝脏毒性。”
具体而言，团队选取了能引发肝损伤的各类药物，并将其分为强肝毒性、弱肝毒性、无肝毒性3个等级，以之诱导人源肝类器官产生不同程度的损伤，在72小时内，每隔24小时拍摄一次类器官的多角度3D明场图像数据，多角度了解药物对类器官的作用。
张娟介绍，同时，团队将类器官特征数据结合时空编码架构，再将明场图像数据集和3个毒性等级的标签投喂给“DILITracer”大模型，让大模型根据标签提取图像特征，并最终进行3个毒性等级图像数据的分类。实验数据显示，大模型对药物诱导肝损伤药物的识别准确率达82.34%，其中非肝毒性药物识别率达90.16%。