利用 RAIN 方法和 Graph SAGE 模型识别胃腺癌治疗的有效药物联合方案
定量方法
2025-08-20 v1 人工智能
摘要
背景：胃腺癌，主要为腺癌，是一种侵袭性强、死亡率高、常在晚期诊断的癌症，可能导致转移等并发症。有效的药物联合方案对于解决疾病异质性、提高疗效、减少耐药性和改善患者预后至关重要。方法：将 RAIN 方法与 Graph SAGE 集成以提出药物联合方案，构建一个包含 p 值加权边连接药物、基因和蛋白质的图模型。利用 NLP 和系统文献综述 (PubMed、Scopus 等) 验证所提出的药物，随后在 Python 中实施网络荟萃分析以评估疗效。结果：识别出阿霉沙 (Oxaliplatin)、5-fluorouracil 和 trastuzumab 等有效药物，得到 61 项研究的支持。5-fluorouracil 单独使用时的 p 值为 0.0229，联合 trastuzumab 后降至 0.0099，三联合方案下进一步降至 0.0069，表明疗效更佳。结论：RAIN 方法结合 AI 与网络荟萃分析，有效识别胃腺癌的最优药物联合方案，为提高治疗效果和指导健康政策提供了有前景的策略。
引用
@article{arxiv.2508.13207,
title = {Utilizing the RAIN method and Graph SAGE Model to Identify Effective Drug Combinations for Gastric Neoplasm Treatment},
author = {S. Z. Pirasteh and Ali A. Kiaei and Mahnaz Bush and Sabra Moghadam and Raha Aghaei and Behnaz Sadeghigol},
journal= {arXiv preprint arXiv:2508.13207},
year = {2025}
}
备注
43 pages