药物性肝损伤(DILI)一直是临床医生和药物研究人员关注的焦点。如何提高DILI预测模型的性能，准确预测并研判中西并重医疗环境中药物性肝损伤是医药研究人员亟需解决的难题，也是临床安全合理用药的关键之一。

2021年12月9日，北京中医药大学中医内科学教育部重点实验室商洪才团队在国际知名生物信息学期刊《Briefings In Bioinformatics》（中科院1区）在线发表了题为“ResNet18DNN:prediction approach of drug-induced liver injury by deep neural network withResNet18”的研究论文。该研究建立了一种药物性肝损伤预测模型ResNet18DNN，此模型的预测性能优于现有的药物性肝损伤预测模型，为药物开发和中西医临床合理用药提供助力。

图1 药物性肝损伤预测模型—ResNet18DNN

该研究提出了残差神经网络（ResNet18）与深度神经网络（DNN）融合的药物性肝损伤智能预测模型—ResNet18DNN（图1），即采用ResNet18嵌入法对分子结构图像进行矢量化表征，利用深度神经网络进行10000次迭代训练。ResNet18DNN的药物性肝损伤智能预测模型结果表明，训练集的ROC曲线下面积（AUC）、准确率、召回率、精确率、F1分数、特异度分别为0.973、0.992、0.995、0.994、0.995、0.975；测试集的各个指标结果分别为0.958、0.976、0.935、0.947、0.926、0.913。其中，F1分数（F1Score），是统计学中用来衡量二分类模型精确度的一种指标，它同时兼顾了分类模型的精确率和召回率。ResNet18DNN的预测结果优于先前报道的药物性肝损伤预测模型，大大提高了DILI智能预测模型的性能。

ResNet18DNN是目前预测药物和小分子化合物肝损伤性能最优的一种方法。该成果为基于分子结构图像的向量特征构建药物肝损伤预测模型提供依据，最终将助力中西医临床合理用药。

北京中医药大学中医内科学教育部重点实验室博士后陈昭、博士生蒋寅、北京中医药大学博士后张晓雨为该论文的并列第一作者。商洪才研究员为通讯作者。该研究得到了国家杰出青年科学基金（No. 81725024）、国家自然科学基金青年项目（No.82104694）、中国博士后科学基金面上项目（No.2020M670236）和中国博士后科学基金特别资助（站中）（No.2021T140075）的支持。

论文链接：

https://academic.oup.com/bib/advance-article-abstract/doi/10.1093/bib/bbab503/6457162?redirectedFrom=fulltext