哪些保健品和药物不能同服？这个AI搜索引擎能告诉你

药不能随便吃，药和药是会发生反应的。

补充剂 (如保健品) 也不能乱吃，它们和药物之间，也可能相互作用。

举个例子，许多失眠小伙伴吃过的褪黑素，便与许多药物有反应：

包括抗凝血药、抗血小板药物、抗惊厥药、避孕药、治疗糖尿病的药物和免疫抑制剂……

艾伦AI研究所的科学家，改造了著名的谷歌语言模型BERT，让它学习过往的医学文献，来分析补充剂和药物之间的作用，还开发了一个搜索引擎：

只要输入一种补充剂，或者一种成分的名称，就会得到一个列表。

一个推特网友，把褪黑素输进去，收到的列表包含了520种可能和它有反应的物质。

不止如此，每种可能反应的物质，都有相关论文的对应句子，可以点开查看：

有了它，普通人也可以轻松查到，一种保健品，是不是可能和自己正在服的药/保健品产生冲突。

当然，团队也严正声明：信息仅供参考，不能代替医生建议，所有情况都请咨询医生。

BERT：哪里需要哪里搬

那么，团队改造的BERT，是怎样的一只AI？

为了便捷，此处先介绍词汇：

补充剂-补充剂相互作用，简称SSI。

补充剂-药物相互作用，简称SDI。

药物-药物相互作用，简称DDI。

由于补充剂受到的监管不甚严格，有关安全性的信息，并不十分充足。也就是说SSI和SDI的相关记载比较匮乏；

相比之下，药物受到的监管就严格许多，有关药物间相互作用 (DDI) 的数据，过往文献也就记载得更加充分，形成了庞大的语料库：

所以，机智的科学家想到先用DDI语料库，训练一个改造版的BERT，让它学会分辨一个句子里面，药物和药物之间有无关联。训练好的模型就叫BERT-DDI。

然后大概是考虑到，凡生物医学文献，用语习惯会比较接近。这样，用DDI数据训练好的模型，应该能迁移到SDI和SSI上。

第一步，从PubMed文献库里面，抓来2200万篇论文 (的摘要) 。这里用到了艾伦研究所自家的学术搜索API，名叫Semantic Scholar。 第二步，用scispaCy从摘要里筛出带有补充剂和药物的句子，扔给一体化医学语言系统 (UMLS) ，这样就算一种补充剂/药物有很多名字，也可以被统一成相同的表述。 第三步，把统一了表述的句子们，交给训练好的BERT-DDI，让它去判断句子里一种补充剂和其他物质的关系。假如得到阳性 (Positive) 评定，就表示两者有相互作用，要记录下来。 第四步，所有的阳性结果，都对应了一些句子，以及句子所在的论文；只要把它们整合起来，再加上检索功能 (支持模糊搜索) ，就有了SUPP.AI引擎。

这里，包含了55946种相互作用，涉及了1923种补充剂，2727种药物。

只要输入补充剂的名字，输入某个成分的名称，都能搜索出可能与它相互作用的物质，以及依据的论文。

当然，也可以输入药物名称，毕竟AI是用药物数据训练的。

那么问题来了，用药物数据训练的BERT-DDI，在补充剂 (SDI/SSI) 身上做的判定，到底准不准？

测试环节，团队手动标注了200个样本，交给AI做判断：

得到了87%的准确率，77%的真阳率，96%的召回率。

真阳率=真阳/ (真阳假阳) 召回率=真阳/ (真阳假阴)

基本告捷。

在补充剂的安全性资料不足的今天，这个搜索引擎也可以为普通人，提供一些“不能一同服用”的信息了。

不过，由于数据是AI自动提取和分类的，没有经过领域专家/医疗专业人员的验证，艾伦研究所也在引擎上方，写了一份免责声明：

此处包含的信息，不得用于代替执业医师的建议。此工具不可替代执业医疗保健从业者提供的护理，强烈要求用户在所有情况下咨询医师。如果某种药物、补充剂，或它们的组合，没有显示警告，不可解释为这种药物、补充剂或组合是对患者安全、有效或适合的。此处提供的信息，仅供参考。此工具可能无法覆盖所有可能的、补充剂与药物之间的相互作用。如果您有健康问题或者疑虑，请咨询医师。虽然，我们试图提供准确、最新的信息，但无法保证这一点。此工具不为任何药物或补充剂做背书，不对患者做诊断，也不推荐任何治疗方法。

总之，这只是一个初步的尝试。搜出什么不得了的信息，也要向医生求助才好。