脑连接有可能推动药物重新定位，即为现有药物寻找新的治疗应用的策略。深度学习与生物医学研究的日益融合正在重塑药物的发现和开发。药物开发仍然是一项耗时且成本高昂的工作，许多新疗法在投入临床应用之前需要进行大量的测试和优化。药物重新定位，即为现有药物寻找新的治疗应用，通过利用真实世界数据和计算方法来加速发现过程，解决了这一挑战。深度学习算法应用于大规模临床和流行病学数据集，可以通过识别患者结果的模式来生成新的药物疗效假设。高通量计算方法现在能够同时快速筛选多个候选药物，超越了传统的假设驱动方法。这些模型应用于近期的真实数据，揭示了五种原本用于其他适应症的药物（泮托拉唑、加巴喷丁、阿托伐他汀、氟替卡松和奥美拉唑）如何可能对阿尔茨海默症产生益处。这些进展与基于连接性的洞见相结合，可以促进更精准、更个性化的治疗方法，从而改变药理学策略，同时扩大现有治疗方案的范围。
来自意大利帕多瓦大学Lorenzo Pini团队主张结合技术进步，完善脑连接指标在药物开发和治疗策略中的作用。虽然深度学习和计量经济学模型提供了强大的预测工具，但动态功能连接的纳入对于捕捉可能构成认知韧性和疾病进展基础的时变神经过程至关重要，应在此类框架中予以考虑。与假设大脑区域之间存在稳定相互作用的传统静态连接不同，动态功能连接追踪连接随时间的变化，从而深入了解网络重构，从而区分适应性变化和病理性变化。利用包括基因组学、转录组学和代谢组学在内的多组学数据，可以将分子机制与连接改变联系起来，从而增强精准医疗。一个真正全面的框架不仅应该完善脑连接指标在药物研发中的作用，还应该涵盖阿尔茨海默病作为一种基于网络和多系统疾病的复杂性，最终指导个性化治疗策略。
文章在《中国神经再生研究（英文）》杂志发表。
文章来源：Pini L, Pigato P, Menegaz G, Boscolo Galazzo I (2026) Neural networks and econometric models: Advancing brain connectivity for Alzheimer’s drug development. Neural Regen Res 21(7):2828-2829. doi.org/10.4103/NRR.NRR-D-25-00317
