你沒看錯，AI這次真的「拳」出了一片天。根據勞倫斯利弗莫爾國家實驗室（LLNL）最近公布的一項研究，科學家把美國退伍軍人健康管理局（VHA）超過一萬份ALS病患的電子病歷餵進深度學習模型，結果系統竟然點名一個老牌抗抑鬱藥——risperidone——作為potential game-changer。這不是實驗室裡的虛擬結果，而是經過_real-world data_驗證的候選方案。這事放在2024年還真有點顛覆：當 everybody 都在追逐全新分子實體時，AI卻告訴我們，答案可能早就躲在現成藥櫃子裡。

AI如何從退伍軍人電子病歷挖出ALS治療曙光？

這項研究的核心在於把退伍軍人長達十年的電子病歷變成「預測引擎」。團隊從VHA資料庫中提取2009至2019年間確診的11,000多名ALS病患的基因表達與臨床數據，餵入專門設計的深度神經網絡。模型不僅學會辨識ALS特有的病理路徑分子模式，更透過因果推論找出那些「看似與ALS無關」卻能逆轉症狀的已上市藥物。

最終模型篩出數十個候選，其中抗抑鬱藥risperidone在多個評分維度中名列前茅。實驗室隨後在ALS動物模型中驗證，發現該藥物確實能減緩肌肉萎縮並延長生存期，為退伍軍人 cohort 的 unreal-world evidence 提供了實證支持。

為什麼一個抗抑鬱藥會對漸凍人症有效？分子機制大解密

Risperidone原本用於治療思覺失調症與躁鬱症，怎麼突然跟ALS扯上關係？關鍵在於AI發現它能同時抑制三個推動ALS惡化的蛋白：CK1、PTK2與EphA4。這三個靶點各自參與神經退化、炎症與細胞骨架異常，單打獨鬥的傳統藥物一直難以對付，但risperidone這種老藥卻有「一石三鳥」的潛質。

深度學習模型給出risperidone的ML評分為1.0（最高），分子接合自由能達-8.9 kcal/mol，顯示強力結合。同級競賽中還有其他18個FDA已批准藥物，但risperidone在安全性與可及性上最具優勢：它早就有口服劑型，劑量講究，且成本極低——這對需要長期服藥的ALS患者是天大的好消息。

2026-2030：AI藥物再利用市場將呈爆炸性成長

如果有人认为AI只是 buzzword，數字會讓他閉嘴。根據 Grand View Research 的報告，全球AI藥物再利用市場預計從2026年的約15.2億美元飆升至2033年的57.1億美元，年複合成長率（CAGR）超過21%。另一家機構Towards Healthcare則預測到2035年市場規模將突破81億美元。這股增長背後是製藥業對成本與時間的焦慮：傳統新藥開發動輒十年、耗資數十億美元，而AI能把早期發現階段壓縮到幾個月。

聚焦ALS治療市場，2026年 globale size 約10.3億美元，到2034年可望上看21.9億美元（Fortune Business Insights），CAGR近10%。隨著AI工具普及，預期後者增速會進一步甩開前者——AI找到了新靶點，就能把老藥推向新適應症，形成 pipeline 的滾雪球效應。

多重藥物組合療法：ALS治療的新典範轉移

單一藥物難以扭轉ALS的病程，因為這病涉及多條信號路徑的交織錯亂。本研究的一大亮點是AI同時篩選能抑制CK1、PTK2和EphA4三種蛋白的藥物組合——不是單選，而是組合。系統最終在大約18個FDA已批准藥物中找出候選，接下來將測試不同組合的協同效果。

這種思路對於ALS這類「無藥可治」的頑疾意義重大。過去十年只有两款藥物（riluzole、edaravone）獲批，且僅能延長數月壽命。如果risperidone與其他機制互補的藥物（比如抗氧化劑或抗炎藥）結合成複方，或許能真正改變ALS的自然史。

臨床落地挑戰：從實驗到病床的漫漫長路

雖然數據亮眼，但我們不能被AI衝昏頭。首先，退伍軍人群體以男性為主，年齡偏大，結果是否適用於女性或年輕ALS患者？其次，2024年Relyvrio（苯基丁酸鈉/牛磺膽酸）從「里程碑」到「 withdrawn」的教訓還歷歷在目——ALS臨床試驗的变异性太大，安慰劑對比困難，很容易出現假陽性或假陰性。

再者，risperidone本身有代謝副作用（體重增加、血糖上升）和錐體外系症狀風險，對本身肌肉已無力的ALS患者可能雪上加霜。任何 repurposing 都必須先做劑量finding，並設計精密的安全性監測。

最後，法規路徑也得理順。FDA雖有「現成藥物新适应症」的快速通道，但仍需隨機對照試驗。如何在欠缺商业诱因的情况下，推动药企或学术团体发起这类试验，将是下一步的关键。

常見問題解答

AI藥物再利用為ALS治療帶來什麼突破？

AI能快速從海量電子病歷中識別出已上市藥物與疾病之間的隱藏關聯，大幅縮短發現潛在治療方案的時間與成本。以本次研究為例，系統直接篩選出能同時抑制多個ALS關鍵蛋白的現成藥物，為過去幾乎黔驢技窮的ALS治療帶來複方療法的新希望。

退伍軍人資料庫為何對這研究如此關鍵？

美國退伍軍人健康管理局擁有數十年累積的大型、結構化電子病歷資料，且包含豐富的基因表達與長期追蹤數據，為機器學習提供了高質量的訓練集。更重要的是，退伍軍人群體的疾病表現與一般民眾相近，使得研究結果具備一定的外部效度。

抗抑鬱藥用於ALS治療是否有安全顧慮？

Risperidone雖已獲FDA批准用於精神疾病，但其副作用（如鎮靜、锥体外系反应、代謝異常）在ALS患者身上的風險可能更高。任何 repurposing 用法都必須經過嚴謹的劑量與 safety 評估，並在臨床試驗中密切監測不良事件。

立即行動

如果您是醫療機構或製藥公司，希望瞭解如何將AI藥物再利用技術導入您的研發管線，或是有ALS患者家屬想參與相關臨床試驗，歡迎與我們聯繫。

聯絡我們，探索更多AI醫療解決方案

參考資料

• LLNL-led study uses machine learning, veterans’ health records to identify ALS drug repurposing candidates. 來源
• Identification of drug repurposing candidates for amyotrophic lateral sclerosis. The Lancet Digital Health. 來源
• Global AI in Drug Repurposing Market Size Report 2026-2033. Grand View Research. 來源
• Amyotrophic Lateral Sclerosis Treatment Market Size & Trends. Mordor Intelligence. 來源