俄亥俄州立大学研究人员开发了一种深度学习框架，通过定制深度学习框架的方式对大量患者的“真实世界数据（real-world data，RWD）”进行回顾性分析，再结合因果推理来模拟药物的临床试验，为老药新用提供了新的途径。相关研究成果于2021年1月4日发表在《自然 机器智能》杂志上。

具体而言，研究人员按照临床试验的思路开发了一套高通量的计算框架来筛选既有药物尚未发现的适用症，达到将临床试验这一发现老药新用的过程“搬到”线上。以冠状动脉疾病为例，研究人员从大量的保险数据（包括门诊用药、住院治疗和门诊服务等方面，涵盖了患者看诊/复诊时间、用药清单及剂量等）中提取患者的病情发展及用药成分清单，同时对每种药物对应的服用者和非服用者进行监控，观察服用不同药物患者的用药以及病情发展情况。

来源：《自然 机器智能》