根據賓夕法尼亞州立醫學院和明尼蘇達大學的研究人員進行的一項研究，某些藥物，如通常用於治療感冒和流感引起的咳嗽的右美沙芬可能被重新利用來幫助人們戒菸。研究人員採用了一種尖端的機器學習方法，即計算機算法仔細檢查數據集以發現模式和趨勢，以確定具有潛力的藥物。這些藥物中的一些已經在進行臨床試驗。

吸煙是導致心血管疾病、癌症和呼吸道疾病的主要因素，每年在美國造成近50萬人死亡。雖然吸煙的習慣可以培養和改變，但遺傳學也對一個人從事這種行為的可能性起著一定的作用。在之前的一項研究中，研究人員發現具有特定遺傳特徵的人更容易對煙草上癮。

公共衛生科學、生物化學和分子生物學教授劉大江博士和公共衛生科學助理教授蔣碧波博士利用130多萬人的基因數據，共同領導了一項大型的多機構研究，利用機器學習來研究這些大型數據集–其中包括一個人的基因和他們自我報告的吸煙行為的具體數據。

研究人員確定了400多個與吸煙行為有關的基因。由於一個人可能有成千上萬的基因，他們必須確定為什麼其中一些基因與吸煙行為有關。攜帶生產尼古丁受體的指令或參與荷爾蒙多巴胺信號的基因，使人們感到放鬆和快樂，這些基因有容易理解的聯繫。對於其餘的基因，研究小組必須確定每個基因在生物途徑中發揮的作用，並利用這些信息，弄清哪些藥物已經被批准用於修改這些現有途徑。

該研究中的大部分基因數據來自歐洲人的祖先，因此機器學習模型必須量身定做，不僅要研究這些數據，還要研究由大約15萬名亞洲、非洲或美國人祖先組成的較小的數據集。

劉和江在該項目中與70多位科學家合作。他們發現至少有八種藥物有可能被重新用於戒菸，例如常用於治療感冒和流感引起的咳嗽的右美沙芬，以及用於治療阿爾茨海默病的加蘭他敏。該研究發表在《自然-遺傳學》上。

賓夕法尼亞州立癌症研究所和賓夕法尼亞州立哈克生命科學研究所的研究人員說：”利用生物醫學大數據和機器學習方法重新處理藥物可以節省金錢、時間和資源。我們確定的一些藥物已經在臨床試驗中測試其幫助吸煙者戒菸的能力，但仍有其他可能的候選藥物可以在未來的研究中探索。”

雖然機器學習方法能夠納入一小部分來自不同祖先的數據，但研究人員認為從具有不同祖先的個體中建立起基因數據庫仍然很重要：”這只會提高機器學習模型識別有藥物濫用風險的個體的準確性，並確定可用於有益治療的潛在生物途徑。”