近日，医院临床药学科李晓团队在国际权威学术期刊《Journal of Hazardous Materials 》（中科院1区Top、IF=12.2）在线发表题为“Web Server-based Deep Learning-Driven Predictive Models for Respiratory Toxicity of Environmental Chemicals: Mechanistic Insights and Interpretability”的研究论文，医院硕士研究生李娜为第一作者，临床药学科李晓副主任药师为通讯作者，陈照阳、张雯慧、李妍、黄欣为主要参与者。医院是唯一署名单位。

药物呼吸系统损伤是临床常见的药源性疾病之一。目前大多数药物相关呼吸道毒性的计算机预测模型往往基于单一且笼统的毒性终点，而且机器学习模型缺乏可解释性。因此，本研究将肺炎、肺水肿、呼吸道感染、肺栓塞和肺动脉高压、哮喘、支气管痉挛、支气管炎和肺纤维化等具体药源性呼吸系统疾病作为安全性终点，采用深度神经网络方法分别构建了可解释的药物呼吸系统毒性风险预测模型，与现有的模型相比，团队开发的模型在准确性、可解释性等方面均有显著优势。

研究团队开发了两个Web服务工具，来简化模型的应用并提高用户友好性。RespirationDPi（http://respirationdpi.sapredictor.cn/），用于预测药物导致呼吸毒性各类疾病的发生率。此外，团队分析了各类呼吸毒性疾病的药物结构特征，并提取了警示结构（SA），开发了SA识别系统（https://www.sapredictor.cn/）。RespirationDPi系统为用户提供了一个便于使用的界面，以便他们对药物相关的呼吸毒性进行早期预测。SA系统有助于从分子结构特征角度探索药源性心脏毒性的作用机制。

医院临床药学科长期致力于精准药物治疗与临床药学服务，结合医院发展需求，建有临床研究相关检测及研究平台并建立起与之匹配的人才梯队，入选了2024年度院级重点学科。近年来，李晓团队依托本学科积极开展药物不良反应、医疗辅助诊断等应用基础与临床研究，团队最近3年发表中科院一区二区期刊论文10余篇，取得计算机软件著作权9项，完成成果应用转化3项。