人工智慧也能幫忙開發藥物

作者 | 發布日期 2017 年 06 月 05 日 12:44 | 分類 AI 人工智慧 , 醫療科技 follow us in feedly

根據統計,平均一種新藥上市需耗費將近 15 年時間,加上 16 億美元的花費。為了開發出一種新藥,研究者必須測試成千上萬種化合物,不但需要決定哪些分子會彼此結合,還需要測定這些結合的程度有多強。傳統上他們要使用試誤法(試估一個近似的結果,然後設法修正其誤差)以及排除法來分析上千種自然或合成的化合物,而這已經算是簡單的部分。然而僅僅發現化合物可有效對抗疾病是不夠的,還必須在三階段臨床試驗表現良好,並通過監察機構許可。



不過這樣龐雜的情況也有扭轉的可能。一間位於舊金山的新創公司 Atomwise 設計了一套名為 AtomNet 的系統,這套系統的目的在於將藥物開發的初始階段精簡化,接手前述提到的繁重工作,他們利用深度學習預測分子結合的模擬情形,就像 AI 學會如何辨認圖像。且軟體還會藉由辨識模式教導自己有關分子連結的一切。

AtomNet 的厲害之處可不僅如此,還記得高中時期學的 3D 模型嗎?利用塑膠棒和保麗龍球表示分子的鍵結,此軟體也利用類似的數位 3D 模型,綜合有關結構的資訊去預測分子的生物活性。

顯然「快」這個形容詞還低估了 AtomNet 的能力。若用傳統方法要花上數天才能分析完 100 萬種化合物,靠著 AtomNet 在一天之內就可以完成。當然它也不是如此完美無缺,若真是如此,可能就要換科學家煩惱了。因為它無法發明新藥,甚至無法證明分子只要能結合就可以創造出有效的藥物。它能做的就只是預測分子對抗疾病的可能性有多高,然後科學家再利用預測結果將上千種化合物的範圍縮小至數十種,甚至更小,這樣一來他們就可以更專注於成功率更高的分子上。

也許有人會懷疑這套軟體仍處於開發階段,上述的功能都只是理論。事實上,AtomNet 已經協助開發出兩種新藥分別對抗伊波拉病毒和多發性硬化症,證明了它驚人的實力。對抗後者的藥物已經在英國製藥公司獲得許可,而伊波拉病毒的藥物則提交給同行審查的期刊,以便進行更多分析。

AtomNet 固然是一項極具潛力的科技,它能使藥物開發變得極為快速與簡便,但我們不得不注意的是,未來的方向將會致力於預防醫療,而不僅是「對症下藥」。兩者的差異在於,前者將焦點放在監控身體健康並採取必要措施預防人類得病,這樣的醫療方式可謂前景興盛。最近,致力於贊助和舉辦公共競賽以推動技術創新的 XPRIZE 基金會,贊助 250 萬美元給強化居家醫療和個人化醫療裝置的研發,顯示預防醫療的普及性逐漸增加。但這並不代表傳統的診斷方式不應進步,50 年後甚至 100 年後人們仍會生病,依然有藥物治療的需求。AtomNet 只是藥物開發的先驅,相信之後就會有更多人工智慧科技跟上它的腳步,解決更艱鉅的挑戰。

(首圖來源:Flickr/e-Magine Art CC BY 2.0) 

關鍵字: , ,