一種藉助機器學習技術研發的藥物，很快就會進入臨床試驗階段。
這意味著，讓人工智慧參與製藥研發領域，解放科學家的雙手，將在未來逐漸變成現實。
這次新藥是由英國新創企業 Exscientia 和日本大日本住友製藥公司合作，主要用於治療強迫症患者。
（Source：大日本住友製藥）
將在日本進行第一階段臨床測試，如果效果顯著，後續還會在全球更多地區展開試驗。
（Source：MRCLUB）
在通常情況下，如果想完成新藥前期開發，往往需要花費 4~5 年。這期間，研究人員不僅要尋找各種有療效的化合物，還要逐一確認試劑和反應序列。
但完成研究開發還不夠，之後新藥還需要進行臨床試驗和上市審批，又會耗費數年。總體來看，每個新藥從開始研發到最終上架，基本耗時都在 10 年以上，還有數十億美元的花費。
所以大部分時候，如果人類遇到從未見過的新病，往往要等待數年才會看到特效藥問世，在這段時間，病人也只能靠現有藥物抑制病情。
最近爆發的武漢肺炎也面臨類似挑戰。1 月底，《新英格蘭》醫學期刊和《科學》雜誌先後報導，一款來自吉利德公司的 Remdesivir（瑞德西韋）藥物，很可能是抑制和對抗本次新型冠狀病毒的理想方案。
不過，由於這款藥物尚未在任何一個國家上市，吉利德公司只能先向中國藥監局申請，在中國展開小範圍臨床試驗。
也就是說，無論這款藥物是否有效，我們都需要等待臨床數據出爐後，才能啟用上市，然後大規模使用。
如何縮短新藥的上市時間，也成了目前醫藥界希望解決的問題。從大眾角度來說，當然希望研發機構能加快速度，讓病人儘早獲得治療。
人工智慧技術無疑是不錯的突破口。
（Source：Designed by Freepik）
理想情況下，如果能將藥物前期研發流程交給電腦，省掉重複性工作，理應能縮短新藥上市的時間，甚至可降低不少研發成本。
Exscienta 公司 CEO 安德魯·霍普金斯教授也表示，這次他們在研發強迫症新藥時，就使用主動學習演算法，讓電腦獲得比傳統流程更快的辨識速度。這使研究人員只需測試約 350 種化合物，就能篩選出新藥的最佳化學結構，候選數量僅之前的五分之一。
最終，新藥的研發時間也進一步縮短至 12 個月，且藥效比目前市面同類產品更好，持續時間更長。
霍普金斯教授還補充，類似人工智慧演算法技術不僅能用於新藥物結構合成，同時也能分析現有病情數據，調查已有的藥物，看看它們是否具備對抗新型病毒的價值。
前文所說的瑞德西韋也是「舊藥新用」例子。它最早是吉利德公司用於伊波拉病毒患者的治療方案，當時已積累一定臨床數據。
讓人意外的是，美國一位新冠狀病毒肺炎患者使用此藥後明顯好轉，證明瑞德西韋可能具備對抗這次病毒的潛力，如今吉利德公司和中國藥監局已在中國展開臨床試驗，以盡快獲得更準確的結論。
（Source：shutterstock）
雖然目前人工智慧技術已在病人診斷、數據分析和掃描領域應用不少，但參與製藥研發還不常見，發展到人體臨床試驗的更少之又少。
這不僅有技術原因，就和大部分人工智慧生產產品一樣，監管機構也需要考慮這些新品類的法律法規和倫理道德問題，同時又不能扼殺新苗。
瑞士諾華製藥公司化學專家德里克‧洛就表示，無論技術怎麼發展，傳統藥品審批標準仍不會改變。在他看來，一款新藥從無到有，不僅需要考慮前期化學合成，也同樣需要兼顧中後期的臨床試驗，人工智慧只影響一小部分，能節省的時間十分有限。
▲ Exscienta 官網可看到不少大牌製藥廠的身影。（Source：Exscienta）
儘管如此，人工智慧在製藥領域的潛力被不少公司看中，Exscienta 獲得的投資也證明了這點。
目前這家新創公司已獲得 2 家製藥公司 Evotec 和百時美施貴寶的資金支持，同時也和另外幾家製藥巨頭合作，不乏拜耳和葛蘭素史克等製藥巨頭。
不只製藥業，這次新型冠狀病毒爆發後，幾乎所有想得到的人工智慧技術，都在對抗病毒與疫情發揮重要作用。
2 月1 日，浙江省疾控中心就利用阿里達摩院研發的 AI 演算法，上線全自動化基因組檢測分析平台，將原來需要數小時的疑似病例分析縮短至 30 分鐘，明顯加快確診時間。
同時，百度研究院也在 1 月 30 日向檢測機構和防疫中心免費開放 LinearFold 人工智慧演算法，據悉可將本次新型冠狀病毒的全基因組二級結構預測從 55 分鐘縮短至 27 秒，讓病毒的研究及疫苗開發速度快速提升。
（Source：BlueDot）
疫情爆發之前，還有一家名為 BlueDot 的健康監測平台做到提前預警，甚至比世界衛生組織的公告還早了整整一週。
據 BlueDot 解釋，他們使用一套經過自然語義訓練的 AI 引擎，每天分析 65 種語言約 10 萬篇文章，甚至連社群媒體訊息流也不放過，以便即時追蹤全球傳染病的分布狀況。
平台得到結論後，BlueDot 再讓流行病學專家驗證，確認無誤後才把資訊同步給大公司和政府機構等客戶。
另外，透過分析航班資訊的路徑，平台還能提前預測某個傳染病的擴散範圍。所以 1 月初，BlueDot 便表示新型冠狀病毒的感染人群不僅出現在中國地區，未來也將擴散至全球。
BlueDot 創始人接受《WIRED》採訪時表示，從 2003 年的 SARS 疫情看到流行病追蹤的需求，才建立這個平台，希望讓人們能及時掌握面臨的威脅。
他還認為，人工智慧的優勢在於對傳染病潛在危機的判斷，往往會比政府機構的反應速度更快。畢竟電腦能自動分析大量資訊，且不受人為因素干擾，也就沒有隱瞞欺騙。
名為 Healthmap.org 的公共衛生監視網站也在做類似的事，由流行病學家約翰‧布朗斯坦建立，主要使用人工智慧演算法分析各種政府報告、新聞網站及其他來源的數據。
他強調，人工智慧還需要幾年，才能在醫學領域發揮出應有的影響力。它的目的並不是要取代人類，而是讓人類獲得超越傳統監測手段的力量，補充遺漏的資訊，提供更快、更準確的早期預警，挽救更多生命。
（本文由 愛范兒 授權轉載；首圖來源：shutterstock）
科技新報粉絲團
加入好友
訂閱免費電子報
