许你健康长寿,AI 让制药智能化

对于医疗行业中的药物研发艰难的问题,利用机器学习,深度学习等 AI 技术,能够将这一过程变的更快速,经济和高效。同时对技术的利用,正在改变药物研发的发展方式。

你大概都想不到,药物的研发需要多大的成本?

平均下来,一种药物的研发要消耗 25 亿美元,花费 10 年之久。而且,最后只有大约十分之一的药物,会真正被使用。从数据上来看,2017 年新药研发的投资回报率仅为 3.2% 。 

如何成功高效地制造药物,同时能够通过临床验证,最终被符合医用的标准,是研发中亟待解决的问题。  

那么在 AI + 医疗被高度重视的今天,利用 AI 技术做药物研发,能够改变这一现状吗?

药物开发很难?试试 AI

多伦多大学的工程与医学教授 Brendan Frey 说到,「传统的药物研发很大程度上依赖于运气,类似于盲目地扔一根棍子到树上,看看能不能把苹果打下来。这种方法,不仅耗时耗力,还保证不了成功率。」

这番话形象地道出了药物研发的困境。这也在侧面反映出制药的艰难。

设计理想的药物是一项复杂的任务

一方面的原因是,能够制作成药物的分子数不胜数,研发需要具备过硬的专业知识,去分析出哪些药物分子可以治疗特定的疾病,这是一个浩大的匹配工作。  

另一方面,制药师必须考虑到多种因素:比如药物与人体内的多个细胞和器官的各种相互作用,药物在不同患者身上的差异性等等。

而这些问题之所以困难,是在于它们涵盖和设计的领域,需要大量的数据分析,才能找到特定的规律。人工去处理的时候,就需要花费很大的代价,而且容易出现纰漏。

而这,恰恰让 AI 有了用武之地,AI 能够在海量的数据中找到方向,将这个过程变的更快速,经济和高效。

现在,研究人员可以粗略地勾勒出解决方案的概念,然后利用数据和机器学习,让 AI 来完成剩下的部分。

专注于 AI 药物研发的公司

位于多伦多的 Cyclica ,在去年被评选为全球 20 大 AI 药物研发公司。他们与多家企业合作,将 AI 与生物物理学,统计学以及大数据结合起来,专注于研究药物如何作用于多种靶标和疾病。

Cyclica 通过 AI 技术研发药物的简单流程图

Cyclica 总裁兼首席执行官 Naheed Kurji 说,「一直以来,药物都是针对一个目标而设计的,所以常被开发成与单一蛋白质结合的模式。

但很多研究都表明,药物通常有数百种脱靶相互作用(即不仅仅与单一蛋白质结合),这会导致意想不到的副作用。我们的目标是检查出体内可以和药物结合的所有蛋白质。而 AI 能有效的帮到我们。」

Cyclica 的研究也帮助科学家们了解到,某些药物对不同的人产生不同作用的原因,从而加速开发的更新,以得到更精确的药物。他们称,「我们的目标是,通过 AI 将药物研发时间缩短至两年。」

Kurji 还说到,「对于没有对症药的疾病,比如阿尔茨海默氏症,以及难以治愈的疾病,如糖尿病,在 AI 技术的帮助下,可能会比旧模式更早地进入可治疗甚至可治愈的阶段。」

对抗制药的艰难,AI 遍地开花

随着技术的发展,越来越多的公司和机构都在用 AI 研究药物生成。

分子对接模型示意

在近期的报道中,来自匹兹堡大学的研究人员就利用深度学习的方法,提高了药物研发的准确性。

在 AI 的帮助下,他们将数百万种分子的虚拟模型,在计算机中进行探索研究,并同时观察上百种疾病对于特定药物的反应。

深度学习同时帮助研究人员理解药物分子潜在的副作用,并捕捉那些可以针对特定疾病有效的分子,以此来合成新药。通过研究,他们目前已经将合成预测的精度,从过去的 50% 提高到目前的 70% 。

合成化合物分子的示意图

另一家叫 Deep Genomics 的公司,声称他们有 20 个 AI 系统。

他们的负责人这么说到,「想要为疾病突变发现新的药物目标吗?我们有一套 AI 工具。想设计一种能解决特定问题的药物吗?我们有另一 AI 工具。想检查药物是否可能导致副作用吗?我们还有一套 AI 工具。」

除此以外,很多公司还通过训练庞大的神经网络,在不同临床验证中探索新的药物方案。

比如有报道称,一种深度学习模型还通过分析显微镜图像,以此判断药物是否对于疾病细胞具有疗效。这个方法,用来观察细胞的上百种特征,每周可以处理多达一千万个。这是人力远不能及的。

基于这些 AI 技术,极大的加快了药物研发过程中的数据收集和处理过程。也改变了制药行业的一些发展模式。

AI + 药物研发,这才是未来的模式

就目前看来,AI 已经被应用在药物开发的各个主要阶段。

从准备阶段的文献分析,初期的确定干预目标,到发现候选药物,然后是更快速的临床试验,以及最终寻找诊断疾病的生物标志物(确定药物的疗效)等阶段,AI 都在逐步接管和加快这一步骤。

可以说 AI 把这个行业带到了新的高度,但在当前来看,依然还有不足的地方,研究人员说到,「人工智能适合处理有大量数据的系统,但它不会有创新性的观念。

所以就算 AI + 药物研发看似火热了起来,它们也只是在辅助专业的研究人员。 AI 负责从数据中获得分析预测,而专家给 AI 设置要解决的问题,同时进行最后的验证审批。

这并不妨碍 AI 在药物研发中的贡献,以及 AI 对医疗所带来的巨大变革。

而且,在 AI 不断发展和进步的今天,我们有理由相信,只有拥抱和掌握技术,才是社会发展到下一阶段的必由之路。

点击阅读原文