AI技術(shù)可以為藥物研發(fā)分憂?

人機(jī)對弈、刷臉支付、輔助診療……人工智能（AI）正在悄無聲息地融入生活的方方面面。不過，你可能想不到，藥物也可以借力AI技術(shù)來設(shè)計研發(fā)。通過大數(shù)據(jù)處理、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)，AI融入新藥研發(fā)可望有效縮短研發(fā)時間，降低研發(fā)成本。

據(jù)全球健康藥物研發(fā)中心主任、清華大學(xué)藥學(xué)院院長丁勝介紹，創(chuàng)新藥的研發(fā)從認(rèn)知疾病發(fā)生原因、確定針對疾病的藥物靶點、實驗室發(fā)現(xiàn)新的分子或化合物開始，通過體外及動物體內(nèi)實驗了解其安全性、毒性反應(yīng)，以及在動物體內(nèi)的代謝過程、作用部位和作用效果，再經(jīng)過首次人體試驗，經(jīng)歷Ⅰ期、Ⅱ期、Ⅲ期臨床試驗，證實安全有效及質(zhì)量可控制之后，才可以獲批上市。

“整個研發(fā)過程往往需要10到15年時間，投入10億到15億美元，其中包括失敗的成本?！倍僬f。

“在從初步篩選的百萬個化合物和隨后的千百個逐級候選藥物優(yōu)化中，最后可能只有一個能被選出來做成藥物?！北本┐髮W(xué)前沿交叉學(xué)科研究院定量生物學(xué)中心研究員裴劍鋒說，新藥研發(fā)失敗率非常高，任何一步失敗都會導(dǎo)致最終失敗。

新藥研發(fā)有沒有捷徑？科研人員發(fā)現(xiàn)，AI技術(shù)可以為他們“分憂”。

“AI技術(shù)可以通過對現(xiàn)有化合物數(shù)據(jù)庫信息的整合和數(shù)據(jù)提取、機(jī)器學(xué)習(xí)，提取大量關(guān)于化合物不同屬性的關(guān)鍵信息?！倍僬f，這不僅避免了盲人摸象般的試錯路徑，還能大幅提高化合物篩選的成功率，最終降低研發(fā)成本和工作量。

“藥物研發(fā)的時間和經(jīng)濟(jì)成本越來越高，而AI技術(shù)是有力突破點?！迸釀︿h說，有機(jī)構(gòu)預(yù)測數(shù)據(jù)表明，人工智能的融合可為新藥研發(fā)節(jié)約近一半時間，每年節(jié)約化合物篩選成本和臨床試驗費(fèi)用達(dá)數(shù)百億美元。

裴劍鋒認(rèn)為，AI技術(shù)尤其是強(qiáng)人工智能的發(fā)展，有望解決藥物設(shè)計中挑戰(zhàn)性的難題。例如，隨著自然語言處理技術(shù)和AI文獻(xiàn)信息提取技術(shù)發(fā)展，未來AI能自動處理海量非結(jié)構(gòu)化的專利、文獻(xiàn)數(shù)據(jù)，從中提取關(guān)鍵信息構(gòu)建知識圖譜和認(rèn)知圖譜，自動發(fā)現(xiàn)藥物靶點和藥物分子。

一批藥物研發(fā)初創(chuàng)公司和研發(fā)機(jī)構(gòu)正在將AI技術(shù)的應(yīng)用變?yōu)楝F(xiàn)實：北京英飛智藥科技有限公司將AI技術(shù)與資深藥物研發(fā)專家的經(jīng)驗融合，開發(fā)出了藥物設(shè)計AI研發(fā)平臺“智藥大腦”；全球健康藥物研發(fā)中心打造了高通量、高精度人工智能藥物篩選計算平臺“人工智能藥物研發(fā)平臺”……

裴劍鋒認(rèn)為，在AI深度參與和高性能計算能力支撐下，未來，機(jī)器學(xué)習(xí)和物理模型的有機(jī)結(jié)合將可能成為新的科研模式，引發(fā)醫(yī)藥甚至多個領(lǐng)域顛覆性的創(chuàng)新浪潮。

延伸閱讀

AI研發(fā)藥物即將進(jìn)行人體試驗

近日，據(jù)BBC報道，一款使用人工智能開發(fā)的用于治療強(qiáng)迫癥的藥物將進(jìn)行人體實驗。英國初創(chuàng)公司Exscientia聲稱，該藥物從概念設(shè)計到制作出臨床測試用的膠囊不到一年時間。人體試驗將于三月份開始。

Exscientia的首席執(zhí)行官Andrew Hopkins表示，該公司是第一個生產(chǎn)出人工智能藥物并將在臨床試驗中進(jìn)行測試的公司，人工智能最終產(chǎn)生的化合物被稱為DSP-1181。擁有該藥專利權(quán)的日本制藥公司住友大研制藥將監(jiān)督該藥的臨床開發(fā)。第一階段的人體試驗，將測試藥物的安全性和人體對藥物的反應(yīng)，該試驗也將在日本進(jìn)行。

盡管這種新藥的研發(fā)看起來值得期待，但在業(yè)內(nèi)仍然存在一些爭議。有研究人員表示，盡管人工智能可以幫助我們找到新的分子，但人工智能發(fā)現(xiàn)的分子最終有可能與我們已經(jīng)研究過的分子相似。此外，人工智能僅僅找到了一種潛在的化合物，但并不能幫助科學(xué)家們真正理解其試圖治療的疾病的生化特性。

與此同時，人工智能輔助藥物研發(fā)還面臨不少問題：從長遠(yuǎn)來看，人工智能設(shè)計的藥物與人類單獨開發(fā)的藥物有何不同？誰應(yīng)該制定在新藥物研究中使用人工智能的規(guī)則？