|
“平均下來(lái)，醫藥公司每篩選出的8000個(gè)藥用分子中，只有1款能最終問(wèn)世。計算機有望能提高這個(gè)比例——化學(xué)家們再也不用整周、甚至是整月地呆在實(shí)驗室，去測試那些計算機認為難以成功的分子�！� 為什么要用人工智能研發(fā)新藥?這段文字清楚地解釋了它的重要性。我們相信，人工智能可以為整個(gè)醫藥行業(yè)省下數億美元的科研經(jīng)費，也能省下數千個(gè)不必要的工作日。在今日的硅谷，處處都能聽(tīng)到類(lèi)似的聲音。 ▲30多年前，人們就曾暢想用計算機來(lái)設計藥物(圖片來(lái)源：《財富》) 但這樣的觀(guān)點(diǎn)其實(shí)并不新鮮。開(kāi)頭所引的這段文字，來(lái)源于1981年的《Discovery》雜志。幾個(gè)月后，《財富》雜志的封面對計算機輔助的藥物發(fā)現(computer-aided drug discovery，CADD)也進(jìn)行了專(zhuān)題報道。如今，距離上一波高漲的熱情，已經(jīng)過(guò)去了快40年。我們的前進(jìn)步伐為何如此緩慢? 人工智能研發(fā)新藥的瓶頸 Atlas Venture合伙人Bruce Booth博士是一名人工智能的熱情擁護者，但同時(shí)也是一位冷靜的思考者。他指出，新藥發(fā)現和研發(fā)所面臨的挑戰數不勝數，人工智能可以解決的部分有限。在個(gè)人博客上，Booth博士指出，用計算機設計新藥的程序已經(jīng)存在了好幾十年。但在醫藥行業(yè)，研發(fā)產(chǎn)出率非但沒(méi)有上升，反而還逐年下降。藥物發(fā)現的時(shí)間沒(méi)有縮短，成本也沒(méi)有變得更低。這并不是說(shuō)這些程序阻礙了新藥的研發(fā)，而是說(shuō)它們尚未給行業(yè)帶來(lái)大幅的可喜改觀(guān)。 ▲幾十年來(lái)新藥的研發(fā)產(chǎn)出率正在不斷下降(圖片來(lái)源：《Nature Reviews | Drug Discovery》) 這背后的原因是什么呢?許多人已經(jīng)給出了他們的答案——生物學(xué)本身。生物學(xué)太復雜了，理論上能起效的新分子，在人體中可能有毒性，可能有脫靶效應，可能有副作用，可能與其他分子發(fā)生復雜的反應。更何況，沒(méi)有兩名患者的身體特征完全一致，這進(jìn)一步增加了藥物研發(fā)的復雜程度。許多人工智能專(zhuān)家說(shuō)得很好，AI只是工具，我們不必神話(huà)它�？墒�，倘若使用工具的人都無(wú)法說(shuō)透要它實(shí)現什么樣的功能，我們又要怎樣用它帶來(lái)新的革命呢? 另一個(gè)瓶頸或許在于設計理念的局限。目前，許多醫藥企業(yè)正在嘗試用人工智能來(lái)設計分子。在已經(jīng)發(fā)表的研究中，我們也的確看到了一些階段性的進(jìn)展——最近，阿斯利康的一篇論文使用遞歸神經(jīng)網(wǎng)絡(luò )和增強學(xué)習，試圖釋放AI的創(chuàng )造性，讓它帶來(lái)更多樣化的分子管線(xiàn)。從結果上看，與天然分子相比，AI設計出的分子的確有著(zhù)明顯區別 。 ▲虛假的多樣性。與自然分子(紅色)相比，人工智能設計的分子(藍色)可以有足夠差別，但并不多樣(圖片來(lái)源：The AI Lab) ▲真正的多樣性，離不開(kāi)人工智能設計的分子(藍色)之間的比較(圖片來(lái)源：The AI Lab) 但著(zhù)名人工智能博主Mostapha Benhenda博士認為，我們并沒(méi)有真正回答“多樣化”的問(wèn)題。與天然分子相比，AI設計出的分子顯著(zhù)不同，這很好。但我們不應僅僅局限于讓“天然”和“AI”做比較。就像AlphaGo的系列版本進(jìn)行了自我對弈一般，我們也應該讓AI設計出的分子進(jìn)行自我對比。這樣我們才能真的看出，人工智能是否有足夠的創(chuàng )造性。 未來(lái)在何方? 據羿戓信息所了解，硅谷的Andreessen Horowitz是一家風(fēng)投公司。最近，它募集了4.5億美元的經(jīng)費，投資生物學(xué)領(lǐng)域。它所關(guān)注的熱點(diǎn)之一，正是人工智能。其合伙人Vijay Pande博士同意“生物學(xué)非常復雜”這一觀(guān)點(diǎn)。他在接受藥明康德的專(zhuān)訪(fǎng)時(shí)透露的觀(guān)點(diǎn)與Bruce Booth博士如出一轍——“生物學(xué)很復雜，以至于人類(lèi)的大腦無(wú)法理解一切。我們在理解生物學(xué)方面的局限性導致了晚期臨床試驗結果的復雜性”。但對未來(lái)表示樂(lè )觀(guān)的他也說(shuō)：“生物學(xué)可能對于人類(lèi)大腦來(lái)說(shuō)太復雜了，但對于某些類(lèi)型的AI可能不是太復雜;AI可以用人腦無(wú)法實(shí)現的方法整合數據，然后能夠將研究人員引導到有趣的新地方�！� ▲Andreessen Horowitz合伙人Vijay Pande博士在2018藥明康德全球論壇上參與了人工智能的專(zhuān)題討論 換句話(huà)說(shuō)，如果生物學(xué)是新藥研發(fā)的瓶頸，那么就讓AI直接去解決生物學(xué)難題。這比起簡(jiǎn)單讓人工智能設計分子，則又高了一個(gè)層次。去年，藥明明碼(WuXi NextCODE)與耶魯大學(xué)醫學(xué)院合作，利用人工智能技術(shù)，發(fā)現了一種人所不知的血管發(fā)育機制，這就是一個(gè)很好的案例�！吧疃葘W(xué)習讓我們能在生物學(xué)領(lǐng)域中確定一些事物之間的真正因果關(guān)系，讓我們找到驅動(dòng)疾病的基因或通路�！彼幟髅鞔a的首席執行官Hannes Smarason先生說(shuō)道。 通過(guò)深度學(xué)習算法預測，以及動(dòng)物模型中的驗證，這一血管發(fā)育機制得到了確認，并發(fā)表在了頂尖學(xué)術(shù)期刊《自然》雜志上。人工智能在生物學(xué)中的未來(lái)應用值得期待。 另一家知名醫藥企業(yè)Celgene的研究和早期開(kāi)發(fā)總裁Rupert Vessey博士在今年的藥明康德全球論壇上，也分享了人工智能在新藥設計與發(fā)現中的前景。他指出，AI在分子設計上取得的出色進(jìn)展，有望促使醫學(xué)化學(xué)家和其他分子設計師，推動(dòng)領(lǐng)域向前發(fā)展。沒(méi)有一項工具會(huì )是新藥研發(fā)的最終解決方案，人工智能也不是。但對于特定的工作來(lái)說(shuō)，合適的工具能極大地提高效率。Vessey博士認為，在分子設計方面，屬于A(yíng)I的時(shí)代已經(jīng)到來(lái)。 ▲Celgene研究與早期開(kāi)發(fā)總裁Rupert Vessey博士在2018藥明康德全球論壇上分享了對于A(yíng)I的看法 人工智能不是魔法，也不能將4、5年的新藥發(fā)現過(guò)程縮短到4、5天。但我們相信，隨著(zhù)我們對生物學(xué)的理解不斷加深，隨著(zhù)計算能力的不斷加強，人工智能有望為醫療健康行業(yè)帶來(lái)可喜的進(jìn)展。在這個(gè)微信公眾號里，我們也將與各位讀者朋友們一道，分享這些來(lái)自全球的最新人工智能動(dòng)態(tài)。 用一句經(jīng)典的話(huà)作為結尾吧�！癆I不會(huì )取代藥物研發(fā)人員，但是使用AI的藥物研發(fā)人員將會(huì )取代那些不使用AI的人”。在這里，我們一起讀懂AI。 |
