|
近期的一個(gè)周五，家住波士頓的RandellSanders將兩份他的血液樣本，還有一份尿液和唾液樣本交給了護士。臨床醫生將對一些樣本進(jìn)行測試，看看他的身體對胰腺癌的治療反應。 與此同時(shí)，這些樣本也被送到了一家實(shí)驗室，在那里人工智能正改變著(zhù)制藥公司研發(fā)藥物的方式。 擅長(cháng)模式識別的計算機，可以通過(guò)大量新的和現有的基因、代謝和臨床信息篩選，來(lái)解開(kāi)致使疾病肆虐的復雜生物網(wǎng)絡(luò )。反過(guò)來(lái)，這也有助于識別可能在特定病人人群中起效的藥物，同時(shí)減少藥物研發(fā)失敗的機率。 過(guò)去，制藥公司使用AI來(lái)檢查化學(xué)物質(zhì)——例如，一種藥物是否會(huì )附著(zhù)在特定的蛋白質(zhì)上。但現在的趨勢是使用AI來(lái)探測生物系統，以獲得有關(guān)藥物如何影響病人細胞或組織的線(xiàn)索。 由機器學(xué)習驅動(dòng)的生物學(xué)洞見(jiàn)也可以幫助制藥公司更好地識別和招募那些最理想的病人進(jìn)行臨床試驗，這可能會(huì )提高那些藥物得到政策部門(mén)批準的機會(huì )，如FDA。 美國海軍退伍軍人、現年64歲的Mr Sanders所生產(chǎn)的樣本數據，將成為Project Survival這個(gè)耗資1700萬(wàn)美元的項目數據庫中的一部分。資助方是一家位于馬薩諸塞州雷明漢鎮叫做Berg的公司。這家公司是歐美正利用人工智能使得藥物研發(fā)成本更低、效率更高的多家公司中的一家。Sanders表示，他同意參加這項研究，希望它能“幫助下一個(gè)人”。智能機器將會(huì )搜尋他和其他幾百名患者的樣本和基因，得到分子指紋或生物標記。這可以用于幫助測量特定藥物的影響，并識別出這種藥物可能最有用的患者。 Berg的CEO Niven Narain表示，AI驅動(dòng)的藥物試驗與傳統藥物試驗之間有著(zhù)巨大的不同。用AI來(lái)驅動(dòng)藥物試驗，我們不能預先做出任何假設。我們不允許[人類(lèi)]假設來(lái)產(chǎn)生數據。我們利用病人產(chǎn)生的數據來(lái)產(chǎn)生假設。 廣泛使用 Project Survival是一個(gè)更大的希望在智能機器的幫助下研發(fā)治療方法的研究項目的一部分。來(lái)自Datamonitor Healthcare的一位分析師在2017年5月的一份報告中指出，在藥物研究中利用人工智能技術(shù)的其他嘗試包括：使用該技術(shù)研制新藥，或為已經(jīng)批準的藥物尋找新用途，以及通過(guò)加速患者招聘和網(wǎng)站選擇，來(lái)加快臨床試驗。 一些公司，如加州San Bruno市的Numerate公司和倫敦的BenevolentAI公司，正在研發(fā)自己的分子，并將其授權給制藥行業(yè)的客戶(hù)。其他的公司，如IBM、位于舊金山的Atomwise公司和位于Baltimore的Insilico醫藥公司正在與大學(xué)和非營(yíng)利組織建立研究合作關(guān)系，并設立針對制藥公司的人工智能服務(wù)。 據默克研究實(shí)驗室在Palo Alto的首席科學(xué)家David Rosen所說(shuō)，默克公司正在使用Atomwise的深度學(xué)習技術(shù)來(lái)識別可以用于治療神經(jīng)系統疾病的化合物。最近，人們對人工智能在醫療上的應用越來(lái)越有興趣，一部分原因是由于在機器翻譯和計算機視覺(jué)等應用領(lǐng)域，深度學(xué)習已經(jīng)取得了巨大的進(jìn)步。 今年1月，葛蘭素史克公司和加州Livermore的Lawrence Livermore國家實(shí)驗室宣布建立合作伙伴關(guān)系，將利用人工智能進(jìn)行藥物研發(fā)。據葛蘭素史克平臺技術(shù)和服務(wù)部門(mén)的高級副總裁John Baldoni表示：通過(guò)這項合作，他們是希望在某些情況下，利用人工智能將原來(lái)需要耗費10年時(shí)間來(lái)進(jìn)行的研發(fā)，縮短到1年。 據幾位知情人士透露，歐洲的科學(xué)家也正準備發(fā)起一項類(lèi)似的舉措，其中包括強生公司的楊森制藥部門(mén)，以及其他幾家制藥公司和學(xué)術(shù)研究人員。楊森拒絕就該合作發(fā)表評論。 對AI興趣的上升是一個(gè)多股力量聚合的結果。這些力量包括大量可用的數據、計算能力和算法的提升，還有已經(jīng)困擾了制藥行業(yè)幾十年的冗長(cháng)的藥物研發(fā)時(shí)間。 精準度的提高，或者個(gè)性化的醫學(xué)，也給藥物研發(fā)人員帶來(lái)了壓力，使他們遠離了一刀切的模式。 “我們知道，同樣的疾病在每個(gè)病人身上都是不一樣的，”匹茲堡大學(xué)藥物發(fā)現研究所的新療法主任Andrew Stern說(shuō)。“隨著(zhù)護理變得更加個(gè)性化，一些藥物的市場(chǎng)可能“相對于我們過(guò)去所看到的來(lái)說(shuō)相對較小。但如果研發(fā)過(guò)程保持不變，研發(fā)成本就不會(huì )有太大的差別。 因此，制藥公司希望AI能夠降低開(kāi)發(fā)新藥的成本。目前還沒(méi)有足夠的數據支持人工智能將降低成本的假設，部分原因是新藥物的商業(yè)化花費如此之久，而且最近對人工輔助生物學(xué)的研究也相對較新。 “藥物研發(fā)的周期一般需要大約10年，”麥肯錫的Chilukuri表示。因此，收益將在未來(lái)10到15年內出現。從中期來(lái)看，AI對制藥行業(yè)的價(jià)值增長(cháng)可能相當于銷(xiāo)售額增長(cháng)5%到10%，但長(cháng)期收益將超過(guò)這一水平。 早期收益 一些藥物開(kāi)發(fā)商說(shuō)，他們已經(jīng)看到了早期的好處。 楊森制藥數據科學(xué)發(fā)掘主任HugoCeulemans表示：“在大多數的項目中，楊森已經(jīng)開(kāi)始用上了AI。AI系統能夠訓練包括臨床前的數據集在內的不同數據源，通過(guò)選擇更恰當的化合物進(jìn)行藥物合成和測試，以及“標記”化合物是否有毒及不良反應，,使得性能得到了顯著(zhù)的提升。 默克公司的外部創(chuàng )新主管Joern-Peter Halle說(shuō)：“默克公司通過(guò)使用計算機視覺(jué)軟件開(kāi)發(fā)了兩款新藥。計算機軟件可以分析細胞和組織的圖像，其他的AI系統能夠從基因和化學(xué)信息的公共數據庫中獲取洞見(jiàn)。 在Berg公司，Narain博士說(shuō)AI通過(guò)幫助他們了解臨床測試中的藥物如何在細胞水平上發(fā)揮作用，來(lái)幫助科學(xué)家決定“要去攻克哪一項癌癥”。Berg的系統首先通過(guò)詳細的醫學(xué)歷史、科學(xué)出版物和化學(xué)數據庫的數據來(lái)識別病人和病人之間的遺傳和其他標記。然后它將根據與特定疾病相關(guān)的基因、蛋白質(zhì)或代謝物排列，并確定特定的基因或蛋白質(zhì)與特定的病人結果相關(guān)聯(lián)。Narain博士說(shuō)，這種篩查比傳統方法“至少便宜50%”。 AI在藥物研發(fā)方面潛力的真正釋放還有一些障礙需要掃清。例如，數據集——因為即使在同一家機構,數據也是分散的或以不兼容的方式在存儲。這使機器很難理解他們，除非在數據上我們真的下功夫。 數據隱私也是個(gè)問(wèn)題�？紤]到最近在全世界出現的網(wǎng)絡(luò )安全事件。 再一個(gè)是藥物審批的流程。這個(gè)流程需要動(dòng)物和人類(lèi)實(shí)驗的數據。這使得不太可能的計算機很快就能完全取代科學(xué)家。 FDA新藥物辦公室的副主任Peter Stein表示：FDA鼓勵公司“提高識別有效和安全的分子的效率”。但是，他補充說(shuō)，FDA的臨床試驗標準和藥物審批程序“還并沒(méi)有針對特定的發(fā)現策略而有所不同�！� 來(lái)源：搜狐 |
