人工智能让药物研发“先假设再验证” 传统模式180度翻转
在美国波士顿，前列腺癌患者Randell Sanders把自己的两份血样以及各一份尿液和唾液样本交给了护士。临床人员将会检测分析Randell Sanders的样本，以观察他的身体对前列腺癌治疗的反应。不过，这些样本也会被送往一个实验室，在那里人工智能技术应用正在改变制药公司的药物研发模式。
癌症患者Randell Sanders将自己的生物样本捐给实验室，进行AI和药物研究。
研发人员认为，擅长模式识别的人工智能可以从海量的已有和新的基因、代谢及临床信息中筛查筛选，以破解各种疾病背后的复杂生物网络。反过来，这也有助于发现适用于特定病人群体的药物，同时引导药企规避很可能会失败的药物。
过去，药企利用人工智能主要是为了化学检查分析，比如一种药物是否会同某一蛋白质结合。如今的趋势是利用人工智能分析生物系统，以获取药物如何影响病人的细胞和组织的线索。
借助人工智能获知的生物学意义，也能帮助药企更好地确定并招募病人，以参与对他们最可能见效的创新疗法的临床试验，或许也能提升新药获监管机构批准的可能性，比如获得美国FDA批准。
从Randell Sanders的样本提取的数据将会被录入一个叫“生存计划”（Project Survival）的数据库。Project Survival是美国数据驱动型生物科技公司Berg Health出资1700万美元、历时7年的研究项目。
Randell Sanders现年64岁，是一名退役海军老兵，他说之所以同意参与该研究，是因为希望能“帮到下一个人”。人工智能将会对他的样本和基因，以及成百上千名其他病人的样本和基因，进行“地毯式”检索排查，寻找分子特征或生物标志，以备日后用于评估特定药物的疗效，以及发现确定药物最可能起效的病人。
Berg Health的总裁Niven Narain指出，人工智能驱动的药物实验同传统药物实验的最大区别在于，“我们并不预先作出任何假设。我们决不允许根据人的假设来生成数据。我们根据从病人那里获取的数据来生成假设。”
人工智能助力药物研发方式多多
“Project Survival”只是借助人工智能研发创新疗法的诸多研究计划中的一个缩影。根据分析公司Datamonitor Healthcare今年五月发布的一份研究报告，人工智能对药物研发的助力还包括：发现新药或者老药新用，以及通过改善病人招募和场地选择来加速临床试验。
一些公司，比如加州圣布鲁诺 (San Bruno)的Numerate公司以及英国伦敦的Benevolent AI，借助人工智能技术自主研发小分子药物，并将药物专利授权给制药界客户。另外一些公司，比如IBM、加州旧金山的Atomwise以及马里兰州巴尔的摩市的Insilico Medicine，同大学和非盈利机构结成研究伙伴关系，或者成立面向药企的人工智能服务机构。
比如，德国默克集团正在借助Atomwise公司的深度学习技术来发现确认可用于制备神经系统疾病药物的化合物。再比如，今年一月，葛兰素史克公司宣布同位于加州的劳伦斯利物莫国家实验室（Lawrence Livermore National Laboratory）结成伙伴关系，携手利用人工智能进行药物研发。葛兰素史克负责科技的高级副总裁约翰·巴尔多尼(JohnBaldoni)表示，合作的目的是借助人工智能将药物研发时间压缩至一年，而此前有些药物研发耗时长达10年。
在欧洲，科学家们也准备发起类似的合作计划。据熟悉内情的人士透露，强生公司（Johnson & Johnson）的杨森制药将会参与其中，还包括其他几家制药公司以及学术研究人员。不过，杨森公司拒绝就此置评。
全球咨询公司麦肯锡（McKinsey & Co.）制药及医疗产品行业合伙人Sastry Chilukuriv指出，药企对人工智能兴趣大增是几股推动力量共同作用的结果。包括“海量数据”越来越可获取、运算能力及人工智能算法的进展提升，以及制药行业长期以来致力于提升药物研发效率。
此外，精准医疗或个性化医疗的兴起，也给制药企业带来压力， 迫使它们放弃“放之四海皆准”的研发模式。
匹兹堡大学药物发现研究所（Drug Discovery Institute）新型疗法主管Andrew Stern说：“同一疾病在每个病人身上都不会完全相同。”他指出，随着医护变得日益个性化，如今一些药物的市场规模“与以往的畅销药物相比相对要小。”他补充说，如果药品研发流程一成不变，研发成本“很可能不会有什么变化”。
因此，希望只能寄托于人工智能能将新药研发的成本降下来。目前，支撑人工智能将会削减药物研发成本的数据缺乏，部分原因在于新药物的商业化进程耗时较长，而且人工智能助力生物制药还是一个相对的新生事物。
麦肯锡公司的Sastry Chilukuriv表示，“药物研发进程大约持续10年。”因此，好处“将会在未来10到15年逐步显现。”他认为，从中期来看，应用人工智能对制药行业的价值提升约相当于销售增加5%到10%，不过“长期益处肯定要超过这一水平。”
初步好处已开始显现，但多重障碍有待跨越
一些制药企业表示，它们已经看到了应用人工智能带来的初步好处。研发数据科学的负责人Hugo Ceulemans表示，杨森制药在“绝大多数药品研发项目中”使用了人工智能科技。他说，经过各种数据来源训练的人工智能系统，帮助取得了“明显的性能改进”，因为人工智能系统使得在实验室“更好地选择制备何种化合物进行测试”成为可能，而且也能“标记”那些化合物或许会有“毒性”效果，或者“意想不到的良性”效果。
德国制药巨头默克集团外部创新的负责人Joern-Peter Halle表示，公司借助计算机视觉软件研发出两款新药，这些视觉软件能对细胞和组织的图片进行分析，以及其他人工智能系统能够从基因和化学药品公共数据库中获取洞见。
Niven Narain表示，在Berg Health公司，人工智能科技让科学家们了解临床试验阶段的药物在分子层面就会如何起效，进而帮助他们“决定选哪些癌症进行药物研发攻关。” Niven Narain说，这种筛选比传统药品研发方式“至少节省50%的成本。”
不过，若想人工智能充分发挥其在药物研发上的潜能，仍有诸多障碍需要跨越。
比如，北卡罗来纳大学研究机器学习的助理教授Olexandr Isayev指出，即使在同一机构内，不同的数据集可能是碎片化的，而且存储方式并不兼容，使得机器理解识别数据变得很困难，而让数据变得协调兼容需要付出卓绝的努力。
科学家们表示，数据保密也是个令人担忧的问题，尤其是考虑到近期针对医疗保健系统的网络攻击多发。
此外，药物批准过程也是一大难关，因为药物批准需要动物和人体实验数据，这也使得短期内在药物研发上计算机不可能彻底取代科学家。
FDA药物评估和研究中心新药部门副主任Peter Stein表示，FDA鼓励药企“在研发安全有效的小分子药物方面提升效率”，但是他补充说，FDA有关临床试验和药物批准流程的标准“不会因特别的研发策略而有所不同。”
相关文章
精彩导读
热门资讯
关注我们
