AI筛选潜力药物分子,四周内生成“超完美新药”!

人工智能广泛应用在各个领域中,在医疗上也已经有机器手臂、问诊机器人应用的出现,然而药品研发是医疗领域中最严谨也最耗时的过程,一般需经过大约10年的时间从研发、动物试验,三期的临床试验完成后才能正式问世,未来AI可以如何改变制药产业?

本文章出自全球未来发展研究智库“千禧年计划”的主席与创办人所撰写的《2030世界未来报告书》中《制药AI掀起的新药研发革命》章节

医疗技术在过去两百年里的进步,大大增加了人类的预期寿命。现在100岁的人就像是新60岁一样,我们现在正活在健康寿命大幅增长的时代,而让这一切变可能的就是人工智能技术。医疗领域相关的人工智能创业公司在过去的五年里,通过576笔交易获得了43亿美元以上的资金,在所有人工智能产业其中遥遥领先。

同时,美国食品药品监督管理局以可以拯救人命、减少成本为由,批准了70件人工智能健康器材。可见现在医疗领域的人工智能正在不断加速发展中。目前,让人类可以更健康、更长寿,也可以让人工智能不断扩张医疗系统的方法有机器学习、新药设计与使用大数据又快又精准的诊断系统。

AI开发新药,让原本十年的研发制成缩短成四周!

新药研发通常会消耗大量的成本与时间,即使如此,现在仍然只有十分之一的新药完成以人类为对象的临床试验,效率非常低。那么,如果人工智能系统,特别是类神经网络可以找到新型分子(药品)能治疗什么病并成功设计出来的话呢?请试着想象一下,当先进的人工智能可以将原本5,000人才能做的事压缩到50人去做,并且准确制造出的分子又能发挥百分之百药效会如何呢?这场大革命将撼动全球规模1万亿3,000亿美元的制药产业。

2019年9月3日,人工智能创业公司英科智能(Insilico Medicine)做出了可在制药界被誉为“AlphaGo”的重大成果并造成了话题。这项成果是他们使用了人工智能,在四十六日内就成功完成了候选新药的设计、合成及验证。这款新药从一开始就通过人工智能来设计,而结果也证明了通过人工智能,不用花上好几年,只需要几天的时间就能完成设计,这与一般新药上市前从设计到验证要花上十年的时间相比,快上了15倍。

英科智能开始将人工智能及深度学习的先进技术用于新药研发上是在两年前,这次的研究成果极有可能真正改变整个制药产业游戏规则。这也代表这项人工智能技术针对今日研发药物的主要课题:在广大的化学里寻找好的分子药物,极有可能成为一个指标。

英科智能的新药研发全程使用人工智能,其开发的系统平台是结合了人工智能近几年发展核心的生成对抗网络技术与深度强化学习。他们的新药研发流程是这样的,先是使用生成对抗网络技术筛选出具有潜力的候选药物分子,并利用数百万个样本和各式各样的疾病特性,找到最有希望的蛋白质作为标靶,再根据标靶生产完美的分子。然后,通过参数设置这些分子,制成具有特定参数的新分子。无论有没有发现造成疾病原因的标靶蛋白质,英科智能都能生成可以治疗许多疾病的新分子结构,像是老化、癌症、组织纤维化、帕金森氏病、阿兹海默症、肌肉萎缩症、糖尿病等等。

英科智能的首席执行官亚历克斯.扎沃隆科夫(Alex Zhavoronkov)博士想追求的终极目标,是想开发完全自动化的医学服务(health-as-a-service,简称HaaS)和长寿服务(longevity-as-aservice,简称LaaS)引擎。如果英科智能的服务能与阿里巴巴、字母公司的服务连接,新药开发引擎就能为线上用户提供符合个人的解决方案,并且帮助用户预防疾病、维持最好的健康状态。

Google运用类神经网络技术,有望解决不治之症

Google旗下的DeepMind也将其拥有的类神经网络技术投入医疗部门,进军数字化新药开发领域。2018年DeepMind发布了一款叫“AlphaFold”的新深度学习程序。我们人体内的蛋白质是由20种氨基酸化学结合后形成的,这时蛋白质会创建蛋白质折叠(protein folding)结构,这结构会取决于氨基酸的个数与串行。当这蛋白质结构发生问题时,会引发糖尿病、帕金森氏症、阿兹海默症等难治之病。从过去到现在,一直有很多科学家拼命解析这种蛋白质折叠的原理,但是要分析几乎接近无穷的蛋白质构造仍然是一件很困难的事。可是,在AlphaFold学习了数千个蛋白质的3D构造后,它已成功预测出新的蛋白质折叠,并借此找到了能量效率最高的串行。这项类神经网技术将大幅降低新药研发时间,并且可能成为解决不治之病的新关键。

主导新药开发的制药AI估计会为制药产业带来比加速药物研发进程影响更大的革命。另外,以人工智能、集中的方式发现药物不仅能大大提升效率,也具有降低临床前试验失败率的潜能。

AI加速论文、处方签中的医疗数据吸收与规整

数据重整(data crunching)意指分析出有助于人类做出决定的数据与模式。医疗前线的数据多如洪水,而这些数据其实都有益于适用在每个地方。举例来说,在美国每年有40多万名病人因为不明原因的心脏麻痹或呼吸衰竭而过早死亡(early death)。尽管这些病人们死亡后都留下了许多医学线索,光靠医生或护理师很难及时处理与分析这些超载的信息,也因此在拯救病人生命上心有余而力不足。但是,如果能交给人工智能来处理的话,情况将大不相同,因为人工智能能够分析庞大的数据量,在寻找拯救生命的模式与洞察力方面很强。

光是在美国,每年就有250万份医学论文被发布,虽然里面记载着新的医学发现、可信的治疗方法与知识,但是从现实上来看,医生不可能把所有出版的资料全都读完。为了解决这个复杂的问题,强生公司(Johnson & Johnson)正在训练IBM的沃森(Watson)人工智能程序阅读与理解详细记载临床试验结果的论文。IBM为了丰富沃森的使用数据而与苹果公司合作,将手机程序的医疗数据提供给沃森。沃森系统里现在存有4,000万件资料,且每天会消化27,000件新资料,并发送信息给数千名用户。此外,才一年的时间,沃森成功诊断出肺癌病人的准确率就达到了90%,与人类医生的50%准确率相比高出许多。

另一方面,处理传统医疗系统里尚未被整理、庞大的资料,例如处方笺、医疗记录、病理学报告、X光和报告等也是个问题。亚马逊为了解决这个问题,发布了一项适用于美国医疗保险可携性与责任法案(HIPAA)的机器学习服务,它可以分类病人的诊治、处方、症状及征兆等尚未被整理的数据。

数据信息不仅可做病人看护、还能改善治疗方案

这项服务系统可以分析与数字化病人的医疗记录,个人也可以进行自我健康管理,而医生与医院可以使用这些数据,进而改善治疗方案与降低成本。前美国食品药品监督管理局首席医疗首席信息官、现为亚马逊医疗部门负责人的塔哈.卡斯豪特(Taha Kass-Hout)宣称内部测试的结果证实了这个系统比其他公司的产品更优秀。他也表示公司目前正在与位于西雅图的福瑞德哈金森癌症研究中心(FHCRC)合作,将这项系统用于癌症预防与治疗的机器学习研究上。

英伟达(NVIDIA)首席执行官黄仁勋曾说过:“软件正在吃掉世界,但是人工智能正在吃掉软件。”这代表以后人工智能会先吃掉医疗领域,加速人类长寿研究并增加人类的健康寿命。人工智能与数据分析技术已经在不少领域中缴出创新又高成功率的算法成绩单,它们将会成为引领医疗产业的未来金矿。

发表评论