|
“平均下來，醫(yī)藥公司每篩選出的8000個藥用分子中，只有1款能最終問世。計算機有望能提高這個比例——化學(xué)家們再也不用整周、甚至是整月地呆在實驗室，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醫(yī)藥行業(yè)省下數(shù)億美元的科研經(jīng)費，也能省下數(shù)千個不必要的工作日。在今日的硅谷，處處都能聽到類似的聲音。 ▲30多年前，人們就曾暢想用計算機來設(shè)計藥物(圖片來源：《財富》) 但這樣的觀點其實并不新鮮。開頭所引的這段文字，來源于1981年的《Discovery》雜志。幾個月后，《財富》雜志的封面對計算機輔助的藥物發(fā)現(xiàn)(computer-aided drug discovery，CADD)也進行了專題報道。如今，距離上一波高漲的熱情，已經(jīng)過去了快40年。我們的前進步伐為何如此緩慢? 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，但同時也是一位冷靜的思考者。他指出，新藥發(fā)現(xiàn)和研發(fā)所面臨的挑戰(zhàn)數(shù)不勝數(shù)，人工智能可以解決的部分有限。在個人博客上，Booth博士指出，用計算機設(shè)計新藥的程序已經(jīng)存在了好幾十年。但在醫(yī)藥行業(yè)，研發(fā)產(chǎn)出率非但沒有上升，反而還逐年下降。藥物發(fā)現(xiàn)的時間沒有縮短，成本也沒有變得更低。這并不是說這些程序阻礙了新藥的研發(fā)，而是說它們尚未給行業(yè)帶來大幅的可喜改觀。 ▲幾十年來新藥的研發(fā)產(chǎn)出率正在不斷下降(圖片來源：《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(fù)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(yīng)，可能有副作用，可能與其他分子發(fā)生復(fù)雜的反應(yīng)。更何況，沒有兩名患者的身體特征完全一致，這進一步增加了藥物研發(fā)的復(fù)雜程度。許多人工智能專家說得很好，AI只是工具，我們不必神話它。可是，倘若使用工具的人都無法說透要它實現(xiàn)什么樣的功能，我們又要怎樣用它帶來新的革命呢? 另一個瓶頸或許在于設(shè)計理念的局限。目前，許多醫(yī)藥企業(yè)正在嘗試用人工智能來設(shè)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，讓它帶來更多樣化的分子管線。從結(jié)果上看，與天然分子相比，AI設(shè)計出的分子的確有著明顯區(qū)別 。 ▲虛假的多樣性。與自然分子(紅色)相比，人工智能設(shè)計的分子(藍色)可以有足夠差別，但并不多樣(圖片來源：The AI Lab) ▲真正的多樣性，離不開人工智能設(shè)計的分子(藍色)之間的比較(圖片來源：The AI Lab) 但著名人工智能博主Mostapha Benhenda博士認為，我們并沒有真正回答“多樣化”的問題。與天然分子相比，AI設(shè)計出的分子顯著不同，這很好。但我們不應(yīng)僅僅局限于讓“天然”和“AI”做比較。就像AlphaGo的系列版本進行了自我對弈一般，我們也應(yīng)該讓AI設(shè)計出的分子進行自我對比。這樣我們才能真的看出，人工智能是否有足夠的創(chuàng)造性。 未來在何方? 據(jù)羿戓信息所了解，硅谷的Andreessen Horowitz是一家風投公司。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(fù)雜”這一觀點。他在接受藥明康德的專訪時透露的觀點與Bruce Booth博士如出一轍——“生物學(xué)很復(fù)雜，以至于人類的大腦無法理解一切。我們在理解生物學(xué)方面的局限性導(dǎo)致了晚期臨床試驗結(jié)果的復(fù)雜性”。但對未來表示樂觀的他也說：“生物學(xué)可能對于人類大腦來說太復(fù)雜了，但對于某些類型的AI可能不是太復(fù)雜;AI可以用人腦無法實現(xiàn)的方法整合數(shù)據(jù)，然后能夠?qū)⒀芯咳藛T引導(dǎo)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題討論 換句話說，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。這比起簡單讓人工智能設(shè)計分子，則又高了一個層次。去年，藥明明碼(WuXi NextCODE)與耶魯大學(xué)醫(yī)學(xué)院合作，利用人工智能技術(shù)，發(fā)現(xiàn)了一種人所不知的血管發(fā)育機制，這就是一個很好的案例。“深度學(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(qū)動疾病的基因或通路�！彼幟髅鞔a的首席執(zhí)行官Hannes Smarason先生說道。 通過深度學(xué)習算法預(yù)測，以及動物模型中的驗證，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)中的未來應(yīng)用值得期待。 另一家知名醫(yī)藥企業(yè)Celgene的研究和早期開發(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(shè)計與發(fā)現(xiàn)中的前景。他指出，AI在分子設(shè)計上取得的出色進展，有望促使醫(yī)學(xué)化學(xué)家和其他分子設(shè)計師，推動領(lǐng)域向前發(fā)展。沒有一項工具會是新藥研發(fā)的最終解決方案，人工智能也不是。但對于特定的工作來說，合適的工具能極大地提高效率。Vessey博士認為，在分子設(shè)計方面，屬于AI的時代已經(jīng)到來。 ▲Celgene研究與早期開發(fā)總裁Rupert Vessey博士在2018藥明康德全球論壇上分享了對于AI的看法 人工智能不是魔法，也不能將4、5年的新藥發(fā)現(xiàn)過程縮短到4、5天。但我們相信，隨著我們對生物學(xué)的理解不斷加深，隨著計算能力的不斷加強，人工智能有望為醫(yī)療健康行業(yè)帶來可喜的進展。在這個微信公眾號里，我們也將與各位讀者朋友們一道，分享這些來自全球的最新人工智能動態(tài)。 用一句經(jīng)典的話作為結(jié)尾吧�！癆I不會取代藥物研發(fā)人員，但是使用AI的藥物研發(fā)人員將會取代那些不使用AI的人”。在這里，我們一起讀懂AI。 |
