在藥物研發(fā)領(lǐng)域，AI正從無(wú)人問(wèn)津的邊緣角落走向舞臺(tái)的中央。最有名氣的藥物發(fā)現(xiàn)機(jī)器當(dāng)屬IBM的Watson。但是，AI能夠最終成為醫(yī)藥研發(fā)的工具還面臨著諸多挑戰(zhàn)。首要的困難就是數(shù)據(jù)的可及性，另一個(gè)難點(diǎn)是費(fèi)用問(wèn)題。
(深度學(xué)習(xí)算法開(kāi)始“入圍”藥物研發(fā)領(lǐng)域)
在與世界圍棋冠軍的對(duì)弈中，人們驚嘆于阿爾法狗的收放自如，獨(dú)孤求敗;近日，由百度研發(fā)的無(wú)人駕駛汽車現(xiàn)身北京五環(huán)，引燃輿論……目前人工智能(Artificial intelligence, AI)已越來(lái)越多地介入到我們生活的方方面面。同樣，在醫(yī)藥研發(fā)領(lǐng)域，AI也頻顯身手。
今年6月，武田制藥與Numerate達(dá)成協(xié)議，Numerate開(kāi)發(fā)的AI將幫助武田制藥開(kāi)發(fā)腫瘤、消化系統(tǒng)以及神經(jīng)系統(tǒng)的藥物;同樣在上個(gè)月，馬薩諸塞州劍橋市的GNS醫(yī)療保健機(jī)構(gòu)與羅氏子公司基因泰克達(dá)成協(xié)議，后者將借助GNS的AI平臺(tái)來(lái)深入研究影響目前腫瘤治療效果的因素;今年5月，賽諾菲與Exscientia達(dá)成2.8億美元的里程碑付款協(xié)議，Exscientia幫助賽諾菲設(shè)計(jì)治療糖尿病和心血管疾病的藥物。
長(zhǎng)期以來(lái)，醫(yī)藥研發(fā)者對(duì)AI持懷疑態(tài)度，但最近AI與藥企頻頻聯(lián)手，正在打破這種成見(jiàn)。因?yàn)锳I正直面醫(yī)藥研發(fā)的“痛處”——較高的臨床失敗率。
傳統(tǒng)的醫(yī)藥研發(fā)模式耗時(shí)耗力，且成功率不高。據(jù)統(tǒng)計(jì)，目前進(jìn)入臨床I期的候選藥物最終成功上市的概率只有10%，研發(fā)失敗的藥物中，約50%是因?yàn)槿狈Ο熜?。缺乏療效的可能原因是選擇了錯(cuò)誤的靶點(diǎn)，而AI或許有助于降低因缺乏療效而導(dǎo)致藥物研發(fā)失敗的風(fēng)險(xiǎn)。
在藥物研發(fā)領(lǐng)域，AI正從無(wú)人問(wèn)津的邊緣角落走向舞臺(tái)的中央。也許，最有名氣的藥物發(fā)現(xiàn)機(jī)器當(dāng)屬IBM的Watson。2016年11月，IBM與輝瑞達(dá)成協(xié)議，幫助后者開(kāi)發(fā)腫瘤免疫類藥物。Watson通過(guò)快速發(fā)掘、分析海量的文獻(xiàn)數(shù)據(jù)、實(shí)驗(yàn)室數(shù)據(jù)、臨床報(bào)告等來(lái)發(fā)現(xiàn)藥物。目前，生物醫(yī)藥信息爆炸式增長(zhǎng)，研究者需要一些能夠自主學(xué)習(xí)的機(jī)器，以應(yīng)對(duì)海量數(shù)據(jù)。目前，已有一些AI介入醫(yī)藥研發(fā)的實(shí)踐，如表1所示。
表1 一些AI公司與醫(yī)藥公司合作研發(fā)的案例
在研究諸如無(wú)人駕駛汽車，自然語(yǔ)言處理的過(guò)程中，AI已經(jīng)升級(jí)了復(fù)雜的多級(jí)人工神經(jīng)網(wǎng)絡(luò)(sophisticated multilevel artificial neural networks)，也叫深度學(xué)習(xí)算法(Deep-learning algorithms)，如今這些方式可以運(yùn)用到藥物研發(fā)中。Numerate就是這樣眾多AI公司中的一員，它試著將AI應(yīng)用到藥物研發(fā)的每一個(gè)階段，從化合物靶點(diǎn)的虛擬篩選，到化合物結(jié)構(gòu)的設(shè)計(jì)與優(yōu)化，以及建立藥物吸收、分配、代謝、排泄和毒性的模型。Numerate與武田制藥合作，計(jì)劃為后者提供臨床候選藥物。
不光服務(wù)藥企，AI同樣在學(xué)術(shù)圈大顯身手。Atomwise——多倫多大學(xué)的分支機(jī)構(gòu)，建立了AtomNet平臺(tái)，它計(jì)劃篩選1000萬(wàn)個(gè)化合物。今年，它免費(fèi)為超過(guò)100所大學(xué)的藥物實(shí)驗(yàn)室提供服務(wù)，根據(jù)各實(shí)驗(yàn)室選定的靶點(diǎn)，Atomwise為各實(shí)驗(yàn)室提供了72個(gè)潛力候選藥物。
但是，AI能夠最終成為醫(yī)藥研發(fā)的工具還面臨著諸多挑戰(zhàn)。首要的困難就是數(shù)據(jù)的可及性。大數(shù)據(jù)公司已經(jīng)搜集了自1980年以來(lái)能夠共享的臨床數(shù)據(jù)，很多公司也都加入到化合物共享以及老藥新用的探索中。比如，葛蘭素史克正在向ATOM分享他們實(shí)驗(yàn)數(shù)據(jù)、基因數(shù)據(jù)、藥理以及藥代數(shù)據(jù)。盡管如此，大型制藥企業(yè)的原始數(shù)據(jù)比較凌亂，需要進(jìn)行有序的數(shù)字化整理。
AI在藥物研發(fā)中應(yīng)用的另一個(gè)難點(diǎn)是費(fèi)用問(wèn)題。在諸如計(jì)算機(jī)視覺(jué)這樣的領(lǐng)域，研究者可以得到巨額的數(shù)據(jù)集，這是因?yàn)槊總€(gè)數(shù)據(jù)點(diǎn)的費(fèi)用極小。但在制藥領(lǐng)域，每個(gè)數(shù)據(jù)點(diǎn)的花費(fèi)相當(dāng)昂貴，這就要求研究者必須開(kāi)發(fā)出一套不依賴海量數(shù)據(jù)的算法。加利福尼亞州斯坦福大學(xué)的研究者們正為此努力，他們開(kāi)發(fā)出一種算法，依靠少許數(shù)據(jù)，只需要幾次簡(jiǎn)單的學(xué)習(xí)，計(jì)算機(jī)就能推測(cè)藥物的性能。
隨著計(jì)算機(jī)計(jì)算能力的不斷升級(jí)，深度學(xué)習(xí)算法的不斷進(jìn)步，AI看起來(lái)會(huì)對(duì)藥物研發(fā)產(chǎn)生深遠(yuǎn)的影響。據(jù)估算，小分子藥物的數(shù)據(jù)量大約在1060，未來(lái)的藥物研發(fā)者們或許在做每個(gè)決定前，需要依據(jù)手頭有限的數(shù)據(jù)，建立n種新的模型，盡可能實(shí)現(xiàn)1060次檢索。
在AI領(lǐng)域，谷歌大腦(Google Brain)早已名聲在外，這是谷歌的深度學(xué)習(xí)工程。谷歌匯聚了全球頂尖的AI開(kāi)發(fā)人才，目前正擴(kuò)充生物科學(xué)團(tuán)隊(duì)，他們最近完成了量子化學(xué)與深度學(xué)習(xí)技術(shù)的對(duì)接。據(jù)行業(yè)分析師預(yù)測(cè)，在不久的將來(lái)，谷歌將會(huì)設(shè)立由AI驅(qū)動(dòng)的藥物研發(fā)公司。
大家都在討論AI在藥物研發(fā)領(lǐng)域的潛力，似乎前景光明。但事實(shí)上，多數(shù)藥企巨頭對(duì)AI還持觀望態(tài)度。因?yàn)榈侥壳盀橹梗镄畔W(xué)還沒(méi)有對(duì)藥物研發(fā)的成功率產(chǎn)生積極的影響。在醫(yī)藥研發(fā)領(lǐng)域，AI必須帶來(lái)成功的故事，只有如此，才能引領(lǐng)更多的藥企進(jìn)入AI時(shí)代。
轉(zhuǎn)型的最終目的 -提質(zhì)降本增效
分享到微信 ×
打開(kāi)微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁(yè)分享至朋友圈。