在藥物研發(fā)領(lǐng)域，AI正從無人問津的邊緣角落走向舞臺的中央。最有名氣的藥物發(fā)現(xiàn)機器當屬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，另一個難點是費用問題。
(深度學(xué)習(xí)算法開始“入圍”藥物研發(fā)領(lǐng)域)
在與世界圍棋冠軍的對弈中，人們驚嘆于阿爾法狗的收放自如，獨孤求敗;近日，由百度研發(fā)的無人駕駛汽車現(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達成協(xié)議，Numerate開發(fā)的AI將幫助武田制藥開發(fā)腫瘤、消化系統(tǒng)以及神經(jīng)系統(tǒng)的藥物;同樣在上個月，馬薩諸塞州劍橋市的GNS醫(yī)療保健機構(gòu)與羅氏子公司基因泰克達成協(xié)議，后者將借助GNS的AI平臺來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達成2.8億美元的里程碑付款協(xié)議，Exscientia幫助賽諾菲設(shè)計治療糖尿病和心血管疾病的藥物。
長期以來，醫(yī)藥研發(fā)者對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。因為AI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)模式耗時耗力，且成功率不高。據(jù)統(tǒng)計，目前進入臨床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%是因為缺乏療效。缺乏療效的可能原因是選擇了錯誤的靶點，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。
在藥物研發(fā)領(lǐng)域，AI正從無人問津的邊緣角落走向舞臺的中央。也許，最有名氣的藥物發(fā)現(xiàn)機器當屬IBM的Watson。2016年11月，IBM與輝瑞達成協(xié)議，幫助后者開發(fā)腫瘤免疫類藥物。Watson通過快速發(fā)掘、分析海量的文獻數(shù)據(jù)、實驗室數(shù)據(jù)、臨床報告等來發(fā)現(xiàn)藥物。目前，生物醫(yī)藥信息爆炸式增長，研究者需要一些能夠自主學(xué)習(xí)的機器，以應(yīng)對海量數(shù)據(jù)。目前，已有一些AI介入醫(yī)藥研發(fā)的實踐，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
在研究諸如無人駕駛汽車，自然語言處理的過程中，AI已經(jīng)升級了復(fù)雜的多級人工神經(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)的每一個階段，從化合物靶點的虛擬篩選，到化合物結(jié)構(gòu)的設(shè)計與優(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)的分支機構(gòu)，建立了AtomNet平臺，它計劃篩選1000萬個化合物。今年，它免費為超過100所大學(xué)的藥物實驗室提供服務(wù)，根據(jù)各實驗室選定的靶點，Atomwise為各實驗室提供了72個潛力候選藥物。
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分享他們實驗數(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)用的另一個難點是費用問題。在諸如計算機視覺這樣的領(lǐng)域，研究者可以得到巨額的數(shù)據(jù)集，這是因為每個數(shù)據(jù)點的費用極小。但在制藥領(lǐng)域，每個數(shù)據(jù)點的花費相當昂貴，這就要求研究者必須開發(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，他們開發(fā)出一種算法，依靠少許數(shù)據(jù)，只需要幾次簡單的學(xué)習(xí)，計算機就能推測藥物的性能。
隨著計算機計算能力的不斷升級，深度學(xué)習(xí)算法的不斷進步，AI看起來會對藥物研發(fā)產(chǎn)生深遠的影響。據(jù)估算，小分子藥物的數(shù)據(jù)量大約在1060，未來的藥物研發(fā)者們或許在做每個決定前，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開發(fā)人才，目前正擴充生物科學(xué)團隊，他們最近完成了量子化學(xué)與深度學(xué)習(xí)技術(shù)的對接。據(jù)行業(yè)分析師預(yù)測，在不久的將來，谷歌將會設(shè)立由AI驅(qū)動的藥物研發(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。但事實上，多數(shù)藥企巨頭對AI還持觀望態(tài)度。因為到目前為止，生物信息學(xué)還沒有對藥物研發(fā)的成功率產(chǎn)生積極的影響。在醫(yī)藥研發(fā)領(lǐng)域，AI必須帶來成功的故事，只有如此，才能引領(lǐng)更多的藥企進入AI時代。
轉(zhuǎn)型的最終目的 -提質(zhì)降本增效
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。