人工（gōng）智能助力医疗，精准找出（chū）治病物质

在制药（yào）过（guò）程中,药物被淘汰（tài）的（de）原因众多,其（qí）中（zhōng）之一就在于其对细胞色素P450的消极（jí）抑（yì）制（zhì）作用。细（xì）胞色素P450是一组主（zhǔ）要在（zài）肝脏中产生的酶（méi）,通常（cháng）被（bèi）称为CYP450,参与分解化学物质,防止（zhǐ）它们在血（xuè）液中积累到危险的水平。然（rán）而,事实证明,许（xǔ）多实验药物都（dōu）能抑制CYP450的产生,这种（zhǒng）的副作用会使（shǐ）药物对（duì）人体产生毒（dú）性。

制药公司一直依赖于（yú）传统医（yī）学工具来预（yù）测（cè）药物是否（fǒu）会抑制患者体（tǐ）内的CYP450,比如在试（shì）管中进行（háng）化学分析,观察CYP450与具（jù）有化学相似性的药物之（zhī）间的相互作（zuò）用,以及在小白鼠身上进行（háng）实（shí）验。但是（shì）这样的（de）预测可能（néng）并不准确。在某（mǒu）些情况下,CYP450相关毒性只有在人体试验（yàn）中才会被（bèi）发现,导致付诸的（de）金钱（qián）多年的努力白费。就在这个关（guān）键时刻,AI制药重（chóng）新进入了大众（zhòng）视野。

弥补传统制药弊端,AI制药（yào）效率大幅（fú）提高

制药的低效率引（yǐn）出（chū）了一个更（gèng）严（yán）肃的问题（tí）:至（zhì）少20年（nián）来,价值1万亿美（měi）元的（de）全球制药行业（yè）一直处于药物（wù）开（kāi）发低迷、生产率下滑的状态。制药（yào）公司（sī）的金钱投入越（yuè）来越多——10家最大的制药公司现（xiàn）在每年花费近800亿美元（yuán）——研（yán）发出的有效药物却（què）越来越少。十（shí）年（nián）前,若投入一美（měi）元来研发（fā）药物,就能收到10美分的回报;如（rú）今,收益率却不足2美分。某种程（chéng）度（dù）上,这是因为用（yòng）于治疗常见疾病（bìng）的药物都（dōu）已经找到了,只（zhī）剩下（xià）开发用（yòng）于解决（jué）复杂疾病（bìng）的（de）药物,这些药物只能治疗一小部分人的疾病,因此能够获得的收益（yì）也要少得（dé）多（duō）。

根据塔夫茨药物开发研（yán）究中心的数据,近年来,药（yào）物上市的平均成本几乎翻了一番,达到26亿美元之多。药物从在实（shí）验室中（zhōng）诞生到流入市（shì）场（chǎng）的（de）时（shí）间线（xiàn）被（bèi）延长到了12年,而有90%的药物（wù）在人体（tǐ）试验的阶段就（jiù）被淘汰（tài）。

因此（cǐ）,研究人员对AI在药（yào）物研发方（fāng）面（miàn）的（de）高涨热（rè）情也就不足（zú）为奇了。用户只需（xū）要给AI工具提供样本(某种分子结构)和相（xiàng）应的（de）解决方（fāng）案(分子最终如何被（bèi）制成药物),它（tā）们就可以开发（fā）自（zì）己的（de）计算方法来快（kuài）速产（chǎn）生相似（sì）的制药方案。

AI(右)能（néng）更（gèng）准（zhǔn）确地找到致病肿（zhǒng）瘤

大多数（shù）机器学习程序可以处理小数（shù）据集,而深度学习（xí）程（chéng）序可以处理大量原始的、非结构化的数据。一个深度学习的版本可以（yǐ）从（cóng）未标记的（de）细胞图像中进行分子结构辨（biàn）识,不（bú）过,它可能需要查（chá）看上百万个细胞（bāo）样本才能做到（dào）这一点。

最终,AI将（jiāng）在以下几个方面改善药物开发:1．识别更有效的候（hòu）选药物（wù）;2．提（tí）高药（yào）物测试的“命中率”,即通过临（lín）床（chuáng）试验并获得监管（guǎn）批准的候选人（rén）的百（bǎi）分比;3．加速整个制（zhì）药过程。

百时美（měi）施贵宝(Bristol-Myers Squibb)最近部署了一个机（jī）器（qì）学习程（chéng）序,该程序经（jīng）过训练,已能够在大量细胞样（yàng）本中（zhōng）发现（xiàn）与（yǔ）CYP450抑制效用相（xiàng）关的分子结构。Saha说,该（gāi）程（chéng）序将测试准（zhǔn）确率提高到95%,与（yǔ）传（chuán）统方法（fǎ）相比,失败率降低近（jìn）6倍（bèi）。这些结果帮助（zhù）研（yán）究人员迅（xùn）速筛选出可（kě）能有（yǒu）毒的药物,转而关注那（nà）些有更大希望通过多（duō）项人体（tǐ）试验、获得美国（guó）食品和（hé）药物（wù）管理（lǐ）局批准的候（hòu）选药物。礼来(Eli Lilly)首席数（shù）据和分析（xī）官维平•戈帕（pà）尔(Vipin Gopal)表示:“在我（wǒ）们（men）进行投资之（zhī）前,AI就能帮（bāng）助（zhù）我们在早期排除（chú）掉那些（xiē）潜在的无效用药物。”

人工智（zhì）能软件可以预测哪些化（huà）合（hé）物可能与目标蛋白结合,以帮助缩小候选药物的范围

生物医学研（yán）究人员认识到,像癌症和阿尔茨海默病等（děng）这（zhè）般复（fù）杂的疾病所涉及（jí）的涉及蛋白质达数百种（zhǒng）,如果研发的（de）药物只攻击其中一（yī）种蛋白质,则不太可能对整（zhěng）个病毒本身造（zào）成破坏。Kurji解（jiě）释说,Cyclica正试图寻找能与几十（shí）种目标蛋（dàn）白相互作用的单个化合物（wù）,同时避免与其他蛋白相互（hù）作用。他补充说,目前正在开发的AI 程序旨在将大量（liàng）关于蛋白（bái）质变异（yì）的遗传数（shù）据整合在一起,这样AI助手就可以检（jiǎn）测出哪些候选药物最有效。

苏格兰邓迪大学医学信（xìn）息学教授安德鲁•霍普金斯(Andrew Hopkins)提（tí）出（chū）了ex唯（wéi）科学算（suàn）法,这个算法只需分析10个蛋白质数据就能得（dé）到有（yǒu）效信息。它将目（mù）标（biāo）蛋白的（de）生物数据与大约10亿个蛋（dàn）白质相（xiàng）互作用的数据库进行比较。生成的新数据被输入到程序中,程序再次对列表（biǎo）进行精简,并分析（xī）另一轮（lún）所需的数（shù）据。这个过程重复进行,直（zhí）到（dào）程（chéng）序准备好生成一个易于管理的化合物列表,而这些化合物正（zhèng）是目标（biāo）药（yào）物的良好候选。

霍普（pǔ）金（jīn）斯声称（chēng）,ex唯科学的算法可以（yǐ）将（jiāng）药物的发现时间（jiān）从4．5年缩短到1年,将发（fā）现成本降低80%,合成化合物的数量也会减少（shǎo）到通常生产一种（zhǒng）成功药物所（suǒ）需的五分之一。目前（qián）,他正与生物科技（jì）巨（jù）头（tóu）Celgene合作,努力为（wéi）三个（gè）目标寻找新的潜在药（yào）物。

精确定位目标蛋白!

为了（le）发（fā）现可（kě）能致病（bìng）的（de）蛋白质（zhì）,生物制（zhì）药公司Berg也利用AI助手来（lái）筛（shāi）选人体（tǐ）组织样本的（de）生（shēng）物信息。Berg软件的方法是把从病人（rén）的组织样（yàng）本、器官液体和（hé）血样中提（tí）取的（de）每（měi）一份（fèn）数据都输入程序。样（yàng）品中的活细胞被用（yòng）于各种实验,如测试其高葡萄（táo）糖水平。这种方（fāng）法生成多（duō）种数据,涵盖细胞（bāo）产生能（néng）量的能力和细胞膜的硬度。

然后（hòu）,所（suǒ）有的数据都通过一（yī）系（xì）列深度（dù）学习程序运行,这些程序（xù）寻找非疾病状（zhuàng）态和疾病状态之（zhī）间的特征差异（yì）,最终着（zhe）眼（yǎn）于那些含毒（dú）性的蛋白（bái）质（zhì）。在某些（xiē）情况下,这（zhè）些蛋（dàn）白（bái）质（zhì）可能（néng）成为靶标,这时（shí）Berg的AI软件就可以寻找药物来攻（gōng）击这些靶（bǎ）标。更重要的是,因为该软件可以识别目标似乎只在一小部分（fèn）患（huàn）者身（shēn）上（shàng）引（yǐn）起疾病,所以（yǐ）它可以识（shí）别（bié）这些患者（zhě）的区别性特（tè）征。这（zhè）意味着（zhe）患者可以在（zài）服用药物（wù）之前进行测（cè）试,以（yǐ）确（què）定（dìng）药物是否可能对他们有效。

目（mù）前,Berg正在与（yǔ）制药巨头阿斯利（lì）康(AstraZeneca)合作,寻找治疗帕金森（sēn）氏症和（hé）其他神经系统疾病的目标,并与赛诺菲巴斯德(Sanofi Pasteur)合作,以改（gǎi）良流感疫苗。Berg软（ruǎn）件已经确定了（le）诊断测试的机制,可（kě）以（yǐ）区分前列（liè）腺癌和良（liáng）性前（qián）列腺肥大症,而这（zhè）些病（bìng）症如果不（bú）做手术则（zé）很难区（qū）分。