人工智能助力医疗，精准（zhǔn）找出治病物质

在制药（yào）过程（chéng）中,药物被淘汰的原因众多,其中之一就在于其对（duì）细胞色素（sù）P450的消极抑制作用。细胞色（sè）素（sù）P450是一组主要（yào）在肝脏中产生的（de）酶,通常被称（chēng）为CYP450,参与（yǔ）分解化（huà）学物质（zhì）,防止（zhǐ）它们在血（xuè）液中积累（lèi）到危险的水平。然而,事实证明,许多（duō）实验（yàn）药物都能抑制CYP450的（de）产生,这种的副作用会（huì）使药物对人体（tǐ）产生毒性。

制（zhì）药公司（sī）一（yī）直依（yī）赖于传统医学工具来预测药物（wù）是（shì）否会抑制患（huàn）者体内的（de）CYP450,比如在试管中进（jìn）行化学（xué）分析,观（guān）察CYP450与具有化学相似性的药物之间的相互作用,以及（jí）在小白（bái）鼠身上进行实（shí）验（yàn）。但是这样的预测可能并不准确。在某些情况下,CYP450相关毒性只有在（zài）人体试验中才会被发现（xiàn）,导致付诸的（de）金（jīn）钱多年（nián）的努力白费。就在这个关键时刻,AI制药重新（xīn）进入了大众视野。

弥补传统制药弊（bì）端,AI制药效率大幅提高（gāo）

制药的（de）低效率引出了一（yī）个（gè）更严肃的问题（tí）:至少20年来（lái）,价值1万亿（yì）美元（yuán）的全球制药行业一直处于药物开发低迷、生产率下（xià）滑的状态。制药公（gōng）司的金钱投入越来越（yuè）多——10家（jiā）最（zuì）大的制药公司现在（zài）每年花费近（jìn）800亿美（měi）元——研发出的有效（xiào）药物却越来越少（shǎo）。十年（nián）前,若投入一美元来研发药物（wù）,就能（néng）收到10美分的回（huí）报;如今,收益率却不足2美（měi）分（fèn）。某种程（chéng）度上,这是因为用于治疗常见（jiàn）疾病的药物都已经找（zhǎo）到（dào）了,只剩下开发用于解决复（fù）杂疾病的药（yào）物,这些药（yào）物只能治疗（liáo）一小部分人（rén）的（de）疾病,因此能够获得的收（shōu）益也要少（shǎo）得多。

根据塔（tǎ）夫茨药物开发研究中心的数据,近年来,药物上市的平均（jun1）成本（běn）几乎翻了（le）一番,达到26亿美元之多。药物从在实验室中（zhōng）诞生到流入市场的时间（jiān）线被延长到了12年（nián）,而有90%的药物在（zài）人体试验（yàn）的阶段就被淘汰。

因此,研究（jiū）人（rén）员对AI在药物研发（fā）方面的高涨热情也就不足为（wéi）奇了（le）。用户只需要给AI工具（jù）提供样本(某种（zhǒng）分子结构)和相应的（de）解决方案(分子（zǐ）最终如何被制成药物),它们就（jiù）可以开发自己的计算方法来快（kuài）速产生相（xiàng）似的制药（yào）方案。

AI(右（yòu）)能更准（zhǔn）确地找（zhǎo）到致病肿瘤

大多数机（jī）器学习程序可以处理小数据集,而深度学（xué）习（xí）程序可以处（chù）理大量原始的、非结构化的数据（jù）。一个深（shēn）度学习的（de）版（bǎn）本可以从（cóng）未标记的细胞图像中进行（háng）分（fèn）子结构辨识,不过（guò）,它可能需要查看上百（bǎi）万个细胞样本才能（néng）做到这（zhè）一（yī）点（diǎn）。

最终,AI将在以下几个方面（miàn）改善药物开发:1．识别更（gèng）有效的候选药物;2．提高药物测试（shì）的（de）“命中率”,即通过临床试验并获得监管批准的候选人的百分比;3．加速（sù）整个制（zhì）药过程。

百时（shí）美施（shī）贵（guì）宝(Bristol-Myers Squibb)最近部（bù）署了一个机器学习程序,该程序经过训（xùn）练,已能够在大量细胞样本中发现与CYP450抑制效用（yòng）相（xiàng）关（guān）的分子结构。Saha说（shuō）,该程（chéng）序将测试准确率提高（gāo）到95%,与（yǔ）传统方法（fǎ）相比,失败率降低近6倍（bèi）。这些结果帮助研究人员（yuán）迅速筛选（xuǎn）出可能（néng）有毒的（de）药物,转（zhuǎn）而关注（zhù）那些有更大（dà）希望通过（guò）多项人体（tǐ）试验、获得美国（guó）食品和药（yào）物管（guǎn）理局（jú）批准的候选药（yào）物（wù）。礼来(Eli Lilly)首席数据和分析官维平•戈帕（pà）尔(Vipin Gopal)表示（shì）:“在我们进行（háng）投资之（zhī）前,AI就能帮助我们在早期排除掉那（nà）些潜在（zài）的无（wú）效用药物。”

人（rén）工（gōng）智能软件可以预（yù）测（cè）哪些（xiē）化合物可能与目标蛋白结合,以（yǐ）帮助缩小候（hòu）选药物（wù）的范围

生物（wù）医（yī）学研究人员认识到（dào）,像癌（ái）症和阿尔茨海默病等这般复杂的（de）疾病（bìng）所涉及的涉及蛋白质达数百种,如果研发的药物只攻击其中一种蛋白质,则不太可能对整个病毒本身（shēn）造成破坏。Kurji解释说,Cyclica正试图寻找能与（yǔ）几十种目标蛋白相互作用（yòng）的单个化合物,同时避免与其他蛋（dàn）白相互作用。他补充说,目前正在开发的AI 程（chéng）序旨在将大量关于蛋（dàn）白质变异（yì）的遗传（chuán）数据（jù）整合在一起,这样AI助手（shǒu）就可以（yǐ）检测出（chū）哪些（xiē）候选药（yào）物（wù）最（zuì）有效。

苏格兰邓迪大学医学（xué）信息学教授安德鲁（lǔ）•霍普金斯(Andrew Hopkins)提（tí）出了（le）ex唯科学算法,这个算法只（zhī）需分析10个蛋白质数据就（jiù）能（néng）得到有（yǒu）效信（xìn）息（xī）。它将目标蛋白的生（shēng）物数据与大约（yuē）10亿个蛋（dàn）白质相互作用（yòng）的数据（jù）库进行比（bǐ）较。生成的新数（shù）据（jù）被输入（rù）到程（chéng）序中,程序再次对（duì）列表进行精简,并分析另一（yī）轮所需的数（shù）据。这个（gè）过程重（chóng）复进行,直到程序准（zhǔn）备好生成一个易于管理的化（huà）合物列（liè）表,而这些化（huà）合物（wù）正是目（mù）标药物的良好候（hòu）选。

霍普金斯声称,ex唯科学的算法可（kě）以将药物的发现时间从（cóng）4．5年缩短到1年,将发现（xiàn）成本降低80%,合成化（huà）合物的数量也会减少到通常生产一种成功药物所需的五（wǔ）分之一。目前,他正与生（shēng）物（wù）科技巨头Celgene合作,努力为三个目标寻找新（xīn）的潜在药物。

精确定位目标蛋白!

为了（le）发现可能（néng）致（zhì）病的蛋白质,生物制药公司Berg也利（lì）用AI助手来（lái）筛选人体组织样本的生物信息。Berg软件的方法是把从病（bìng）人的（de）组织样本、器（qì）官液（yè）体（tǐ）和血样中提取的（de）每一份（fèn）数据都输入程序。样（yàng）品中的（de）活细胞（bāo）被用于各种（zhǒng）实验,如（rú）测试其高葡萄糖（táng）水平。这（zhè）种方法生成多种数据,涵（hán）盖细胞产（chǎn）生能量的能力（lì）和细胞（bāo）膜（mó）的硬度。

然后（hòu）,所有的数据都通过（guò）一系（xì）列深度学习程序运行,这些（xiē）程序寻找非疾病状态和疾病状态之间的特（tè）征差异,最终着眼于（yú）那些含毒（dú）性的蛋白质。在某（mǒu）些情况（kuàng）下,这些蛋白质可能（néng）成为靶标,这时Berg的AI软件就可以寻找药物来（lái）攻击这（zhè）些靶标。更重要（yào）的是,因（yīn）为该软件可以识别目标似乎（hū）只在一小部分患者（zhě）身（shēn）上引起（qǐ）疾病（bìng）,所以（yǐ）它可以（yǐ）识别（bié）这些患者的区别性特征。这意味着患者可以在服用药物之前进行（háng）测试,以确定药物是否可能对他（tā）们有效。

目前,Berg正在与制（zhì）药（yào）巨头（tóu）阿斯利康(AstraZeneca)合作,寻（xún）找治（zhì）疗帕金森（sēn）氏症（zhèng）和（hé）其（qí）他神经系（xì）统疾病的目标,并与赛诺菲巴斯德(Sanofi Pasteur)合作（zuò）,以（yǐ）改良流感疫苗。Berg软件已经确定了诊断（duàn）测试（shì）的（de）机制,可以（yǐ）区分前列（liè）腺癌和良性前列腺肥大症,而这些病症如果（guǒ）不做手（shǒu）术则很（hěn）难区分。