立即打开
我们可以指望人工智能来制造疫苗吗?

我们可以指望人工智能来制造疫苗吗?

Jennifer Alsever 2020-02-05
计算机通过筛选海量生物数据档案,迅速找到人类穷尽一生才能发现的模型。

图片来源:JAMIE CHUNG—TRUNK ARCHIVE

新型冠状病毒的克星或将到来。

2月4日,中国工程院院士、国家卫生健康委员会高级别专家组成员李兰娟团队在武汉公布:据初步测试,阿比朵尔、达芦那韦两种药物对治疗新型冠状病毒感染的肺炎有效。

专家组成员陈作兵表示,两种药物已在浙江省患者中使用,下一步计划用这两种药物替代其他效果欠佳的药物。

同一天,国家卫生健康委员会发布消息,美国抗病毒药物瑞德西韦——一款在一名美国重症患者身上使用后得到明显缓解的药品,预计将于2月4日下午抵达国内。日前,国家药监局已通知申请单位中日友好医院和中国医学科学院,可以开展临床试验。

除了科研团队和制药公司,一些中国互联网企业也在助力药品及疫苗的研发。1月29日,阿里云宣布,疫情期间向全球公共科研机构免费开放一切人工智能算力,以加速本次疫情的新药和疫苗研发。次日,百度研究院宣布,免费开放线性时间算法LinearFold以及世界上现有最快的RNA结构预测网站。

在和疫情的斗争中,人工智能成为寻找“解药”的催化剂。实际上,全球制药业早已尝试用人工智能来加速新药研发。

2018年9月,加拿大深度学习基因公司Deep Genomics宣布,该公司利用人工智能解决了一个关于遗传性疾病威尔逊氏病的长期谜题,更重要的是,他们还利用另一个深度学习平台识别出一种可能的疗法,并称其为“史上首例由人工智能发现的候选疗法”。

这一“里程碑事件”让药物研发界大为兴奋,各大新闻媒体争相报道。2019年1月,这家成立5年的初创公司在新一轮风投中获得4000万美元投资。

更快破解基因秘密

威尔逊氏症是一种罕见的疾病,会抑制患者代谢食物中的微量元素铜,从而引发肝脏疾病、一系列神经系统问题和其他病症。

Deep Genomics研究团队把和二十多万个基因突变有关的海量数据喂给训练算法,教会电脑找到这些拼错的人类DNA片段和错误的蛋白质编码之间的关系。这些错误蛋白质编码中,或许就有某些疾病的致病因。

该公司人工智能系统迅速发现了其间的关联,准确破译了一种被称为Met645Arg的基因突变是如何导致某种重要的铜代谢蛋白出现重要缺陷的。

Deep Genomics首席执行官、神经网络领域领军人物布兰登·弗雷表示:“人工智能已经学会了理解分子生物学。”

人工智能药物开发的全球投资,98%的试验性新药都未能实现商业应用。

经过初步学习后,该公司又使用另一套人工智能工具,对数十亿个分子进行分类,迅速识别出可以纠正因基因故障造成的错误,并生成了功能性蛋白质的无毒化合物。

最终,算法算出了不少于12种候选药物,且每种似乎都对细胞模型和老鼠有效。Deep Genomics有望在明年将其中一种名为DG12P1的药物投入人体临床试验。

从科学角度来看,“这是一个巨大的飞跃。”密歇根大学医学院威尔逊氏病项目负责人弗雷德·阿斯卡里博士说。

和传统制药业对比,这一成就似乎更显伟大。弗雷说,整个过程只用了18个月,典型临床前药物开发时间则为3到6年。

如果像Deep Genomics所说,此类药物开发过程可以复制,那将是革命性的成果。毕竟,研发时间缩短意味着可以更快为病人提供帮助,尤其在大规模疫情爆发期间。而且从理论上说,可以降低制药商的成本。

这也是许多大型制药公司竞相进入该领域的重要原因。

诺华正在与微软合作,利用人工智能进行药物研发;辉瑞在使用IBM的沃森人工智能;包括强生、默克、阿斯利康和葛兰素史克在内的其他公司已经和规模较小的人工智能公司签署了药物开发合作协议。根据PitchBook的数据,自2013年以来,投资者总共向数百家这样的初创公司投入了24亿美元。

是希望还是炒作?

一切听起来充满希望。然而憧憬之余,我们来理智地分析现实情况。

首先,Deep Genomics的候选药物还未曾在任何患者身上测试,“我们还不知道药物是否真正有效”,该公司表示。

多年来,斯克里普斯研究所著名心脏病学家和遗传学家埃里克·托波尔博士一直在认真审视,人工智能到底是希望还是炒作。

2019年,托波尔博士出版《深度医学:人工智能如何让医疗重新有人情味》人工智能,他提出警醒 :“我们得到了大量承诺,却始终缺乏证据。”

“人工智能,这个词把我们非常确定会在未来起作用的想法和仅仅是概念验证的想法混为一谈。”多伦多大学戴维·杜维诺持相同看法。

专家们认为,机器制药的一大缺陷是,缺乏好的数据对机器学习系统进行训练。基因和分子相互作用的学术信息可供参考探索,但是很多试验性新药的信息,尤其是临床试验的病人数据,这些通常都为制药商专有,而很少向外界分享。

南加州大学医学和工程学教授戴维·阿古斯博士表示,除了缺少这些重要数据之外,现有的很多数据特征或结构性也较差。“输入的是无用信息,输出的也一定同样如此。”他说。

制药业的良方?

尽管存在缺憾,但如果人工智能真能将新药的研发时间缩短一半,或许能为不断飙升的药品价格提供一剂良方。

该技术的一大应用前景是解决神秘的遗传性疾病。由于该类疾病患者人数相对较少,大型制药公司不太可能投资新药研发。

去年秋天,美国医疗保险计划的一项研究显示,过去20年,治疗患者不足20万的“孤儿病”的药物在新批准药物中所占的比例越来越大,从1998年的10%上升到2017年的44%。与此同时,其价格也一路飙升,从1998年每年人均7136美元的花费跃升至2017年的186758美元,20年间增长了26倍。如今,90%的孤儿药年均花费超过1万美元。

如果人工智能可以扭转这种骇人趋势,缩短针对此类罕见病的新靶向疗法的研发时间和成本,那么现在对它的大肆宣传都不会枉费。

该领域的先锋

Lantern Pharma的潘纳·沙玛、Deep Genomics的布兰登•弗雷、Atomwise的亚伯拉罕•海菲茨 图片来源:COURTESY OF LANTERN PHARMA, DEEP GENOMICS, AND ATOMWISE

创业家们把人工智能用于药物研发的每一个阶段——从识别更好的生物靶标和识别试验性药物到设计更智能的临床试验。以下几家公司是本领域的先锋。

Deep genomics :发现药物

去年9月,这家多伦多初创公司宣称开发出了有史以来第一个由人工智能发现的候选疗法,并发现了一种针对威尔逊氏病的新型试验性药物。首席执行官布兰登·弗雷表示,明年将开始对这种药物进行人体试验。他预测,那时该公司将会有多达五种候选新药在研制中。

Atomwise :虚拟制药

这家旧金山公司正在使用“卷积神经网络”技术为现有药物寻找新的治疗适应症。该科技常用于面部识别和自动驾驶汽车。该公司使用计算机创建疾病蛋白的生物化学3D网格,然后将网格与110亿个不同分子的所有组合进行匹配运行——其中大部分分子数据来自公开资源,如美国国立卫生研究院的生物活性图书馆。之后,算法可以识别出与该蛋白质的生物化学相匹配的分子组合。

MIRO-1蛋白结构与帕金森病有关。在图中白色区域代表的筛选位点,AtomNet对680万个分子进行了评估,发现了一种现在被称为Miro1还原剂的类药物分子。图片来源:COURTESY OF ATOMWISE

Atomwise通过购买有应用前景的化合物,提供给学术和制药研究人员在细胞系和动物模型中进行测试;该公司目前在250家医院开展550个项目。“这就像在制造飞机前测试原型一样,”Atomwise的创始人兼首席执行官亚伯拉罕·海菲茨说,“需要进行模拟测试,才能确保飞机能飞、静音又省油。每造一支机翼,都要在电脑上测试一千支。”

Lantern Pharma:变废为宝

这家美国达拉斯公司梳理了数百种临床试验“失败”的药物数据,识别哪些药物可能适用于某些基因亚型患者。这种拯救药物的行为并不新鲜,但Lantern希望它的算法能大幅提速。该公司最近收购了四种被大型制药公司放弃的试验药物,其中包括一种化疗药物,Lantern的人工智能平台显示,这种药物可能对肺癌患者的一个特定亚型有效。

截至目前,Lantern的投资不到200万美元,只占制药商进行药物后期测试开支的一小部分。“药品不应该贵到30万美元一剂,”首席执行官潘纳·沙玛说,“如果我们能更快,更便宜,让药物更有针对性,一切都可以改变。”(财富中文网)

本文的另一版本刊登于《财富》杂志2020年2月刊,标题为《机器制药》(Medicine by Machine)。

译者:Agatha

热读文章
热门视频
扫描二维码下载财富APP