人工（gōng）智能助力医疗，精（jīng）准（zhǔn）找出治（zhì）病物质

在制（zhì）药过程中,药物被淘汰（tài）的原因众多（duō）,其中之一就在于其对细（xì）胞色素P450的消极抑制（zhì）作用。细胞色素P450是一组主要在肝脏中产生的酶,通常（cháng）被称（chēng）为CYP450,参与分解化学物质,防止它们在血液中积累到（dào）危险的水（shuǐ）平。然而,事实证明,许（xǔ）多实（shí）验药物都能抑制CYP450的产生,这种的副作用会使药物对人体产生毒性。

制药公司一（yī）直依（yī）赖于传统医学工具来预测药物（wù）是否（fǒu）会抑（yì）制患（huàn）者体（tǐ）内的CYP450,比如在试管中进行化学分析（xī）,观（guān）察CYP450与具（jù）有（yǒu）化学相似性的药物之间的相（xiàng）互作用,以（yǐ）及在小白鼠（shǔ）身上进行（háng）实验。但是这（zhè）样（yàng）的预测（cè）可能并不准确。在某些情况下,CYP450相关（guān）毒性只有在人体试验中才会被发现（xiàn）,导致（zhì）付诸的金钱多年（nián）的努力（lì）白费（fèi）。就在这（zhè）个（gè）关键（jiàn）时刻（kè）,AI制药重（chóng）新（xīn）进（jìn）入了大（dà）众视野。

弥补传统制（zhì）药弊（bì）端,AI制药效率大幅提高

制药的低（dī）效率引出了一个更严肃的问题:至少20年来（lái）,价值（zhí）1万（wàn）亿美元的全（quán）球制药行业一直处于（yú）药物开发低（dī）迷、生产率下滑的状态。制（zhì）药公司的金（jīn）钱投入越来越（yuè）多（duō）——10家（jiā）最大的制（zhì）药公司（sī）现在每年花费近800亿美元（yuán）——研发出的有效药物（wù）却越来越少（shǎo）。十年前（qián）,若投入一美元来研发药物,就能收到10美分的回（huí）报;如今,收（shōu）益率却不（bú）足（zú）2美分。某（mǒu）种程（chéng）度上（shàng）,这是因为（wéi）用于治疗常见疾病的药（yào）物都已经找到了,只（zhī）剩下开发（fā）用于解决（jué）复杂（zá）疾病的药物,这些药物只能治（zhì）疗一小部（bù）分人的疾病,因此能够（gòu）获（huò）得的收益也（yě）要少得多。

根据塔夫茨药物开发研究中心的数据,近年来,药物上（shàng）市的平（píng）均成（chéng）本几乎（hū）翻（fān）了一番,达到26亿美元之（zhī）多。药物（wù）从（cóng）在实验室中诞生（shēng）到流（liú）入市场的时间（jiān）线（xiàn）被延长到了12年,而有（yǒu）90%的药（yào）物在人体试验（yàn）的阶（jiē）段就（jiù）被淘汰。

因此,研究人员对AI在药物研发方面的高涨热（rè）情也就（jiù）不（bú）足（zú）为（wéi）奇（qí）了。用户只需要给AI工（gōng）具提（tí）供样本（běn）(某种分（fèn）子（zǐ）结（jié）构)和相应的解（jiě）决（jué）方案(分子最终如何（hé）被制成（chéng）药（yào）物),它们就可以（yǐ）开发自己的计算方法来快速（sù）产生相似的（de）制药方案。

AI(右)能更准（zhǔn）确地（dì）找到致病肿瘤

大多（duō）数机器（qì）学习（xí）程（chéng）序可以处（chù）理小数据（jù）集,而深度学（xué）习程序可（kě）以处理大量原始的、非结构化的数据。一个深度学习的版本（běn）可以从未标记的细（xì）胞图像中进行分（fèn）子结构辨识,不过,它可能需要查（chá）看上（shàng）百万个（gè）细胞样本才能做（zuò）到这一点。

最（zuì）终（zhōng）,AI将在以下几个方面（miàn）改善药物开发（fā）:1．识（shí）别更有效的候选药（yào）物;2．提高药物测（cè）试的“命中率”,即通（tōng）过临（lín）床试验并获得监管批（pī）准（zhǔn）的候选人的百分比;3．加速整个制药过（guò）程。

百时美施（shī）贵宝（bǎo）(Bristol-Myers Squibb)最近部署了一（yī）个（gè）机（jī）器学习程序,该（gāi）程序经过（guò）训练（liàn）,已能够在大量细胞（bāo）样本中发（fā）现与CYP450抑制效用（yòng）相关的分子结构（gòu）。Saha说,该程（chéng）序（xù）将测试准确率提高（gāo）到95%,与（yǔ）传统（tǒng）方法（fǎ）相比,失败率（lǜ）降低近（jìn）6倍。这些结果帮助研究（jiū）人员（yuán）迅速筛选出可能有毒的药物,转而关注那（nà）些有更大（dà）希望通过多项（xiàng）人体试验、获得（dé）美国食品和（hé）药（yào）物管理局批准的候（hòu）选药物（wù）。礼来（lái）(Eli Lilly)首席数据和分析（xī）官维平（píng）•戈（gē）帕（pà）尔(Vipin Gopal)表示:“在（zài）我们进行投资之（zhī）前（qián）,AI就能（néng）帮助我们在早期排除掉那些潜（qián）在的无（wú）效（xiào）用药物。”

人工智能软件可以预测哪些化合物（wù）可（kě）能（néng）与目标蛋白结合,以帮（bāng）助缩小候选药（yào）物的范围

生物医学研究人员认（rèn）识到,像癌（ái）症和阿（ā）尔茨海默病等这般复杂的疾病所涉及的涉及蛋白质达数百种,如果研发的（de）药物（wù）只（zhī）攻击其中（zhōng）一种蛋白（bái）质,则（zé）不太可（kě）能对整个病毒本身造成（chéng）破坏。Kurji解释说,Cyclica正试图（tú）寻找能与几十种目（mù）标蛋白相互（hù）作用的单个化合物,同时避（bì）免与其他蛋白相（xiàng）互作用。他（tā）补（bǔ）充说,目前正在开发的AI 程序旨在将（jiāng）大量关于（yú）蛋白质变异的遗传（chuán）数据（jù）整合在一起,这样（yàng）AI助手就可以检测出哪些候选药物（wù）最有效。

苏格兰邓迪（dí）大学医学信息学教授安德鲁•霍普金斯（sī）(Andrew Hopkins)提出了ex唯科学算法（fǎ）,这个算法只（zhī）需分析10个蛋白质数（shù）据就能得到有效信息（xī）。它将目标蛋白的生物数据与大约10亿个蛋白质相互作用的数据库进行比较。生成的新数（shù）据被输入到程序中,程序再次对列（liè）表进行（háng）精简,并分析另一轮（lún）所需的数据。这个过程重复进行,直到程序准备好生成一个易（yì）于管理的化（huà）合（hé）物列表,而这些化合物正是目标（biāo）药物（wù）的良好候选。

霍普金斯声称,ex唯科学的算法（fǎ）可以将药物的发现时间从4．5年缩短到1年（nián）,将发现（xiàn）成本降低80%,合成化合（hé）物的数量（liàng）也会减少到通（tōng）常（cháng）生产一（yī）种成功（gōng）药物所（suǒ）需的五分（fèn）之一。目前,他正与生物科技巨头Celgene合（hé）作,努力为三个目标寻找新的潜在药（yào）物。

精确定（dìng）位（wèi）目标蛋白!

为了发现可能致病的蛋白质,生物制药公司Berg也利（lì）用AI助手来筛选人体组织样本的生物（wù）信息。Berg软（ruǎn）件的方法是把从病人的组织样本、器官液体和血样中提取的每一份数据都输（shū）入（rù）程序。样品（pǐn）中（zhōng）的活细胞被用于各（gè）种实（shí）验,如测试（shì）其高葡（pú）萄糖（táng）水平（píng）。这（zhè）种方（fāng）法生成多种数据,涵盖细胞产（chǎn）生能量的能力和细胞膜的硬度。

然后,所有的数据都（dōu）通过一（yī）系列深度学习程序运（yùn）行,这（zhè）些程序（xù）寻找非疾病（bìng）状态（tài）和疾病状态之间的特（tè）征差异（yì）,最（zuì）终着眼于那些含毒性（xìng）的蛋白质。在某些情（qíng）况（kuàng）下,这些蛋白（bái）质可能成为靶标,这时（shí）Berg的（de）AI软件（jiàn）就可以寻找药物来攻击这些靶标（biāo）。更（gèng）重要的（de）是,因（yīn）为（wéi）该软件可以识别（bié）目标（biāo）似乎只在一小部分患者身上引起疾病,所（suǒ）以它（tā）可以识别这（zhè）些（xiē）患者的区别（bié）性特征（zhēng）。这（zhè）意味着患（huàn）者可（kě）以在服用药物之前进（jìn）行测试,以确定药物是否可能对他（tā）们有效。

目前,Berg正在（zài）与制药巨头阿（ā）斯（sī）利康(AstraZeneca)合作,寻找治疗帕金森氏（shì）症和其（qí）他神经系（xì）统疾（jí）病的目标（biāo）,并与赛诺菲巴斯德(Sanofi Pasteur)合作,以改良流感疫苗。Berg软件已经确定（dìng）了诊断（duàn）测试的（de）机制,可以区分前（qián）列腺癌（ái）和良性前列腺肥大（dà）症,而这些病症如（rú）果不做手术则很难区分。