人工智能助力医疗，精准找出治病物质

在制药过程中,药物（wù）被淘（táo）汰的原因众（zhòng）多,其中（zhōng）之一就在于其对细（xì）胞色素（sù）P450的（de）消极（jí）抑制作（zuò）用。细胞色（sè）素P450是一组（zǔ）主要在肝（gān）脏中产生的（de）酶,通常被称为CYP450,参与分解化（huà）学物质（zhì）,防止它们在血液中积累到危险的水平。然而（ér）,事实证明,许多（duō）实验（yàn）药物都能抑制CYP450的产生,这种的副作用（yòng）会使药物对（duì）人体产生毒性。

制药公司一（yī）直依赖于（yú）传统医学工具来（lái）预（yù）测药物是否会抑制患者体内（nèi）的CYP450,比如在试管中（zhōng）进行化学分析,观察CYP450与具（jù）有化学相似性的（de）药物（wù）之间的相互作用（yòng）,以及在小白（bái）鼠身上进行实（shí）验（yàn）。但是这样的预（yù）测可（kě）能并（bìng）不（bú）准确。在某些情况下,CYP450相关毒性只有在（zài）人体试验（yàn）中才会被发现（xiàn）,导致付诸的金钱（qián）多年的努力白费。就在（zài）这（zhè）个关键（jiàn）时刻,AI制药重新进入了大众视野（yě）。

弥补传统制药弊（bì）端,AI制（zhì）药效率大幅提（tí）高

制（zhì）药的（de）低效率引（yǐn）出了一个更严肃的（de）问题:至少20年（nián）来,价值（zhí）1万（wàn）亿美元（yuán）的全球制药（yào）行业一直处于药物（wù）开发低（dī）迷、生产（chǎn）率下滑的状态。制药公司的（de）金钱投入越来越多（duō）——10家最大的制（zhì）药公司现在（zài）每年花费近800亿美元（yuán）——研发出（chū）的有（yǒu）效药物却越来越（yuè）少。十年前（qián）,若投入（rù）一（yī）美元来研发药物,就能（néng）收到10美分的回报;如今（jīn）,收（shōu）益率却不足2美分。某种（zhǒng）程度上,这是因（yīn）为用于治疗常（cháng）见疾病的药物都已经找到了,只剩下开发用于解决（jué）复杂（zá）疾病（bìng）的药物,这（zhè）些药物只能治疗一小部（bù）分人的疾病,因此能（néng）够获（huò）得（dé）的（de）收益（yì）也（yě）要少得多。

根（gēn）据塔夫茨（cí）药物（wù）开发研究中心的数据,近年（nián）来,药物上市的平均成本几乎翻了一番,达（dá）到26亿美（měi）元之（zhī）多。药物（wù）从在（zài）实验室中诞生到流入市（shì）场的（de）时（shí）间线被延长到了12年,而有90%的（de）药（yào）物在人（rén）体试验的阶（jiē）段就（jiù）被淘汰。

因此,研究人员对AI在药物研发方面（miàn）的高涨热情也就不足为（wéi）奇了。用户只需要给AI工具提（tí）供样本(某种分子（zǐ）结构)和相应的解决方案(分子最终如何被制成药物),它们就可以开发自己的计算方法来快速（sù）产生相似（sì）的（de）制药方案。

AI(右)能更准确地找到致病（bìng）肿瘤（liú）

大多数机器学习程（chéng）序（xù）可以处理小（xiǎo）数据集,而深（shēn）度学习程（chéng）序可以处理大量原始的（de）、非结构化的数据。一个深度学习（xí）的版本可以从未标（biāo）记的细胞图像中（zhōng）进行分子（zǐ）结（jié）构（gòu）辨识,不（bú）过,它可能需要（yào）查看上百（bǎi）万个细胞样本才能做到这一（yī）点。

最终,AI将（jiāng）在以（yǐ）下几个方面（miàn）改善药物开发:1．识别更（gèng）有效的候选（xuǎn）药物;2．提高药物测（cè）试（shì）的“命（mìng）中率”,即（jí）通过（guò）临床试验并获得监管批准（zhǔn）的候选人的百（bǎi）分比（bǐ）;3．加（jiā）速整（zhěng）个制药过程。

百时美施贵宝(Bristol-Myers Squibb)最近部署了一个机器学习程序,该程序经过训练,已能（néng）够在大（dà）量细胞样本（běn）中发现与CYP450抑制效用相关的（de）分子结（jié）构。Saha说,该程序将测（cè）试（shì）准确率提高到95%,与传（chuán）统方（fāng）法相比,失败率降低近6倍。这些结果帮助（zhù）研究人员迅速筛（shāi）选出可能有毒（dú）的药物,转而关注（zhù）那些有更大希（xī）望通过多项人体试（shì）验、获（huò）得美国食品（pǐn）和药（yào）物管理局（jú）批准的候选药（yào）物。礼来(Eli Lilly)首席（xí）数据和分析（xī）官维平•戈帕尔(Vipin Gopal)表示（shì）:“在（zài）我们（men）进行投资（zī）之前,AI就能帮助我们在（zài）早期排除掉那些潜在的无效（xiào）用药（yào）物。”

人工智能软件可以预测哪些化合物可能与目标蛋白结合,以（yǐ）帮助缩小候选药物的范围

生物医学（xué）研究人（rén）员认识到（dào）,像（xiàng）癌症（zhèng）和阿尔茨（cí）海默病（bìng）等这（zhè）般复杂的疾病（bìng）所涉及的涉及蛋白质达数百种,如果（guǒ）研发的药物只攻击其中一种蛋（dàn）白质,则不太（tài）可（kě）能对整个（gè）病毒本身（shēn）造（zào）成（chéng）破坏。Kurji解释说（shuō）,Cyclica正（zhèng）试图寻找能与几十种（zhǒng）目标蛋白（bái）相互作用的单个化合物,同时避免与其他（tā）蛋白（bái）相互作（zuò）用（yòng）。他补（bǔ）充说,目前正在（zài）开（kāi）发的AI 程序（xù）旨（zhǐ）在将大量关于蛋白（bái）质变异的遗传数（shù）据整合在一起,这（zhè）样AI助手就可以检测出（chū）哪些（xiē）候（hòu）选药物最有效。

苏格兰邓迪（dí）大学医学信息学教授安德鲁•霍普（pǔ）金斯(Andrew Hopkins)提出了ex唯科学算法,这个算法只需分析10个蛋白质数据就能（néng）得到有效信息。它将（jiāng）目标蛋白的生（shēng）物数据（jù）与大约10亿个蛋白质相互（hù）作用的数（shù）据库（kù）进行（háng）比较。生成（chéng）的（de）新数（shù）据（jù）被输入到程序中（zhōng）,程序（xù）再次（cì）对列（liè）表（biǎo）进（jìn）行精简,并分析另一轮所需的数据。这个过程重复进行,直到程序准备好生成一（yī）个易（yì）于管理的化合物列表,而这（zhè）些化合物正是目标药（yào）物的良好（hǎo）候选。

霍普金斯声（shēng）称,ex唯（wéi）科学的（de）算法可以将药（yào）物的发现时间从4．5年缩短到1年（nián）,将发（fā）现成本（běn）降（jiàng）低80%,合成化合物的数（shù）量也会减少到通常生产一（yī）种成功药物所需（xū）的五分之一（yī）。目前,他正与生物科技（jì）巨头Celgene合作,努（nǔ）力为（wéi）三（sān）个目标寻找新的潜在药物。

精（jīng）确（què）定位目标蛋白!

为了发现可能致（zhì）病（bìng）的蛋（dàn）白（bái）质,生（shēng）物制药公司Berg也利用AI助（zhù）手来筛选人体组织样本的生物信（xìn）息（xī）。Berg软（ruǎn）件的方法是（shì）把从病人的组织样本、器官液体和血样中提取的每一份（fèn）数据都输入程序。样品中（zhōng）的活（huó）细胞被（bèi）用于各种实验,如测试其高（gāo）葡萄（táo）糖水平（píng）。这种方法生成（chéng）多种数据,涵盖细胞（bāo）产生能（néng）量的能力和细（xì）胞（bāo）膜（mó）的（de）硬度。

然后,所有的数据都通过（guò）一系列深度学习程序运行,这些程序寻找非（fēi）疾病状态和疾病状态之间的特征差异,最（zuì）终（zhōng）着（zhe）眼（yǎn）于那些含毒性的蛋白质。在某（mǒu）些情（qíng）况下,这（zhè）些（xiē）蛋白质可能成为靶（bǎ）标,这时Berg的（de）AI软件就可以寻（xún）找药物来攻击这些（xiē）靶标。更重要（yào）的是（shì）,因为该软件可以（yǐ）识别目标似乎只在一小部分患者身上引起疾病,所以它可（kě）以识别这（zhè）些患者（zhě）的区别性特征。这意（yì）味着患者（zhě）可以在服用药物之前进（jìn）行（háng）测试,以确定药物是否可能对他们有效。

目前,Berg正在与制药（yào）巨头阿斯利康(AstraZeneca)合作,寻找治（zhì）疗帕金森氏（shì）症和其他神经系统疾病的目标,并与赛诺菲（fēi）巴斯德(Sanofi Pasteur)合作（zuò）,以改良（liáng）流感（gǎn）疫苗。Berg软件已经确定了诊断测试（shì）的机制,可（kě）以区分前列腺癌和良（liáng）性前列（liè）腺肥大症,而这些病症（zhèng）如果（guǒ）不（bú）做手术则很难区（qū）分。