快乐十分走势图

用人工智能研發新藥 我們真的準備好了嗎

  • 您好,歡迎使用百貿網  
用人工智能研發新藥 我們真的準備好了嗎
時間:2018-02-05 來源: 百貿網轉自互聯網,如對貴司有侵權行為,請聯系百貿網刪除

[億歐導讀]人工智能不是魔法,也不能將4、5年的新藥發現過程縮短到4、5天。但我們相信,隨著我們對生物學的理解不斷加深,隨著計算能力的不斷加強,人工智能有望為醫療健康行業帶來可喜的進展。 【編者按】30年前,就有人提出了用計算機增加藥物研發的效率,在人工智能大行其道的當下,其與新藥研發又可以碰撞出什么樣的火花?而用革新式的技術去做這樣一個創新我們又真的準備好了嗎? “平均下來,醫藥公司每篩選出的8000個藥用分子中,只有1款能最終問世。計算機有望能提高這個比例——化學家們再也不用整周、甚至是整月地呆在實驗室,去測試那些計算機認為難以成功的分子。” 為什么要用人工智能研發新藥?這段文字清楚地解釋了它的重要性。我們相信,人工智能可以為整個醫藥行業省下數億美元的科研經費,也能省下數千個不必要的工作日。在今日的硅谷,處處都能聽到類似的聲音。 ▲30多年前,人們就曾暢想用計算機來設計藥物(圖片來源:《財富》) 但這樣的觀點其實并不新鮮。開頭所引的這段文字,來源于1981年的《Discovery》雜志。幾個月后,《財富》雜志的封面對計算機輔助的藥物發現(computer-aideddrugdiscovery,CADD)也進行了專題報道。如今,距離上一波高漲的熱情,已經過去了快40年。我們的前進步伐為何如此緩慢? 人工智能研發新藥的瓶頸 AtlasVenture合伙人BruceBooth博士是一名人工智能的熱情擁護者,但同時也是一位冷靜的思考者。他指出,新藥發現和研發所面臨的挑戰數不勝數,人工智能可以解決的部分有限。在個人博客上,Booth博士指出,用計算機設計新藥的程序已經存在了好幾十年。但在醫藥行業,研發產出率非但沒有上升,反而還逐年下降。藥物發現的時間沒有縮短,成本也沒有變得更低。這并不是說這些程序阻礙了新藥的研發,而是說它們尚未給行業帶來大幅的可喜改觀。 ▲幾十年來新藥的研發產出率正在不斷下降(圖片來源:《NatureReviews|DrugDiscovery》) 這背后的原因是什么呢?許多人已經給出了他們的答案——生物學本身。生物學太復雜了,理論上能起效的新分子,在人體中可能有毒性,可能有脫靶效應,可能有副作用,可能與其他分子發生復雜的反應。更何況,沒有兩名患者的身體特征完全一致,這進一步增加了藥物研發的復雜程度。許多人工智能專家說得很好,AI只是工具,我們不必神話它。可是,倘若使用工具的人都無法說透要它實現什么樣的功能,我們又要怎樣用它帶來新的革命呢? 另一個瓶頸或許在于設計理念的局限。目前,許多醫藥企業正在嘗試用人工智能來設計分子。在已經發表的研究中,我們也的確看到了一些階段性的進展——最近,阿斯利康的一篇論文使用遞歸神經網絡和增強學習,試圖釋放AI的創造性,讓它帶來更多樣化的分子管線。從結果上看,與天然分子相比,AI設計出的分子的確有著明顯區別。 ▲虛假的多樣性。與自然分子(紅色)相比,人工智能設計的分子(藍色)可以有足夠差別,但并不多樣(圖片來源:TheAILab) ▲真正的多樣性,離不開人工智能設計的分子(藍色)之間的比較(圖片來源:TheAILab) 但著名人工智能博主MostaphaBenhenda博士認為,我們并沒有真正回答“多樣化”的問題。與天然分子相比,AI設計出的分子顯著不同,這很好。但我們不應僅僅局限于讓“天然”和“AI”做比較。就像AlphaGo的系列版本進行了自我對弈一般,我們也應該讓AI設計出的分子進行自我對比。這樣我們才能真的看出,人工智能是否有足夠的創造性。 未來在何方? 硅谷的AndreessenHorowitz是一家風投公司。最近,它募集了4.5億美元的經費,投資生物學領域。它所關注的熱點之一,正是人工智能。其合伙人VijayPande博士同意“生物學非常復雜”這一觀點。他在接受藥明康德的專訪時透露的觀點與BruceBooth博士如出一轍——“生物學很復雜,以至于人類的大腦無法理解一切。我們在理解生物學方面的局限性導致了晚期臨床試驗結果的復雜性”。但對未來表示樂觀的他也說:“生物學可能對于人類大腦來說太復雜了,但對于某些類型的AI可能不是太復雜;AI可以用人腦無法實現的方法整合數據,然后能夠將研究人員引導到有趣的新地方。” ▲AndreessenHorowitz合伙人VijayPande博士在2018藥明康德全球論壇上參與了人工智能的專題討論 換句話說,如果生物學是新藥研發的瓶頸,那么就讓AI直接去解決生物學難題。這比起簡單讓人工智能設計分子,則又高了一個層次。去年,藥明明碼(WuXiNextCODE)與耶魯大學醫學院合作,利用人工智能技術,發現了一種人所不知的血管發育機制,這就是一個很好的案例。“深度學習讓我們能在生物學領域中確定一些事物之間的真正因果關系,讓我們找到驅動疾病的基因或通路。”藥明明碼的首席執行官HannesSmarason先生說道。 通過深度學習算法預測,以及動物模型中的驗證,這一血管發育機制得到了確認,并發表在了頂尖學術期刊《自然》雜志上。人工智能在生物學中的未來應用值得期待。 另一家知名醫藥企業Celgene的研究和早期開發總裁RupertVessey博士在今年的藥明康德全球論壇上,也分享了人工智能在新藥設計與發現中的前景。他指出,AI在分子設計上取得的出色進展,有望促使醫學化學家和其他分子設計師,推動領域向前發展。沒有一項工具會是新藥研發的最終解決方案,人工智能也不是。但對于特定的工作來說,合適的工具能極大地提高效率。Vessey博士認為,在分子設計方面,屬于AI的時代已經到來。 ▲Celgene研究與早期開發總裁RupertVessey博士在2018藥明康德全球論壇上分享了對于AI的看法 人工智能不是魔法,也不能將4、5年的新藥發現過程縮短到4、5天。但我們相信,隨著我們對生物學的理解不斷加深,隨著計算能力的不斷加強,人工智能有望為醫療健康行業帶來可喜的進展。在這個微信公眾號里,我們也將與各位讀者朋友們一道,分享這些來自全球的最新人工智能動態。 用一句經典的話作為結尾吧。“AI不會取代藥物研發人員,但是使用AI的藥物研發人員將會取代那些不使用AI的人”。在這里,我們一起讀懂AI。

相關商機:

>> 返回建筑資訊
快乐十分走势图 香港49选7历史开奖结果 幸运飞艇官网是假的吗 彩票超级大乐透开奖 上海时时乐开奖号码记录 彩票北京pk拾app下载 重庆时时彩走势图怎么看 2017年七星彩的走势图 pc蛋蛋投注软件下载 北京赛车pk 任选九开奖奖金