人工智能助力医疗，精准找出（chū）治病物（wù）质（zhì）

在制药过程中,药物被淘（táo）汰的原（yuán）因众（zhòng）多,其中之一就在于其对细胞色（sè）素P450的消极（jí）抑制作用。细胞色素P450是（shì）一（yī）组主要在肝（gān）脏中产生的酶,通常被称为CYP450,参与分解化学物（wù）质,防止它们在（zài）血液中积（jī）累（lèi）到（dào）危险的水平。然而,事实（shí）证明,许多实验药物都能（néng）抑制CYP450的产生,这种的副作用会使药物（wù）对人体产生毒性。

制药公司一直依赖于传统医学工具来预测药物是否会（huì）抑制患（huàn）者体（tǐ）内的CYP450,比（bǐ）如在试管（guǎn）中进行化学分（fèn）析（xī）,观（guān）察（chá）CYP450与具（jù）有化（huà）学相似性的药（yào）物之（zhī）间（jiān）的（de）相互（hù）作（zuò）用,以及在小白鼠身上进（jìn）行实验。但是这样的预测可能并不（bú）准确（què）。在（zài）某些情况下（xià）,CYP450相关毒性（xìng）只有在人体试验（yàn）中才（cái）会被（bèi）发现,导（dǎo）致付诸的金钱多年（nián）的努力（lì）白费。就在（zài）这（zhè）个关键时刻,AI制药重新进入了大（dà）众（zhòng）视（shì）野（yě）。

弥补传统制（zhì）药弊端（duān）,AI制药效率大（dà）幅提高

制药的低效率引出了一个更严肃的（de）问题:至少20年来（lái）,价（jià）值1万亿（yì）美元的全球制药行业一直（zhí）处于药物开发（fā）低迷、生产率下滑的状态。制药公（gōng）司的（de）金钱投（tóu）入（rù）越来越多——10家（jiā）最大的（de）制药公司现在每年花费近800亿（yì）美元——研（yán）发出的有（yǒu）效药物却（què）越来越（yuè）少。十年前,若投入一美元来研发（fā）药（yào）物,就能收（shōu）到10美分的回报（bào）;如今,收益（yì）率却不足2美（měi）分。某种程（chéng）度上（shàng）,这是因为（wéi）用于（yú）治疗常（cháng）见疾病的（de）药物（wù）都已（yǐ）经找到了,只（zhī）剩下开发用（yòng）于解（jiě）决（jué）复（fù）杂疾病的药物,这些药物只能治疗一小部分人的疾病,因此能够获得的收益也要少得多。

根（gēn）据（jù）塔夫茨药物开发（fā）研究（jiū）中心的数据,近年来（lái）,药物上市的平均成本几乎翻了一（yī）番（fān）,达到26亿美元之（zhī）多。药物从在实验室中诞生到（dào）流入市场的时间线被（bèi）延（yán）长到了12年,而（ér）有90%的药（yào）物在人体试（shì）验的（de）阶段就被淘汰（tài）。

因此,研究人员对AI在（zài）药（yào）物研（yán）发方（fāng）面的高涨（zhǎng）热情也（yě）就不足为奇了。用户只需要给AI工（gōng）具提供样本(某种分子结构)和相（xiàng）应（yīng）的解决方案(分（fèn）子最终如何被制成药物（wù）),它们就（jiù）可以开发自（zì）己的计算方法来快速（sù）产生相似的制药方案。

AI(右)能更准确地（dì）找到（dào）致病肿（zhǒng）瘤

大多数（shù）机器学习程序可以（yǐ）处理（lǐ）小数据集,而深度（dù）学习程序可以处理大量原始的、非（fēi）结构化的数据。一个深度学习（xí）的版本可以从（cóng）未标记的细（xì）胞图像中进行（háng）分（fèn）子结构辨识,不过,它（tā）可（kě）能需（xū）要（yào）查看上（shàng）百万个细胞样本才能做到这一点（diǎn）。

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

百时美施贵宝（bǎo）(Bristol-Myers Squibb)最近部署（shǔ）了一个机器学习程（chéng）序,该程序经过训练（liàn）,已（yǐ）能够在大量细胞样本中发现与CYP450抑（yì）制效用相（xiàng）关（guān）的分子结构。Saha说,该程序将测试准确（què）率提高到95%,与（yǔ）传统方（fāng）法相比,失败（bài）率（lǜ）降低近6倍（bèi）。这些结果帮助研究人员迅（xùn）速筛选出可能有毒的药物,转而关注那些有更大希望（wàng）通过多项人体试（shì）验、获得美国食品和药（yào）物管理局（jú）批准的候选（xuǎn）药物（wù）。礼（lǐ）来(Eli Lilly)首席数据和分析官维平•戈帕尔(Vipin Gopal)表示:“在我们进行投资之前,AI就能（néng）帮助我们在早期（qī）排除掉那（nà）些潜在的（de）无效（xiào）用药物。”

人工智能软件可以（yǐ）预测哪些化合物可能（néng）与（yǔ）目标蛋（dàn）白结合,以帮助缩小候选药物的范（fàn）围

生物医学（xué）研（yán）究人员认识到,像癌症和阿（ā）尔茨海默病等这般复杂的疾病所涉及的涉及蛋白（bái）质达数百种,如果研（yán）发（fā）的（de）药物只攻击其（qí）中一种蛋（dàn）白质,则不太可能对整个病毒本（běn）身（shēn）造成破坏。Kurji解释说（shuō）,Cyclica正试图（tú）寻找（zhǎo）能（néng）与（yǔ）几（jǐ）十种目标蛋（dàn）白相互作用（yòng）的（de）单个化合物,同时避免与其他（tā）蛋白相（xiàng）互作用（yòng）。他（tā）补充说,目（mù）前正（zhèng）在开发的（de）AI 程（chéng）序（xù）旨在将大（dà）量关于蛋白质变异的遗（yí）传数据整合在一起,这样AI助（zhù）手就可以检测出哪些候选药（yào）物最有效。

苏格兰邓迪大学医学信息学教（jiāo）授安德鲁•霍普金斯(Andrew Hopkins)提出了ex唯科学（xué）算法,这（zhè）个算法只需（xū）分析10个蛋白质数据就能得到有效（xiào）信（xìn）息。它将（jiāng）目标蛋白的生物数据与大约10亿个蛋白（bái）质相互（hù）作用的数（shù）据库进行比较。生成的新数据（jù）被输入到（dào）程序（xù）中（zhōng）,程序再次对列表进行精简（jiǎn）,并分析（xī）另一轮所需的数据。这个过（guò）程重（chóng）复进行,直到（dào）程序准备（bèi）好（hǎo）生成一个易（yì）于管理的（de）化合物列（liè）表,而这些化合物正是目标药物的良（liáng）好（hǎo）候（hòu）选。

霍普金斯声称,ex唯科学的算法（fǎ）可（kě）以将药物的发现时间从4．5年缩短到（dào）1年,将发现（xiàn）成（chéng）本降（jiàng）低80%,合成化合物的数量也会减少到通常生（shēng）产一种成功药物所（suǒ）需的（de）五分（fèn）之一。目前（qián）,他正与生物（wù）科技巨（jù）头Celgene合（hé）作,努力为三个目标（biāo）寻找（zhǎo）新（xīn）的潜在药物。

精确定位目（mù）标蛋白!

为了（le）发（fā）现可能致病的蛋（dàn）白质,生物制药公司Berg也利用（yòng）AI助手来筛选人（rén）体（tǐ）组织（zhī）样本（běn）的生物信息（xī）。Berg软件的（de）方法是（shì）把（bǎ）从病人的组织（zhī）样本（běn）、器官（guān）液体和（hé）血样中提（tí）取的每一（yī）份数据都输入（rù）程序。样（yàng）品（pǐn）中的活细胞被用（yòng）于各种实验,如测试其高葡萄糖水平。这种方法生成多种数据,涵盖细胞产生能量的能力和细胞膜的硬度。

然后,所有的数据都通过一系列深（shēn）度学习程序运（yùn）行,这些程（chéng）序寻找（zhǎo）非疾（jí）病状态和疾病（bìng）状（zhuàng）态（tài）之间的特征差异（yì）,最终着眼于那些（xiē）含（hán）毒性的蛋白质。在（zài）某些（xiē）情况下（xià）,这些蛋白质可能成（chéng）为靶标,这时Berg的AI软（ruǎn）件（jiàn）就可（kě）以寻找药物（wù）来攻击这些（xiē）靶标。更重要的（de）是,因为该（gāi）软件可（kě）以（yǐ）识别目标（biāo）似乎只在一小（xiǎo）部分患者身（shēn）上引起疾（jí）病（bìng）,所以它可以识别这些患者的区（qū）别性特征。这（zhè）意味着患者可以（yǐ）在服用（yòng）药物之前进（jìn）行测试,以确定药物是否可（kě）能对他们有效。

目前,Berg正在与制药巨头阿斯利（lì）康（kāng）(AstraZeneca)合作,寻找治疗帕金（jīn）森氏症和其他神经系统疾（jí）病（bìng）的目标,并（bìng）与（yǔ）赛（sài）诺（nuò）菲巴斯德(Sanofi Pasteur)合作,以（yǐ）改良流感疫苗（miáo）。Berg软件已经确定了诊断测试的机制,可以（yǐ）区分前列腺癌和良性前列腺肥（féi）大症（zhèng）,而（ér）这些病症（zhèng）如果不做手术（shù）则很难（nán）区分。