人工智能優先藥物發現:機器人可以幫助科學家發現新的藥物嗎?

圖片來源:
圖片來源
iStock

人工智能優先藥物發現:機器人可以幫助科學家發現新的藥物嗎?

人工智能優先藥物發現:機器人可以幫助科學家發現新的藥物嗎?

副標題文字
製藥公司正在創建自己的人工智能平台,以快速開發新藥和治療方法。
    • 作者:
    • 作者姓名
      量子運行遠見
    • 2022 年 8 月 22 日

    洞察總結

    傳統藥物開發的高成本和失敗率正促使製藥公司投資人工智慧(AI)技術,以提高研究效率並降低成本。人工智慧透過快速識別新藥物標靶並實現個人化治療,正在改變整個產業。這種向人工智慧的轉變正在重塑製藥領域,從改變化學家的工作要求到引發關於人工智慧智慧財產權的爭論。

    人工智能優先的藥物發現背景

    典型的藥物開發項目耗資 2.6 億美元。 科學家們的壓力很大,因為 9 種候選療法中有 10 種沒有獲得監管部門的批准。 因此,製藥公司在 2020 年代積極投資人工智能平台,以提高研究效率,同時降低成本。 

    不同的 AI 技術用於藥物發現,包括機器學習 (ML)、自然語言處理 (NLP) 和計算機視覺。 ML 分析來自各種來源的數據,包括科學文獻、臨床試驗和患者記錄。 然後可以使用此信息來識別可能建議新藥物靶標或導致開發更有效治療的模式。 NLP 是一種基於語言的預測模型,用於從科學文獻中挖掘數據,這些數據可以突出現有藥物的開發新方法。 最後,計算機視覺分析細胞和組織的圖像,可以識別與疾病相關的變化。

    使用 AI 開發新藥的製藥公司的一個例子是輝瑞公司,它利用 IBM Watson,這是一個可以廣泛研究免疫腫瘤藥物的 ML 系統。 與此同時,總部位於法國的賽諾菲 (Sanofi) 與英國初創公司 Exscientia 合作,創建了一個人工智能平台來尋找代謝疾病的治療方法。 瑞士公司 Roche 的子公司 Genentech 正在利用美國 GNS Healthcare 的 AI 系統來領導癌症治療的研究。 在中國,生物技術初創公司 Meta Pharmaceuticals 獲得了 15 萬美元的種子資金,用於開發使用人工智能的自身免疫性疾病治療方法。 該公司由另一家人工智能輔助藥物發現公司 Xtalpi 孵化。

    破壞性影響

    也許人工智慧優先藥物發現的最實際應用是開發第一種治療 COVID-19 的藥物,一種名為瑞德西韋 (Remdesivir) 的抗病毒藥物。該藥物最初被加州生物技術公司吉利德科學公司的研究人員利用人工智慧確定為一種可能的病毒治療方法。該公司使用一種演算法來分析 GenBank 資料庫中的數據,該資料庫包含所有公開可用的 DNA 序列的資訊。

    該演算法確定了兩種可能的候選病毒,吉利德科學公司合成了這兩種候選病毒,並在實驗室培養皿中針對 COVID-19 病毒進行了測試。兩種候選藥物都被發現對病毒有效。然後選擇其中一種候選藥物進行進一步開發並在動物和人類身上進行測試。瑞德西韋最終被發現安全有效,並獲得美國食品藥物管理局(FDA)批准使用。

    從那時起,公司和組織開始合作,利用人工智慧系統尋找更多的 COVID-19 治療方法。 2021 年,10 家公司共同創建了 IMPECCABLE(透過評估更好的線索進行新冠肺炎治療的整合建模管道)。這些組織包括羅格斯大學、倫敦大學學院、美國能源部、萊布尼茨超級計算中心和 NVIDIA 公司。

    該計畫是一個 AI 模擬管道,預計將比現有方法快 19 倍的速度快速篩選潛在的 COVID-50,000 候選藥物。 IMPECCABLE 結合了各種資料處理、基於物理的建模和模擬以及 ML 技術,創建了一種使用資料模式來建立預測模型的人工智慧。與典型的方法不同,科學家必須仔細思考並根據他們的知識開發分子,這種管道允許研究人員自動篩選大量的化學物質,這大大增加了找到可能的候選者的可能性。

    人工智能優先藥物發現的意義

    行業採用人工智能優先藥物發現方法的更廣泛影響可能包括: 

    • 人工智慧平台承擔了傳統上由早期職業化學家處理的任務,要求這些專業人員掌握新技能或改變職業道路。
    • 大型製藥公司僱用機器人科學家來搜尋廣泛的遺傳、疾病和治療數據,加速療法的開發。
    • 生技新創公司與老牌製藥公司在人工智慧輔助藥物發現方面的合作夥伴關係激增,吸引了醫療保健實體的更多投資。
    • 為具有獨特生物學特徵的個體,特別是患有罕見自體免疫疾病的個體提供量身定制的醫療治療。
    • 加強了關於人工智慧在藥物發現中的智慧財產權以及製藥業人工智慧相關錯誤責任的監管討論。
    • 醫療保健產業的藥物開發成本大幅降低,為消費者提供了更實惠的藥品價格。
    • 製藥業的就業動態正在發生變化,數據科學和人工智慧專業知識比傳統製藥知識更受重視。
    • 由於更快、更有效率的藥物發現過程,特別是在發展中國家,有可能改善全球健康結果。
    • 各國政府可能會制定政策,確保公平地獲得人工智慧發現的藥物,防止壟斷並促進更廣泛的健康福利。
    • 隨著人工智慧驅動的藥物發現減少了對資源密集型實驗室實驗和試驗的需求,環境影響也隨之減輕。

    需要考慮的問題

    • 您認為人工智能優先的藥物發現還會如何改變醫療保健?
    • 政府可以做些什麼來規範以人工智能為先的藥物開發,尤其是定價和可及性?