AI是如何改变药物研发的？
发布时间：2018-11-5 14:46
发布者：chinco
关键词：
AI医疗
|
近期的一个周五，家住波士顿的RandellSanders将两份他的血液样本，还有一份尿液和唾液样本交给了护士。临床医生将对一些样本进行测试，看看他的身体对胰腺癌的治疗反应。 与此同时，这些样本也被送到了一家实验室，在那里人工智能正改变着制药公司研发药物的方式。 擅长模式识别的计算机，可以通过大量新的和现有的基因、代谢和临床信息筛选，来解开致使疾病肆虐的复杂生物网络。反过来，这也有助于识别可能在特定病人人群中起效的药物，同时减少药物研发失败的机率。 过去，制药公司使用AI来检查化学物质——例如，一种药物是否会附着在特定的蛋白质上。但现在的趋势是使用AI来探测生物系统，以获得有关药物如何影响病人细胞或组织的线索。 由机器学习驱动的生物学洞见也可以帮助制药公司更好地识别和招募那些最理想的病人进行临床试验，这可能会提高那些药物得到政策部门批准的机会，如FDA。 美国海军退伍军人、现年64岁的Mr Sanders所生产的样本数据，将成为Project Survival这个耗资1700万美元的项目数据库中的一部分。资助方是一家位于马萨诸塞州雷明汉镇叫做Berg的公司。这家公司是欧美正利用人工智能使得药物研发成本更低、效率更高的多家公司中的一家。Sanders表示，他同意参加这项研究，希望它能“帮助下一个人”。智能机器将会搜寻他和其他几百名患者的样本和基因，得到分子指纹或生物标记。这可以用于帮助测量特定药物的影响，并识别出这种药物可能最有用的患者。 Berg的CEO Niven Narain表示，AI驱动的药物试验与传统药物试验之间有着巨大的不同。用AI来驱动药物试验，我们不能预先做出任何假设。我们不允许[人类]假设来产生数据。我们利用病人产生的数据来产生假设。 广泛使用 Project Survival是一个更大的希望在智能机器的帮助下研发治疗方法的研究项目的一部分。来自Datamonitor Healthcare的一位分析师在2017年5月的一份报告中指出，在药物研究中利用人工智能技术的其他尝试包括：使用该技术研制新药，或为已经批准的药物寻找新用途，以及通过加速患者招聘和网站选择，来加快临床试验。 一些公司，如加州San Bruno市的Numerate公司和伦敦的BenevolentAI公司，正在研发自己的分子，并将其授权给制药行业的客户。其他的公司，如IBM、位于旧金山的Atomwise公司和位于Baltimore的Insilico医药公司正在与大学和非营利组织建立研究合作关系，并设立针对制药公司的人工智能服务。 据默克研究实验室在Palo Alto的首席科学家David Rosen所说，默克公司正在使用Atomwise的深度学习技术来识别可以用于治疗神经系统疾病的化合物。最近，人们对人工智能在医疗上的应用越来越有兴趣，一部分原因是由于在机器翻译和计算机视觉等应用领域，深度学习已经取得了巨大的进步。 今年1月，葛兰素史克公司和加州Livermore的Lawrence Livermore国家实验室宣布建立合作伙伴关系，将利用人工智能进行药物研发。据葛兰素史克平台技术和服务部门的高级副总裁John Baldoni表示：通过这项合作，他们是希望在某些情况下，利用人工智能将原来需要耗费10年时间来进行的研发，缩短到1年。 据几位知情人士透露，欧洲的科学家也正准备发起一项类似的举措，其中包括强生公司的杨森制药部门，以及其他几家制药公司和学术研究人员。杨森拒绝就该合作发表评论。 对AI兴趣的上升是一个多股力量聚合的结果。这些力量包括大量可用的数据、计算能力和算法的提升，还有已经困扰了制药行业几十年的冗长的药物研发时间。 精准度的提高，或者个性化的医学，也给药物研发人员带来了压力，使他们远离了一刀切的模式。 “我们知道，同样的疾病在每个病人身上都是不一样的，”匹兹堡大学药物发现研究所的新疗法主任Andrew Stern说。“随着护理变得更加个性化，一些药物的市场可能“相对于我们过去所看到的来说相对较小。但如果研发过程保持不变，研发成本就不会有太大的差别。 因此，制药公司希望AI能够降低开发新药的成本。目前还没有足够的数据支持人工智能将降低成本的假设，部分原因是新药物的商业化花费如此之久，而且最近对人工辅助生物学的研究也相对较新。 “药物研发的周期一般需要大约10年，”麦肯锡的Chilukuri表示。因此，收益将在未来10到15年内出现。从中期来看，AI对制药行业的价值增长可能相当于销售额增长5%到10%，但长期收益将超过这一水平。 早期收益 一些药物开发商说，他们已经看到了早期的好处。 杨森制药数据科学发掘主任HugoCeulemans表示：“在大多数的项目中，杨森已经开始用上了AI。AI系统能够训练包括临床前的数据集在内的不同数据源，通过选择更恰当的化合物进行药物合成和测试，以及“标记”化合物是否有毒及不良反应，,使得性能得到了显著的提升。 默克公司的外部创新主管Joern-Peter Halle说：“默克公司通过使用计算机视觉软件开发了两款新药。计算机软件可以分析细胞和组织的图像，其他的AI系统能够从基因和化学信息的公共数据库中获取洞见。 在Berg公司，Narain博士说AI通过帮助他们了解临床测试中的药物如何在细胞水平上发挥作用，来帮助科学家决定“要去攻克哪一项癌症”。Berg的系统首先通过详细的医学历史、科学出版物和化学数据库的数据来识别病人和病人之间的遗传和其他标记。然后它将根据与特定疾病相关的基因、蛋白质或代谢物排列，并确定特定的基因或蛋白质与特定的病人结果相关联。Narain博士说，这种筛查比传统方法“至少便宜50%”。 AI在药物研发方面潜力的真正释放还有一些障碍需要扫清。例如，数据集——因为即使在同一家机构,数据也是分散的或以不兼容的方式在存储。这使机器很难理解他们，除非在数据上我们真的下功夫。 数据隐私也是个问题。考虑到最近在全世界出现的网络安全事件。 再一个是药物审批的流程。这个流程需要动物和人类实验的数据。这使得不太可能的计算机很快就能完全取代科学家。 FDA新药物办公室的副主任Peter Stein表示：FDA鼓励公司“提高识别有效和安全的分子的效率”。但是，他补充说，FDA的临床试验标准和药物审批程序“还并没有针对特定的发现策略而有所不同。” 来源：搜狐 |
网友评论