年底愛爾蘭將利用AI開發(fā)運(yùn)動(dòng)營養(yǎng)產(chǎn)品 2021年將有五種新藥

藥物研發(fā)是一項(xiàng)漫長而艱難的工作。制藥公司每年在研發(fā)上花費(fèi)超過1720億美元，而且一種新藥的研發(fā)往往要花費(fèi)漫長的數(shù)年乃至十?dāng)?shù)年時(shí)間。

不僅如此，使用傳統(tǒng)技術(shù)發(fā)現(xiàn)的90%以上的分子在人體臨床試驗(yàn)中都會(huì)失敗，而且75%的新批準(zhǔn)藥物無法承擔(dān)開發(fā)成本。一些分析師甚至預(yù)測，到2020年藥品研發(fā)的投資回報(bào)率可能會(huì)降低為零。

不過，這種現(xiàn)狀有可能被人工智能改變。利用AI進(jìn)行藥物研發(fā)已經(jīng)成為了一個(gè)頗有潛力的新興領(lǐng)域。

近日，愛爾蘭一家初創(chuàng)公司Nuritas預(yù)計(jì)，到2021年，他們將利用人工智能技術(shù)發(fā)現(xiàn)五種新的醫(yī)療成分。總部位于都柏林的這家公司已經(jīng)證明，它能夠勝任這項(xiàng)任務(wù)。

這家初創(chuàng)公司利用人工智能發(fā)現(xiàn)了一種有助于治療炎癥的成分，預(yù)計(jì)到2019年底，這種成分將用于運(yùn)動(dòng)營養(yǎng)產(chǎn)品。

第一種成分是在與德國化工巨頭巴斯夫的合作中發(fā)現(xiàn)的。用傳統(tǒng)方法發(fā)現(xiàn)一種新成分的標(biāo)準(zhǔn)時(shí)間是5到7年，而這對(duì)搭檔利用人工智能只用了2年就發(fā)現(xiàn)了它。

Nuritas首席執(zhí)行官埃米特•布朗(Emmet Browne)表示:“與通常情況下的特定領(lǐng)域相比，在市場上迅速推出某種產(chǎn)品是極具顛覆性的。”

雖然目前還不清楚下一個(gè)發(fā)現(xiàn)的藥物是什么，但Nuritas預(yù)計(jì)在未來12-18個(gè)月內(nèi)還會(huì)發(fā)現(xiàn)五種成分。該公司60%的成功率遠(yuǎn)遠(yuǎn)高于行業(yè)標(biāo)準(zhǔn)。

“實(shí)際上，我們所做的就是利用人工智能來解開大自然的秘密。這就是它的深層意義。”Nuritas已從一系列知名投資者那里籌集了4000萬英鎊，其中包括Salesforce創(chuàng)始人馬克•貝尼奧夫(Marc Benioff)、U2樂隊(duì)主唱波諾(Bono)和the Edge。

人工智能如何發(fā)現(xiàn)新藥?

當(dāng)前藥物研發(fā)過程的主要缺陷之一是需要大量的時(shí)間成本和前期投入。整個(gè)過程可能需要幾十年才能開花結(jié)果，而且在效率、安全、優(yōu)化以及臨床前期和臨床期安全方面，與其他行業(yè)形成了鮮明對(duì)比。

目前，制藥業(yè)在每一種藥物上花費(fèi)近10億美元。盡管大部分成本都來自優(yōu)化過程、找到合適的分子、開發(fā)測定目標(biāo)活性的方法，但要找到合適的化學(xué)物質(zhì)卻需要數(shù)年時(shí)間。

接下來是在動(dòng)物身上進(jìn)行的藥物試驗(yàn)，盡管已經(jīng)在化學(xué)發(fā)現(xiàn)上投入了多年，但成功率仍只達(dá)到了1:10。這往往是制藥企業(yè)合并的原因，因?yàn)榫揞~投資帶來的回報(bào)機(jī)會(huì)很小。

目前關(guān)于藥物研發(fā)的研究是如此之多，每天都有近10,000篇論文被發(fā)表，光憑人力不可能將所有數(shù)據(jù)關(guān)聯(lián)、吸收和連接起來，從而產(chǎn)生一個(gè)有用的結(jié)果。但如果不這樣做，新藥的研發(fā)更是毫無頭緒。

人工智能和機(jī)器學(xué)習(xí)使收集和分析數(shù)據(jù)成為可能。首先利用人工智能提取“有用的信息”，然后經(jīng)歷一個(gè)專家小組的嚴(yán)格審查。

例如，正在研究ALS的AI新藥研發(fā)公司BenevolentAI開發(fā)了一個(gè)“判斷相關(guān)系統(tǒng)”，可以從數(shù)百萬篇科學(xué)研究論文和摘要中審查數(shù)十億段和行的字句。該技術(shù)在數(shù)據(jù)和已知事實(shí)之間建立了直接的關(guān)系，因此未知的聯(lián)系也被發(fā)現(xiàn)。

科學(xué)家和研究人員正在對(duì)這一假說的有效性進(jìn)行判斷，并對(duì)其潛在的新藥機(jī)制進(jìn)行測試。

除此之外，人工智能還提供了對(duì)疾病的機(jī)理洞察，并提供了新的解決方法。它可以給出一個(gè)整體的新目標(biāo)，如果在“復(fù)合意義上”使用，它允許我們在更大的化學(xué)調(diào)色板中選擇我們的目標(biāo)分子。

人工智能還可以在確定任何有關(guān)化合物的安全性和有效性的問題方面發(fā)揮重要作用，比目前所需的時(shí)間更少，從而節(jié)省用于治療嚴(yán)重疾病的時(shí)間和資源。它可以用來建立一種負(fù)擔(dān)得起、可持續(xù)和有效的新藥供應(yīng)渠道。

AtomWise的研究人員還發(fā)布了一個(gè)名為AtomNet的系統(tǒng)，旨在簡化藥物發(fā)現(xiàn)的初始階段。它專注于觀察不同化學(xué)物質(zhì)之間的相互作用，從而輕松地確定目標(biāo)分子。

AtomNet減少了這一過程中的手工工作，并利用深度學(xué)習(xí)來預(yù)測分子行為。雖然它沒有發(fā)明一種新藥，但它通過預(yù)測分子的行為減少了時(shí)間消耗。它已經(jīng)通過幫助研發(fā)對(duì)付埃博拉和多發(fā)性硬化的藥物證明了自己。

另一個(gè)例子是總部位于加州的two XAR，該公司正在將人工智能應(yīng)用到藥物發(fā)現(xiàn)機(jī)制中。它使用定制的計(jì)算平臺(tái)來識(shí)別“藥物和疾病之間的相關(guān)性”。該平臺(tái)沒有人為的偏見，并且通過小型和大型圖書館篩選，擴(kuò)大數(shù)據(jù)庫和并提高更快找到新藥的機(jī)會(huì)。

人工智能最廣為人知的應(yīng)用之一(盡管相當(dāng)間接)是在1999年科學(xué)家決定解碼我們的DNA時(shí)舉行的基因組計(jì)劃中。

它不僅為一些罕見的遺傳疾病和相關(guān)標(biāo)志物提供了線索，而且還為預(yù)防糖尿病、帕金森癥、阿爾茨海默癥等疾病提供了重要線索。如今，多靶點(diǎn)基因反應(yīng)可以通過機(jī)器學(xué)習(xí)來處理，而初創(chuàng)企業(yè)Evisagenics的軟件技術(shù)通過剪接同位素量化與預(yù)測分析相結(jié)合，幫助發(fā)現(xiàn)新的藥物靶點(diǎn)和生物標(biāo)志物，對(duì)與疾病相關(guān)的基因進(jìn)行優(yōu)先排序，并提供一個(gè)有著良好證據(jù)支持的目標(biāo)列表。

在藥物研發(fā)的每個(gè)環(huán)節(jié)，都有許多人工智能初創(chuàng)公司已經(jīng)進(jìn)入。

這些環(huán)節(jié)包括聚合和綜合信息、了解疾病的機(jī)制、建立生物標(biāo)志物、生成數(shù)據(jù)和模型、修改現(xiàn)有藥物、產(chǎn)生新的候選藥物、驗(yàn)證和優(yōu)化候選藥物、設(shè)計(jì)藥物、臨床前實(shí)驗(yàn)設(shè)計(jì)、進(jìn)行臨床前實(shí)驗(yàn)、設(shè)計(jì)臨床試驗(yàn)、招募臨床試驗(yàn)人員、優(yōu)化臨床試驗(yàn)、發(fā)布數(shù)據(jù)和分析真實(shí)世界的證據(jù)等。

比如Cambridge Cancer Genomics使用人工智能，從血液樣本中的腫瘤DNA中預(yù)測癌癥進(jìn)展。CytoReason使用人工智能整理組織和標(biāo)準(zhǔn)化與免疫相關(guān)的基因、蛋白質(zhì)、細(xì)胞和微生物組數(shù)據(jù)，使之成為一個(gè)單一的、機(jī)器可讀的、細(xì)胞層次的免疫系統(tǒng)視圖，使研究人員獲得有關(guān)疾病機(jī)制、臨床標(biāo)記、藥物發(fā)現(xiàn)和驗(yàn)證的新見解。

Desktop Genetics使用AI確定影響CRISPR導(dǎo)向設(shè)計(jì)的生物變量。允許研究人員改善研究和減少實(shí)驗(yàn)偏見。

BullFrog AI使用人工智能預(yù)測哪些患者會(huì)對(duì)正在進(jìn)行的治療產(chǎn)生反應(yīng)。GNS Healthcare使用人工智能將不同的生物醫(yī)學(xué)和醫(yī)療數(shù)據(jù)流轉(zhuǎn)換為代表個(gè)體患者的計(jì)算機(jī)模型，允許研究人員通過了解針對(duì)個(gè)別患者的最佳健康干預(yù)措施，大規(guī)模提供個(gè)性化藥物。

Aetion使用人工智能分析醫(yī)療和藥品索賠數(shù)據(jù)，允許研究人員了解哪種治療方法在什么時(shí)候?qū)δ男┎∪俗钣行А?/p>

“AI+藥物研發(fā)”的市場現(xiàn)狀

據(jù)估計(jì)，一種新藥需要約1000人20年的努力以及高達(dá)16億美元的成本才能進(jìn)入市場。這似乎是一項(xiàng)巨大的投資，往往會(huì)導(dǎo)致該領(lǐng)域的公司合并。

Deep Knowledge Ventures的研究表明，美國擁有人工智能用于藥物開發(fā)的公司總數(shù)的59%，是競爭者中的“領(lǐng)導(dǎo)者”，而歐盟和亞洲目前至少似乎也已經(jīng)踩在了起跑線上。

Deep Knowledge Ventures預(yù)計(jì)，亞太地區(qū)的投資將大幅增加，主要是外國公司(大多美國公司)，并且預(yù)計(jì)未來幾年我們將見證亞洲相關(guān)公司的大量增長——特別是太平洋和中國。

根據(jù)Deep Knowledge Ventures報(bào)告，AI藥物開發(fā)市場2015年的市場份額為2億美元，2018年市場達(dá)到7億美元，預(yù)計(jì)2024年價(jià)值超過50億美元。而另一些對(duì)2024年該行業(yè)估值的預(yù)測為100億美元甚至高達(dá)200億美元。

目前，大型制藥公司以及賽諾菲(Sanofi)、深基因組(Deep Genomics)、伯格健康(Berg Health)、云制藥(Cloud Pharmaceuticals)、Kadmon Corporation、阿斯利康(Astra Zeneca)等初創(chuàng)企業(yè)已經(jīng)在人工智能藥物研發(fā)方面投入了數(shù)百萬美元。

來自BenevolentAI的Jackie Hunters教授表示:“目前的藥物開發(fā)過程既昂貴又太漫長。人工智能提供了一種解決方案，可以將多年的工作縮短為幾個(gè)月，從而提高準(zhǔn)確性和效率。”

這家總部位于人工智能的生物制藥公司的首席執(zhí)行官Radin補(bǔ)充說:“在我們存在的這幾年里，我們已經(jīng)被告知數(shù)百次，電腦無法做到這一點(diǎn)：生物學(xué)太復(fù)雜了，這是行不通的。在每一個(gè)疾病項(xiàng)目中，我們都對(duì)新人工智能識(shí)別的候選對(duì)象進(jìn)行了概念驗(yàn)證研究，我們在標(biāo)準(zhǔn)端點(diǎn)上產(chǎn)生了有用的結(jié)果。”

AtomWise首席運(yùn)營官亞歷山大•利維(Alexander Levy)進(jìn)一步解釋道:“你可以在藥物和廣泛的生物系統(tǒng)之間進(jìn)行互動(dòng)，并將其分解成越來越小的互動(dòng)群體。如果你研究了足夠多的這種分子的歷史例子，你就可以做出非常準(zhǔn)確但又非常快的預(yù)測。”

人工智能正越來越多地應(yīng)用于醫(yī)療保健領(lǐng)域，這種變化很可能會(huì)改變我們的生活(甚至挽救生命。從外科機(jī)器人到可以進(jìn)入人體的微型機(jī)器人，人工智能已經(jīng)確立了在醫(yī)療領(lǐng)域的影響力。

而在藥物研發(fā)領(lǐng)域，人工智能將會(huì)帶來一個(gè)革命性的新時(shí)代。

關(guān)鍵詞： 愛爾蘭 AI 新藥 運(yùn)動(dòng)營養(yǎng)

責(zé)任編輯：Rex_08