傳統制藥公司在藥物開發方面都會存在時間長、花費多的問題,而這也是AI介入的重要原因之一。當新藥研發遇到AI后,通過數據生成假定藥物,顯示出更快、更有效率開發新藥的潛力。

近日,在圍棋界聲名鵲起的“阿爾法狗”,不再局限于在競技體育上與人類一爭高下,而是直接將目光投向了生物醫藥行業。一時間,人工智能(AI)成為了加速新藥研發效率的“網紅”。

傳統制藥公司在藥物開發方面都會存在時間長、花費多的問題,而這也是AI介入的重要原因之一。當新藥研發遇到AI后,通過數據生成假定藥物,顯示出更快、更有效率開發新藥的潛力。

12月5日,CCF人工智能與醫療技術創新發展論壇在津舉行,會上,天津國際生物醫藥聯合研究院與北京天云大數據簽署戰略合作協議,雙方將共同打造公共醫藥人工智能平臺,并且該項目已列入天津市新一代人工智能重大科技計劃。

“利用AI技術助推我國醫藥研發實現‘換道超車’,將與國際醫藥巨頭研發站在同一起跑線。”天云大數據首席執行官雷濤對記者說。

AI將跟試管一樣重要

德勤發布的報告顯示,2017年,全球十二強制藥巨頭,成功上市一個新藥的成本約為20億美元,藥物從研發到上市通常要8到12年時間,在研發上的投資回報率僅有3.2%。

針對新藥研發周期漫長且回報率低的境況,近年來,AI等新技術開始向傳統制藥行業滲透,輝瑞、美敦力等紛紛引入AI技術,IBM Watson與輝瑞合作將機器學習用于癌癥藥物發現;與美敦力合作推出糖尿病監測App……

“制藥領域過去的一個特點是‘雙十’,開發一個新的藥物需要十年投資十個億,在這個過程中,很多環節效率是比較低下的。”天津國際生物藥聯合研究院院長黃亞樓說。南開大學教授林建平也表示,盡管藥物研發的投入越來越大,可藥物每年被批的數量并沒有增加,藥企為此都在尋找辦法加快藥物研發的速度,節省研發的成本。

“把大數據、人工智能技術引入進來,可以縮短周期、降低成本,對于整個行業的影響至關重要。”黃亞樓說,目前,很多傳統行業碎片化的壁壘都會被大數據、人工智能所洗牌。

“我們以前是在跟化學成分打交道,跟實驗、試管、試劑打交道。現在,針對新藥研發,AI成為一個新的工具,它跟試管一樣重要。”雷濤指出,在新藥研發中,針對適應癥或副作用的研究,以往的做法是通過實驗檢測藥物晶型,而現在則可以通過數據模擬加速檢測藥物晶型。

雷濤表示,他們希望更多從事數學、物理的研究人員快速跨越IT等一些知識的壁壘,盡快投入到醫藥領域的研究。

如何賦能醫藥?

在數字經濟時代,新藥研發的關鍵已從實驗檢測轉向數據分析,AI在藥物靶點預測、藥物篩選、藥物適應癥預測等方面都大有可為。

根據資料顯示,新藥研發領域包括五種AI應用:尋找可能成為潛在藥物的新化合物;預測潛在的測試藥物作用的好壞;分析不同的藥物能否組合在一起治療疾病;發現以前測試過的化合物的新用途;基于個人遺傳標記來做個性化醫療。

“五個應用方向、尋找潛在實驗的新化學成分、潛在測試藥物的判斷、相互的關聯性等一系列的內容,都是我們跟研究院各個科室、研究小組的一些合作方向。”雷濤說,天云大數據此前通過人工智能PaaS平臺對藥物活性、安全性和副作用進行預測,建模過程僅花費了3至5天時間;同時使用復雜網絡全景展現了適應癥與靶點蛋白關系圖譜(該圖之前只能進行兩兩展示),表明人工智能應用于藥物適應癥和副作用預測前景廣闊。

林建平表示,目前,AI在藥物研發方面已經進入到很多領域,比如靶點的發現,加快化合物合成,幫助化學家找到最佳合成路線,還可以進行大規模的化合物篩選以及做晶體結構條件的預測等。

靶點發現也就是發現能減慢或逆轉人類疾病的生物途徑和蛋白,這是目前新藥發現的核心瓶頸。以往這項工作是由人工實驗完成,現在通過AI的參與,將給實驗的速度帶來指數級的提升。據推測,搭建算法模型及大規模的算力,有望將藥物研發成本降至3億美元甚至更低,研發周期也縮短至6.5年。

另外在藥物篩選(也被稱為先導物篩選)方面,首先要通過少數模塊組合成不同蛋白,然后采用高通量篩選來發現合適的先導物。高通量篩選方式會在同一時間由機器人進行數以百萬計的實驗,因此成本非常高昂。

目前,谷歌和斯坦福的研究人員正致力于利用深度學習開發虛擬篩選技術,以取代或增強傳統的高通量篩選過程,并提高篩選的速度和成功率。通過應用深度學習,研究人員能夠實現跨越多個靶點的眾多實驗的信息共享。

林建平還表示,醫藥研發主要包括高通量篩選、基因測序、組學技術和臨床試驗等,而這里面涉及的數據非常散亂,市面上也有很多個數據庫,比如人類基因數據庫、世界上最大的化合物數據庫Pubhen,也包括臨床試驗的網站、藥物的基因表達譜數據庫,以及藥物和小分子結合的數據庫等。如何把這些數據利用到藥物研發上來,也是AI要做的事。

會上,《健康醫療大數據及其應用報告》發布。中國計算機學會大數據專家委員會(CCF)副秘書長黃宜華指出,如何將患者的被動性參與轉向主動健康管理,從單案例效果評估轉向過程性、全程性的整體評估和體驗;從病種數據管理擴展到健康數據管理,從關注爭端和治療技術到預防、護理和康復環節是未來醫療行業需要關注和解決的問題。而大數據,正是一條重要的道路。

轉載自《中國科學報》 (2018-12-13 第6版 前沿)

七星彩规律视频17132期