利用AI“發現”新藥 ，加速研發速度
你發現了什么？在數學領域，有一個老問題，即是發現新的數學方法，還是發明新的數學方法。同樣的問題也適用于現代藥物發現。當人工智能被用來識別候選藥物時，這些新的候選藥物是被開發出來的，還是在篩選和過濾后自然被數學和科學方法所拋棄？這些新的候選人是被發現還是設計出來的？這可能是沒有什么區別的。
利用人工智能"發現"加速研發的新藥
現代疫苗接種方案，一家生物技術公司，保存在美國佛羅里達州好萊塢研究中心，2020年8月13日。
結論是否隱藏在我們的視線之外？
要回答這個問題，我們需要更深入地研究人工智能在藥物發現和相關領域的應用，以了解這一新興技術的實際和商業意義。"人工智能確實被廣泛應用于藥物發現。基于這些技術的早期工作成果，研究實驗室將其轉化為商業階段，并探索藥物開發與可學習算法之間的交集。"在這個過程中，英偉達甚至參與其中。兩者對接的重要載體之一就是計算，即在計算機中‘測試’多個分子組合。"另一種方法是從潛在信息中發現洞察力，這在藥物發現以外的領域已經很常見。"大數據分析開發了一套令人興奮的新技術，可以從現有數據中提取新的見解。"例如，《自然》雜志最近提出的一種方法可以評估大型研究論文中提到的不同材料與其化學性質之間的關系。"在加州大學伯克利分校和勞倫斯伯克利國家實驗室的研究中，研究人員不再直接看這些材料的分子數據，而是直接利用無監督學習來總結材料科學知識，從而找到與功能需求相匹配的材料選擇。"在新藥發現方面，這種新知識隱藏在視線下的想法其實很有趣。"2017年，東京中央大學的一名研究人員在《自然》雜志上發表了另一項令人矚目的技術，該技術確定了一組可以與基因和藥物相互作用并顯著重疊的基因和化合物。"利用這項技術，研究人員最終確定了兩個有前途的治療靶基因，并將其蛋白產物確定為治療肝硬化（一種常見疾病，但很少有好的治療方法）的有前途的候選藥物。"。
BigData大數據
根據德勤最近的一份報告，人工智能在藥物發現領域的應用確實可以加快藥物發現周期，降低藥物發現成本。過去，從藥物開發到臨床前試驗，整個周期往往需要五六年。上市平均需要10到20年的時間，每種藥物的發現和生產成本約為20億美元。但在將新藥投放市場后，根據德勤的數據，預期投資回報率不到2%。人工智能無疑是最有希望的新藥早期開發解決方案。根據德勤的報告，人工智能解決方案可以顯著縮短藥物發現階段的時間要求，將從研發到臨床前階段的周期縮短至之前的周期。因為這樣的項目需要大量的數據挖掘并必然涉及大量的微調，整個過程更像是科學和發現--而不是工程和設計。但也許真相其實就在兩者之間。"。
發現還是設計？
軟件需要廣泛應用于大規模項目，如人類基因組項目，公司充分利用人工智能技術進行藥物發現和研究，甚至整個藥物發現過程也開始受到人工智能軟件的驅動，所有這些都可能在2030年左右實現。到那時，從篩選到臨床前測試的周期將大大縮短，能夠治療極端特定病理的新藥將不再是"罕見的禮物"。
所以讓我們回到正題--人工智能途徑真的是在發現新藥，還是通過優化流程來設計？也許答案應該是發現，而不是設計。畢竟，用人工智能找出藥物本身就是"運氣"，雖然方法本身也在不斷優化，但要得到"正確"的解決方案還是需要好運氣的。這就像試圖從工具箱中拔出一把螺絲刀，直到你找到一把與螺絲刀相匹配的螺絲刀。它是可行的，但這仍然不是一件事，以發明一個前所未有的新螺絲刀。接下來，我們再問你一個問題:這到底是發明還是發現？正如你所看到的，生產新候選藥物的機器模型仍在從數據中學習，進行優化，并選擇合適的模式。所以，答案還是要一探究竟。但無論如何，這是一個起步領域，前景看好。我們期待AI在醫學領域的力量得到充分展現！"。
