近期，席捲全球的ChatGPT熱潮讓各行各業再一次關注起了人工智慧的發展。
當下，人類社會正朝著數智化演進，AI在其中扮演的角色越來越重，甚至有很多人在擔心AI會逐步取代人類的很多工作崗位，導致大量失業。
這樣的擔憂不無道理，從工程製造到內容創作等領域，都可以看到AI的身影，並有著讓人驚喜的表現。
除了能說會道的ChatGPT之外，醫藥領域的AI應用，也正在引導一場行業變革。
一、82歲血癌患者的奇蹟
在國外，一名82歲的血癌患者「保羅」在經歷了6個療程的化療之後，病情依然不見起色。
在醫生的安排下，他參加了他所在的奧地利維也納醫科大學設立的一項試驗。
這所大學正在測試一項由英國公司Exscientia所開發的新配對技術，在充分考慮到人與人之間微妙的生物差異的基礎上，該技術將個體患者與他們需要的精確藥物進行配對。
研究人員從保羅身上取了一小部分組織樣本，將樣本（包括正常細胞和癌症細胞）分成100多塊，並將其置於各種藥物的雞尾酒中。
然後，他們藉助機器人自動化和計算機視覺（機器學習模型被訓練來識別細胞中的微小變化）來觀察會發生什麼。
事實上，研究人員正在做醫生所做的事情：嘗試不同的藥物看看效果如何。
但是，他們並沒有讓患者進行多個月的化療，而是同時測試了數十種治療方法。
這種方法使團隊能夠對合適的藥物進行詳盡的搜索。有些藥物並沒有殺死保羅的癌細胞，另外一些傷害了他的健康細胞。保羅太虛弱了，無法服用最有效的藥物。
因此，他在配對過程中匹配到了非首選的藥物：一種由製藥巨頭強生公司銷售的抗癌藥物。保羅的醫生沒有嘗試過使用這種藥，因為之前的試驗表明它對治療保羅的癌症類型無效。
然而，這藥竟然奏效了。兩年過去了，保羅已經完全康復了，他的癌症已經消失了。
Exscientia執行長安德魯·霍普金斯表示，這種方法將給癌症的治療帶來巨大的改變：「我們擁有的在臨床上測試藥物的技術確實可以應用於真正的患者。」
二、AI製藥新趨勢
對於Exscientia公司來說，藉助人工智慧選擇合適的藥物只是他們想要解決的問題的一部分，該公司正著手對整個藥物開發管線進行全面檢查。
除了將患者與現有藥物配對，Exscientia還利用機器學習設計新藥物。這也將使得在尋找藥物匹配時有更多的選擇。
藉助人工智慧進行設計的第一批藥物現在正在進行臨床試驗，這是在人類志願者身上進行的嚴格測試，以期在監管機構批准其廣泛使用之前，確定治療是否安全有效。自2021以來，Exscientia開發的以及與其他製藥公司聯合開發的兩種藥物已開始這一過程。該公司正準備再提交兩份。
霍普金斯說：「如果我們使用的是傳統方法，我們就不可能這麼快做到這樣。」
Exscientia並不是唯一做這件事的企業。生物技術和生命科學領域的風投公司Air Street Capital的內森·貝納奇表示，現在有數百家初創公司正在探索將機器學習應用於製藥行業，「早期跡象足以吸引大筆資金。」
如今，研發一種新藥平均需要10年以上的時間和數十億美元。我們的願景是利用人工智慧更快、更便宜地發現藥物。
通過預測潛在藥物在體內的行為，並在它們離開計算機之前丟棄終端化合物，機器學習模型可以減少艱苦的實驗室工作。
總部位於加州的藥物公司Verseon的執行長Adityo Prakash表示，對新藥的需求總是源源不斷：「我們仍然有太多的疾病無法治療，或者只能用三英里長的副作用清單來治療。」
如今，世界各地正在建造新的實驗室。去年Exscientia在維也納開設了一個新的研究中心；2月，總部位於香港的藥物研發公司Insilico Medicine在阿布達比開設了一個新的大型實驗室。總的來說，目前已有大約20種藉助人工智慧開發的藥物正在進行或進入臨床試驗。
總部位於華盛頓溫哥華的Absci公司創始人兼執行長肖恩·麥克萊恩解釋說，我們看到了活動和投資的增加，因為製藥行業自動化程度的提高已經開始產生足夠的化學和生物數據，用以訓練良好的機器學習模型。
「現在是時候了，」麥克萊恩說。「未來五年，我們將看到這個行業的巨大變革。」
三、AI設計藥物：任重道遠
然而，人工智慧藥物發現還處於早期。Prakash說，有很多人工智慧公司聲明他們還無法做到，「如果有人說，他們可以很好地預測哪些藥物分子可以通過腸道，或者不會被肝臟分解，諸如此類的事情，他們可能還會有火星上的土地賣給你。」
這項技術並不是萬能的：在實驗室中對細胞和組織進行實驗，在人體中進行測試，這是開發過程中最慢、最昂貴的部分，但不能完全排除。「這為我們節省了很多時間。它已經完成了我們過去手工完成的許多步驟，」麻薩諸塞州劍橋創業孵化器Flagship Pioneering的首席科學官Luisa Salter Cid說。「但最終的驗證需要在實驗室進行。」
儘管如此，人工智慧已經在改變藥物的生產方式。距離人工智慧幫助設計的第一批藥物上市可能還需要幾年時間，但這項技術將動搖整個製藥行業，從藥物設計的最早階段到最終審批過程。
從零開始研發新藥的基本步驟沒有太大變化。首先，在體內選擇藥物將與之相互作用的目標，例如蛋白質；然後設計一個分子，對這個目標做一些事情，比如改變它的工作方式或者關閉它。接下來，在實驗室中製造該分子，並檢查它是否真的完成了它的設計任務（除此之外）；最後，在人類身上測試它是否既安全又有效。
幾十年來，化學家們通過將所需靶點的樣品放入實驗室的許多小隔間，加入不同的分子，並觀察反應來篩選候選藥物。然後他們重複這個過程很多次，調整候選藥物分子的結構，把這個原子換成那個原子等等。自動化加速了事情的發展，但試錯的核心過程是不可避免的。
但試管不等同於身體。許多看似在實驗室中發揮作用的藥物分子最終在人體中進行測試時都失敗了。「藥物發現的整個過程都是失敗的，」Exscientia首席業務官、生物學家理察·勞說。「研發一種藥物的成本如此之高，是因為你必須設計和測試20種藥物才能讓一種藥物發揮作用。」
四、人工智慧公司如何研發藥物？
新一代人工智慧公司專注於藥物開發過程中的三個關鍵失敗點：①在體內選擇合適的靶點，②設計合適的分子與之相互作用，③確定該分子最有可能幫助哪些患者。
幾十年來，分子建模等計算技術一直在重塑藥物開發管線。但即使是最強大的方法也涉及手動構建模型，這一過程緩慢、困難，並且容易產生與現實情況不同的模擬結果。
通過機器學習，包括藥物和分子數據在內的大量數據可以被用來自動構建複雜的模型。這使得預測藥物在體內的行為變得更加容易和快速，使得許多早期的實驗可以在計算機上進行。
機器學習模型還可以用以前不可能的方式篩選大量未開發的潛在藥物分子。結果是，實驗室（以及後來的臨床試驗）中的艱苦但重要的工作只需要對那些成功機會最大的分子進行。
在開始模擬藥物行為之前，許多公司正在將機器學習應用於識別目標的問題。Exscientia和其他人使用自然語言處理從數十年前的大量科學報告檔案中挖掘數據，包括數十萬已發表的基因序列和數百萬篇學術論文。從這些文檔中提取的信息被編碼在知識圖中，這是一種組織數據的方法，可以捕獲包括「a導致B」等因果關係在內的聯繫。然後，機器學習模型可以預測在嘗試治療特定疾病時，哪些目標可能是最有希望的目標。
將自然語言處理應用於數據挖掘並不是什麼新鮮事，但製藥公司，包括更大的公司，現在正將這作為其過程的關鍵部分，希望它能幫助他們找到人類可能錯過的聯繫。
相信在不久的將來，我們會看到人工智慧在醫藥領域創造更多的奇蹟。在過去幾十年裡，人工智慧是最受關注的前沿技術之一。
《麻省理工科技評論》在每年推出的「全球十大突破性技術」榜單中，人工智慧相關技術多次上榜。
近期，《麻省理工科技評論》發布的2023年「全球十大突破性技術」榜單中就包括以OpenAI為代表的科技企業所研發的AI生成圖像/視頻技術。在《麻省理工科技評論》看來，依靠簡單的短語就能生成驚人圖像的人工智慧模型，正在演變為強大的創意和商業工具。
《麻省理工科技評論》自創辦以來，始終關注對人類社會發展有著重大價值的前沿科技，如今「全球十大突破性技術」榜單也已伴隨我們走過22載光陰，超200項的突破性技術正如一部前沿科技發展史，記錄了時間長河中那些閃閃發光的技術靈感和科技突破。
2022年，《麻省理工科技評論》攜手DeepTech推出圖書《科技之巔：全球突破性技術創新與未來趨勢（20周年珍藏版）》，該書系統性地梳理、總結了過去20年來由《麻省理工科技評論》發布的200餘項「全球十大突破性技術」，按照「生命科學、信息工程、資源與能源、工程製造、智慧生活」五大領域分別進行剖析，同時邀請學術、產業、資本界權威對一些領域技術的特點、產業應用現狀、未來發展趨勢以及投資潛力進行了深度解讀和專業點評，以期為各界人士提供了解各學科領域、洞察科技發展、發掘投資商機的最佳途徑。
——互動問題——
你期待AI還會帶來哪些改變？
歡迎在文末留言，將隨機抽選三位用戶送出《科技之巔：全球突破性技術創新與未來趨勢（20周年珍藏版）》一本。
獲獎名單將在下期「蝌學薦書」中公布，歡迎留言~
恭喜上期獲獎者@小沈、@宋婷、@陽光87 獲得《what if ？2》一本，請與蝌蚪君聯繫獲取贈書。
責編：咕嚕