人工智能正在改变各行各业的商业模式，帮助程序员编写代码，并通过聊天机器人处理客户服务电话。但制药行业仍在等待，看人工智能能否应对其最大的挑战：找到更快、更便宜的方法来开发新药。尽管投入了数十亿美元的研究资金，新药的开发通常仍需十年或更长时间。
成立于2018年的Insitro是越来越多利用人工智能加速药物发现的公司之一。该公司通过使用机器学习分析大量化学和生物标志物数据集，与Eli Lilly和Bristol Myers Squibb等制药公司合作，开发针对代谢疾病、神经疾病和退行性疾病的药物。
Insitro的首席执行官兼创始人Daphne Koller在接受美联社采访时谈到了人工智能在药物发现中带来的变化。以下是采访的编辑版：
问：您认为药物发现面临的主要问题是什么？
答：我认为药物发现的问题在于我们试图干预一个我们仅略知一二的系统。过去15到20年中的许多成功案例都是在我们对该系统有足够了解的情况下，能够真正设计出与之匹配的干预措施。因此，我们在Insitro尝试做的一件事是解开复杂疾病的底层复杂性，识别新的干预模式，这些模式可能不会帮助整个患者群体，但或许能帮助其中的一部分。这样，我们可以真正确定在特定患者群体中进行干预的正确治疗假设。我认为，这正是行业缺乏成功的关键所在。
问：生物学领域发生了哪些变化，使得机器学习的应用成为可能？
答：与人工智能革命平行发生的是一个更为安静的革命，我称之为定量生物学，即以前所未有的精确度测量生物系统的能力。你可以用越来越好的测量技术和技术来测量蛋白质和细胞等系统。但如果你把这些数据交给一个人，他们的眼睛可能会发呆，因为一个人只能看那么多细胞，只能在这些图像中看到那么细微的差别。人们在感知细微差异方面的能力有限。
因此，你最终会得到一个非常简化观点，而这个观点对于解开患者之间的区别和揭示干预措施真正可以发挥作用的地方是非常重要的。
问：您是如何进入这一领域的？
答：我的博士学位是在计算机科学领域。但在1998年或1999年左右，我开始涉足机器学习领域，为生物医学问题服务。当时，机器学习能够解决的问题实际上并不令人兴奋。你能在多大程度上对电子邮件数据集中垃圾邮件和非垃圾邮件进行分类？我正在寻找一些更有深度的问题。我第一次涉足这个领域并不是因为我特别想成为一名生物学家，而是因为我正在寻找更具技术挑战性的问题。后来，当我深入研究时，我对生物学本身产生了兴趣。
问：您在组织内部如何促进跨学科合作？
答：这可能是我们作为组织取得的最重要的成就之一。你可以把最先进、最有善意的科学家们从两个不同的领域放在一起，但他们之间可能就像在说泰语和斯瓦希里语一样无法沟通。
作为一名工程师，你寻找的是最强、最一致的模式，这些模式可以让你对大多数细胞或个体做出预测。而作为一名生命科学家，你往往是在寻找例外，因为这些例外可能是通向新发现的线索。因此，我们实施了一系列文化和组织元素，以帮助人们开放、建设性和尊重地相互交流。
(全文结束)
