人工智能正在发现对抗严重疾病的新方法How artificial intelligence is discovering new ways to fight serious diseases

环球医讯 / AI与医疗健康来源:en.vijesti.me塞尔维亚 - 英语2025-01-29 15:00:00 - 阅读时长5分钟 - 2093字
本文介绍了人工智能在药物研发领域的最新进展,特别是如何通过AI技术加速发现治疗疑难病症如特发性肺纤维化(IPF)的新药,显著缩短研发时间和成本,提高成功率,并探讨了未来AI在药物研发中的潜力和挑战。
人工智能药物发现特发性肺纤维化临床试验InsilicoMedicineAI模型药物化学家波士顿咨询集团靶点识别生成式AITNIK蛋白质RikergenPharmaceuticals超级计算机淋巴瘤实体肿瘤成功率
人工智能正在发现对抗严重疾病的新方法

通过视频通话,Alex Zhavoronkov展示了一颗小的绿色钻石形状的药片。这颗药片是由他的公司开发的,用于治疗一种罕见的进行性肺病,这种病目前尚无已知病因或治愈方法。这种新药尚未获得批准,但在小型临床试验中,它在治疗特发性肺纤维化(IPF)方面表现出令人印象深刻的疗效。这只是新一代药物中的一种,这些药物的发现离不开人工智能(AI)的帮助。

“我们不能说我们拥有了第一个由人工智能发现和设计并获得批准的分子,”Insilico Medicine的联合创始人兼首席执行官Alex Zhavoronkov博士表示,“但我们可能在这方面走得最远。”

欢迎来到这场伟大的AI药物竞赛,在这里,大量公司正利用人工智能的力量来做传统上属于药物化学家的工作。这包括过去十年中涌现的小型专业生物技术公司,以及自行研究或与小型公司合作的大型制药公司。其中较新的参与者包括Alphabet(Google的母公司),它于2021年成立了英国AI药物发现公司Isomorphic Labs。其首席执行官Demis Hassabis今年因一个有望用于AI药物开发的AI模型而获得了诺贝尔化学奖。

波士顿咨询集团(BCG)的Chris Mayer表示,使用人工智能来发现药物可以为患者带来“巨大改变”。通常情况下,将一种新药推向市场平均需要10到15年的时间,成本超过20亿美元。而且风险很高:约90%进入临床试验的药物未能通过测试。希望使用人工智能可以减少这一过程的时间和成本,并提高成功率。牛津大学结构生物信息学教授Charlotte Dean表示:“一个新时代即将到来,AI将成为药物发现过程的核心。”她正在开发免费的AI工具,以帮助制药公司和其他机构改进药物发现。“我们正处于这个领域的开端,前景非常广阔。”

BCG最近发布的一项分析显示,至少有75种“AI发现的分子”已经进入临床试验,预计还会有更多。Mayer博士表示:“它们现在常规进入临床试验是一个巨大的里程碑。”下一个“更大的里程碑”将是这些分子开始进入最终阶段。然而,Dean教授指出,目前还没有明确的定义说明什么是“AI发现”的药物,所有现有的例子仍然涉及大量的人工参与。

药物发现过程中有两个步骤最常使用人工智能,Mayer博士解释道。第一步是在分子水平上识别一个预期用于药物纠正的治疗靶点,例如在疾病期间不应发生的特定基因或蛋白质的变化。传统上,科学家会基于他们对疾病的了解在实验室中实验性地测试潜在靶点,而AI可以通过训练使用庞大的数据库将基础分子生物学与疾病联系起来并提出建议。第二步,也是更常见的一步,是设计纠正靶点的药物。它使用生成式AI(即ChatGPT的基础)来想象可以结合靶点并发挥作用的分子,取代了化学家手动合成数百种相同分子的变体并尝试找到最佳选择的昂贵过程。

成立于2014年的Insilico Medicine已获得超过4.25亿美元的资金,该公司在这两个步骤中都使用了AI,此外还用于预测临床试验成功的可能性,然后将其反馈到药物发现工作中。该公司目前有六种分子处于临床试验阶段,其中包括一种用于治疗IPF的分子,下一阶段的测试已经计划好。此外,四种分子已被批准进行测试,近30种其他分子显示出巨大潜力。所有这些分子都是“从零开始使用生成式AI发现的”,Zhavoronkov博士表示。“我们的机器不断做梦,直到想出满足我们所有标准的完美药物。”

用于治疗IPF的新分子是由公司的生成式AI设计的,目标是抑制一种名为TNIK的蛋白质,该蛋白质以前从未被用作治疗IPF的目标,但被公司的另一套AI软件建议为最有可能调节该疾病的因素。系统提出的选项随后被合成并测试。Zhavoronkov博士指出,整个发现过程比该领域的标准要快得多,也顺利得多。整个过程仅用了18个月,合成了79种分子并进行了测试,而通常这一过程预计需要大约四年时间,并合成至少500种分子。其他Insilico分子的数量甚至更少,他说道。

专家表示,数据不足仍然是该领域面临的最大挑战,这适用于靶点识别和分子设计,并可能引入偏差。美国Rikergen Pharmaceuticals表示,其方法克服了数据有限的问题。通过自动化实验,它生成了关于构成人体的所有分子的海量数据。然后训练AI工具理解这些数据并找到意外的关系。为了实现这一点,去年该公司安装了据称是任何制药公司拥有和运营的最快的超级计算机。该公司开发的一种用于治疗淋巴瘤和实体肿瘤的分子目前正在癌症患者身上进行测试,并处于早期临床试验阶段。该分子是在人工智能发现了一种针对被认为在驱动这些癌症中起重要作用的基因的新方法后创建的,但此前没有人能够单独找到如何针对该基因的方法。Rikergen的联合创始人兼首席执行官Chris Gibson表示,该领域最重要的是,无论是Rikergen还是其他任何人都尚未证明:这些由AI发现的分子能否通过临床试验,并随着时间的推移,提供比传统方法更高的成功率。当这一切发生时,Gibson博士表示,“世界将明显意识到这是前进的方向。”


(全文结束)

大健康

猜你喜欢

  • M42如何通过人工智能和数字创新重新定义医疗保健M42如何通过人工智能和数字创新重新定义医疗保健
  • 利用AI和大型语言模型加速精准医学的生物医学发现利用AI和大型语言模型加速精准医学的生物医学发现
  • Innovaccer通过收购Humbi AI加速医疗保健向价值导向型护理转型Innovaccer通过收购Humbi AI加速医疗保健向价值导向型护理转型
  • 人工智能革命:预测蛋白质结构、助力药物发现和寻找电池材料人工智能革命:预测蛋白质结构、助力药物发现和寻找电池材料
  • 这位中国MIT物理学家用AI寻找新药,下一步:太阳能电池板和电动汽车电池这位中国MIT物理学家用AI寻找新药,下一步:太阳能电池板和电动汽车电池
  • Quibim获得5000万美元A轮融资,用于基于人工智能的影像生物标志物的精准医疗Quibim获得5000万美元A轮融资,用于基于人工智能的影像生物标志物的精准医疗
  • Model Medicines展示生成式AI和多模态治疗管线突破,实现端到端药物发现能力Model Medicines展示生成式AI和多模态治疗管线突破,实现端到端药物发现能力
  • Quibim公司获得5000万美元融资用于推进医学影像生物标志物的应用Quibim公司获得5000万美元融资用于推进医学影像生物标志物的应用
  • IGC Pharma 成为 NIA PREPARE 挑战赛前15强决赛选手,利用人工智能早期检测阿尔茨海默病IGC Pharma 成为 NIA PREPARE 挑战赛前15强决赛选手,利用人工智能早期检测阿尔茨海默病
  • LinkedIn联合创始人霍夫曼的新AI肿瘤学初创公司筹集2500万美元LinkedIn联合创始人霍夫曼的新AI肿瘤学初创公司筹集2500万美元
大健康
大健康

热点资讯

大健康

全站热点

大健康

全站热文

大健康