人工智能与公共卫生系列第三部分：人工智能如何革新药物发现
R街研究所的这一系列文章探讨了人工智能（AI）和机器学习（ML）系统如何提升医疗能力和健康结果。前几部分探讨了AI/ML系统如何帮助改进医疗服务并解决主要死因和其他疾病。本部分考察了算法AI/ML能力如何帮助科学家和制药公司开发新药，同时使医疗专业人员更好地为患者量身定制药物治疗。
世界经济论坛在其最新的年度十大新兴技术报告中，将“用于科学发现的人工智能”列为首位，指出世界正处于由AI驱动的科学发现革命的边缘。麦肯锡咨询公司认为，AI/ML带来了“百年一遇的机会”，并预测该技术每年可为制药和医药产品行业创造600亿至1100亿美元的经济价值。麦肯锡确定了生成式AI可能惠及健康科学价值链的五种具体方式，其中研究和早期药物发现构成了第二大潜在益处，预计每年可创造150亿至280亿美元的价值。摩根士丹利2022年的一项研究预测，由于新的AI/ML能力，未来10年内可能开发出50种新型疗法，这可能转化为超过500亿美元的机会。
这些发展对普通美国人及其健康的影响最为重要。虽然仍处于早期阶段，但该领域的创新已经取得了巨大的飞跃。科学家们注意到近年来AI在药物发现方面的激增，并预测由于持续的进步，“将在未来几年内对大幅改变该领域做出更有意义的贡献”。
技术革命的汇聚
AI/ML正在通过不同领域的近期相互关联的突破来增强药物发现，这些突破以共生的方式互相强化。在一个快速“组合创新”的时代，新知识不断累积，推动多个领域的同步进步。AI/ML本身依赖于计算、数据处理系统、在线网络、传感器等许多其他领域的创新成果。随着这些领域的创新，它们为AI/ML以及其他许多领域，包括生命科学，创造了积极的反馈循环。一位撰写关于这种“技术超级融合”的新书作者解释了遗传学、生物技术和AI领域的创新如何在不断加速的循环中互相促进。他说，这些进步“正在以前所未有的速度推动我们的知识、理解和应用向前发展”，并对人类健康产生了特别深远的影响。
从通用医学到个性化医学
这些发展将帮助我们超越通用医学（即大众治疗）的局限，迈向更加个性化的医学（即针对个体的治疗）。目前，开发和开具药物仍然有些像猜测游戏，医疗专业人员希望将一种对许多人有效的药物用于其他人。但通用医学的问题在于，没有人是相同的。即使是那些经常帮助大量人群的药物（如阿司匹林和对乙酰氨基酚），有时也会对其他人产生严重的副作用。
这个问题源于药物开发和药理学（研究药物如何影响人类和其他生物）的复杂性和大量的假设。一位医生指出，“理论上可能作为药物有用的化学物质数量估计为10的60次方——这个数量大于太阳系中原子的数量”。因此，通用方法将继续成为常态，直到科学家找到正确的组合。AI/ML可以通过降低寻找有用新药的成本，帮助减少这一过程中的猜测成分，同时允许医疗专业人员量身定制药物治疗并更好地预测患者的潜在反应。
识别新分子、蛋白质和化合物
“你不需要与计算生物学领域的研究人员交谈太久就能感受到他们对AI的兴奋。”《金融时报》的一位专栏作家最近观察到。“机器比其血肉之躯的研究员和实验室助手有许多优势，可以推进科学研究、加速药物发现并改善患者结果。”AI/ML系统已经在提供对分子、蛋白质和化合物的更好理解，这些是化学和生物学的基础，并利用这些知识革新从头药物设计，即“从零开始生成具有所需药理性质的新分子实体”。2021年的一项关于最近AI/ML在医学领域进展的文献综述得出结论：“AI参与从头分子设计对制药部门有益，因为其各种优势可以实现快速先导设计和开发。”2024年诺贝尔化学奖授予了三位在计算蛋白质设计和蛋白质结构预测方面做出贡献的研究人员，这进一步证明了AI/ML在该领域的影响力。
在这方面，最重要的发展之一发生在2022年，当时谷歌DeepMind的ML系统AlphaFold能够建模几乎所有已知蛋白质的结构，这代表了“生物学的重大进展，将加速药物发现”。在AlphaFold之前，识别单个蛋白质的形状需要科学家花费数月甚至数年的时间，而只有约0.1%的已知蛋白质结构得到了解析。得益于这一创新，预测几乎所有已知蛋白质的形状已成为可能。Meta的基本AI研究团队发布了一个包含6.17亿个预测蛋白质结构的竞争性ML数据库。这些进展正引领一些研究人员称之为“蛋白质设计革命”，推动生物技术行业的“下一次量子跃迁”，这可能会彻底改变医学。这一创新继续发展，DeepMind在2024年4月宣布了最新且更强大的AlphaFold迭代版本，并在2024年9月推出了新的“AlphaProteo”，用于生成新型蛋白质以推进药物设计和疾病理解。与此同时，一家名为Chai Discovery的新公司发布了一种新的分子结构预测基础模型Chai-1，能够统一预测蛋白质和小分子，从而促进各种药物发现任务。
AI在促进药物设计方面的社会优势在应对COVID-19冠状病毒暴发时表现得尤为明显。2020年，美国能源部橡树岭国家实验室的世界上最强大的超级计算机被用来运行一个计算模型，对8,000多种可能有助于对抗COVID-19的化合物进行快速研究。在不到两天的时间里，该模型将名单缩小到77种可能有帮助的化合物，而这样的研究通常需要几个月的时间。如今，橡树岭超级计算机与生物制药公司BPGbio合作，对该公司生物库中的10万多份样本进行快速研究，推动个性化药物发现的边界。BPGbio的首席执行官表示：“过去需要六个月到九个月才能处理的事情，现在只需要九个小时。”
同样，辉瑞公司的科学家们将其ML“智能数据查询”技术归功于能够在开始检查患者反应数据后仅22小时内审查其COVID-19疫苗的临床试验数据。尽管这一过程传统上需要辉瑞科学家手动检查数千万个数据点以查找编码错误和其他不一致之处，但公司的一名官员表示，新的ML支持的过程“节省了一个月的时间”。尽管尚不清楚AI是否能帮助“制造完美的流感疫苗”并“增强流感疫苗”，但其他最近的AI/ML进展在寻找治疗流感和其他病毒的药物方面显示出希望。
提升癌症疗法
下一波AI/ML支持的个性化药物创造可能会彻底改变癌症治疗。由于“每种癌症都与其所侵袭的个体一样独特”，因此按需癌症疫苗“必须精确传达每个患者的独特癌症突变”，通过帮助“识别传统人为方法可能忽视的模式和相关性”。
幸运的是，以患者为中心的癌症疫苗试验显示出希望。《纽约时报》最近报道了一波使用AI模型“重塑药物发现”的初创公司，将该领域从“耗时的手工艺转向更自动化的精确化，这一转变由不断学习和变得更聪明的AI驱动”。同样，《华尔街日报》也报道了一波新的生物医学初创公司使用AI“预测患者对癌症治疗的反应，旨在提高临床试验中药物的成功率并量身定制疗法”。这些新能力帮助医疗专家筛选海量信息并预测哪种药物治疗对患者最有效。
结论
除了药物发现之外，AI还可以在整个药物生命周期中帮助制药公司。例如，AI可以协助行业和监管机构进行事后药物安全监测和识别假药和药物盗窃。制药公司还可以使用AI进行市场分析、预测和细分。
只要政策制定者对即将到来的快速、不可预测的变化保持开放态度，这些和其他好处很可能会随着时间的推移而增长。监管机构也在努力适应新的AI驱动医学。2023年，美国食品药品监督管理局（FDA）发布了两份重要报告，探讨了AI在药物开发中的作用。其中一份报告探讨了该机构现有的许多法规可能覆盖的许多算法系统，但也指出“连续学习的AI系统适应实时数据可能挑战监管评估和监督”。
除了FDA，许多其他政府机构和政策也影响着药物发现和分发。美国缓慢且成本高昂的监管系统需要适应AI/ML革命，因为一位领先的医疗技术投资者认为，“如果在这个领域限制AI，对医疗保健的损失将是悲剧性的……我们必须尽一切努力加速这些迫切需要的创新。”一个有利于创新和投资的政策环境对于实现这一目标至关重要。
(全文结束)
