华盛顿（美联社）——人工智能正在改变公司的运营方式，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。
尽管已投入数十亿美元进行研究，但新药的开发通常仍需花费十年或更长时间。成立于2018年的Insitro是越来越多的人工智能公司之一，这些公司承诺通过使用机器学习分析大量的化学和生物标记数据，加速药物发现。这家位于南旧金山的公司已与Eli Lilly和Bristol Myers Squibb等制药公司签署协议，帮助开发治疗代谢疾病、神经疾病和退行性疾病的新药。
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。以下是经过编辑的对话摘录：
Q: 为什么药物开发如此困难？
A: 我认为药物发现的问题在于，我们试图干预一个我们只略知一二的系统。过去15到20年间，许多成功的案例都是在我们对系统有了足够理解的情况下，能够真正设计出与之相符的干预措施。
因此，我们在Insitro尝试做的事情之一是解开异质性疾病的底层复杂性，并识别新的干预模式，这些模式可能无法帮助整个患者群体，但或许能帮助其中的一部分。这样，我们就能真正确定针对特定患者群体的正确治疗假设。我认为，这就是行业缺乏成功的关键所在。
Q: 像Eli Lilly这样的公司雇用了数千名医学科学家和研究人员。您的技术能做些什么他们做不到的事情？
A: 与人工智能革命并行发生的是所谓的定量生物学革命，即能够以前所未有的精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。
但如果你把数据交给一个人，他们的目光可能会变得呆滞，因为一个人只能看那么多细胞，也只能从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的观点，而这个观点对于解开患者之间的区别并揭示干预真正能发挥作用的地方非常重要。
Q: 您是如何对这一领域感兴趣的？
A: 我的博士学位是在计算机科学领域。但我在1998年或1999年开始涉足机器学习领域，当时是为了解决生物医学问题。
当时，机器学习能够解决的问题坦率地说并不令人兴奋。你能在分类垃圾邮件和非垃圾邮件的数据集中获得多少灵感？
我在寻找一些更有深度的东西。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，而是因为我在寻找更具技术挑战性的问题。然后，当我开始深入了解时，我对生物学本身产生了兴趣。
Q: Insitro同时雇佣了计算机科学家和医学研究人员。让这两个群体合作时是否有文化冲突？
A: 这可能是我们作为组织实现的最重要的一件事。你可以把来自双方的最先进、最有善意的科学家放在同一个房间里，但他们可能会像说泰语和斯瓦希里语一样彼此难以沟通。
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，你往往实际上是在寻找例外，因为这些例外可以引导你发现新的东西。
因此，我们采取了一系列文化和组织措施，帮助人们公开、建设性地互动，并互相尊重。
(全文结束)
