芯片巨头英伟达本周宣布，人工智能将彻底改变药物发现的过程，并揭幕了一个与丹麦制药公司诺和诺德合作的试点项目，使用其新的人工智能超级计算机。研究人员将使用该计算机训练人工智能模型，以促进疫苗设计和分析疾病突变。
“我认为计算机辅助药物发现将彻底改变这个行业，”英伟达首席执行官黄仁勋在计算机发布活动上表示。据彭博社报道，机器学习已经让制药行业兴奋不已，因为它可以通过扫描数百万种可能性来评估将一种药物用于不同疾病的疗效，从而取代实验室中耗时数月的工作。
其中一个重大突破是谷歌DeepMind的AlphaFold软件，它可以预测分子的结构和相互作用，这在过去是一个复杂且耗时的过程。该软件的发明者本月获得了诺贝尔化学奖。
人工智能在药物发现中的主要优势是速度和成本节约
来源：JAMA, MIT Technology Review
人工智能为药物发现带来的关键优势是速度和成本效益。根据2020年发表在《美国医学会杂志》（JAMA）上的一项研究，不使用这项技术，开发一种新药通常需要超过10亿美元，耗时超过十年。人工智能有潜力大幅缩短这一时间线，通过机器学习模型筛选数百万条数据，预测某些化合物可能对身体产生的影响，并在计算机阶段淘汰不成功的化合物——目前这是一个由人类在实验室中进行的繁琐过程。《麻省理工科技评论》指出，“它已经完成了我们过去手工完成的许多步骤。”
人工智能辅助药物发现的影响仍不明朗
来源：彭博社
依赖人工智能的制药公司面临的一个关键测试是了解这些药物对患者的疗效如何，彭博社指出。虽然一些人工智能辅助药物的人体试验正在进行中，但要评估这项技术对制药行业的真正影响，还需要更多数据。“有时当你打开一扇门时，你会发现实际上什么都没有，”一位物理学家兼生物技术机器学习公司的创始人告诉该媒体，并补充说，“人工智能并不是万能的，不能解决一切问题。”
人工智能在制药中的应用充满伦理问题
来源：斯坦福医学Scope博客, 自然, 制药
人工智能在药物开发中的应用仍处于早期阶段，存在伦理因素需要考虑，斯坦福医学的Scope博客指出。例如，该技术已知的算法偏见与性别、种族和性取向有关，使用人工智能而无人类干预的未知后果，以及当人工智能模型被错误使用时难以重现临床试验结果，这可能会使它们几乎无用。隐私也是一个主要问题，因为人工智能系统依赖于大量数据，而医疗数据尤其敏感。《制药》杂志的一项研究认为，减少算法偏见和保护隐私的考虑应成为技术发展的核心。
(全文结束)
