热门:从潜力无限到时候未到，AI制药可堪大用？

本篇文章3254字，读完约8分钟

人工智能( ai )发展迅速，至今在社会生活和生产中已成为非常逼真的力量。 这样的力量成为了会，已经瞄准了世界上大部分的行为。 随着机器人、智能手表、智能扬声器、虚拟助理等科技产品的出现，人工智能技术的迅速发展和在医疗卫生行业的深入应用，将大大改变原来社会的面貌。 现在人工智能在医疗卫生行业得到了广泛的应用，形成了全球共识。 可以说人工智能用独特的方法保护着人类的健康福利 除了在诊疗手术、医生管理、医疗保险行业发挥作用外，基于算法的人工智能近年来推进了疾病和药物研究的改革创新，越来越体现了其特点。 制药行业创建了古老悠久的对人类重要的领域，人工智能为什么会成为制药行业未来的趋势？ 在人工智能制药全面到达之前，制药行业将面临什么样的课题呢？ ai制药、潜力无限药业是危险与魅力并存的领域。 一般来说，一种药物的开发可以分为药物发现和临床研究两个阶段。 在药物发现阶段，科学家需要先建立疾病假说，发现靶点，设计化合物，然后开展临床前研究。 以前传来的药企需要在药物开发过程中进行大量的模拟测试，开发周期长，价格高，成功率低。 根据自然数据，新药的开发价格约为26亿美元，时间约为10年，成功率不足十分之一。 其中，只要发现靶点，设计化合物环节，障碍就很多，包括苗头化合物的筛选、先导化合物的优化、候补化合物的明确化、合成等，每一步都面临着很高的淘汰率。 要找到目标，必须不断进行实验筛选，从数百分子中寻找有疗效的化学分子。 另外，人的思维有一定的统一性，与同一个目标的新药相比，结构相近，也不可避免地会引起专利诉讼。 最后，需要筛选千万种化合物的药物 尽管如此，只有几个可以顺利地推进最后的研究开发。 但是，利用人工智能技术，可以寻找疾病、基因和药物之间的密切关系，降低高研发费用和失败率。 基于疾病代谢数据、大规模基因组识别、蛋白质组学和代谢组学，ai可以虚拟高通量筛选候选化合物，寻找药物与疾病、疾病与基因的链接关系，提高药物开发效率，提高药物开发的成功率 具体来说，科研人员利用人工智能复制分解功能检索和分析大量文献、专利和临床结果，找出潜在、被忽视的通道、蛋白、机制等与疾病的关联关系，提出新的可测试假设，新机制和新的 als(als )是由特定基因引起的罕见疾病，ibm watson利用人工智能技术检测了数万个基因与als的关联性，成功发现了与als相关的5个基因，推动了人类als相关基因的研究进展 在化合物候选方面，人工智能可以进行虚拟筛选，有助于科研人员有效地找到活性高的化合物，提高潜在药物的筛选速度和成功率。 例如，美国atomwise企业支持使用深度卷积神经网络atomnet开发基于结构的药物设计辅助药品，通过ai分解药物数据库模拟研究开发过程，预测潜在候选药物，开发新药 制药企业astellas与numedii企业合作，使用基于神经网络的算法寻找新的候选药物，寻找预测疾病的生物标志物。 药物开发经过药物发现阶段，成功进入临床研究阶段后，进入了整个药物批准过程中时间和价格最高的阶段。 临床试验分多阶段进行，包括临床I期(安全性)、临床ii期(比较有效性)、临床iii期(大规模安全性和比较有效性)的测试。 在以前报道的临床试验中，招募患者的价格很高，新闻的不对称是应该处理的主要问题。 根据cb insights的调查，临床试验延期的最大原因是人员招聘环节，约80%的试验无法按时找到理想的试剂志愿者。 临床试验中的重要部分之一是严格遵守协议。 总之，志愿者不能遵守考试规则时，需要从集合中删除相关数据。 否则，如果不能及时发现，包含这些错误的药品使用背景的数据可能会严重歪曲试验结果。 另外，保证参加者在正确的时间服用正确的药，对维护结果的正确性也很重要。 但是这些难点可以在人工智能技术下处理 例如，人工智能可以利用技术手段从患者的医疗记录中提取比较有效的消息，与正在进行的临床研究相匹配，大大简化了招聘流程。 针对实验过程中存在的患者服药依从性无法监测等问题，人工智能技术可以实现对患者的持续监测 苹果企业推出开源框架researchkit和carekit，不仅在临床试验中招募患者，而且有助于研究者利用应用程序远程监视患者的健康状况、日常生活等。 既然人工智能显示了其在制药行业的特点和潜力，为什么人工智能制药产业至今还没有密集发生？ 倒不如说是人们对人工智能行业的不断突破。 关于“人工智能算法发现了强大的新抗生素”等头版信息并不少见。 疫情新冠引起的肺炎是人工智能的试金石，在协助诊疗和管理的基础上，人工智能的表现是可能的。 但是，对于制药来说，尽管国内有AlibabaCloud (阿里巴巴云)与世界健康药物研究开发中心ghddi合作开发人工智能药物研究开发和大数据平台，进行冠状病毒历史药物研究开发和数据挖掘与集成 就像人工智能掌握了旧的中国棋盘游戏围棋一样，人工智能对制药显示出很大的希望。 而且，没有答案 另外，尽管科学技术的进步颠覆了移动通信、个人计算机、网络、基因测序等行业，新药开发的价格却稳步上涨。 人工智能制药吸引了这个行业越来越多的投资和人才。 但是，随着炒作的加剧，药物开发价格上涨了。 因此，迄今为止被认为有前途的人工智能技术的突破没有带来研究开发水平的显着提高。 人工智能制药似乎依然没有用。 究其根本，今天的人工智能有固有的限度。 对现在的人工智能来说，其第一还是通过在数据中寻找模式来学习的。 一般来说，输入的数据越多，人工智能就越智能。 总部设在旧金山的openai发布的gpt-3算法，只需几个单词的提示就可以写出任何主题的一致段落。 有趣的是，第一版gpt于年发布，含有1.17亿个参数。 年发布的gpt-2包含15亿个参数。 相比之下，gpt-3具有1750亿个参数，是其前身的100倍以上，比迄今为止最大的同类nlp模型多10倍。 因此，该算法通过分解约5千亿个词实现了智能。 但是，这些数据也限制了gpt-3。 为了实现超自然的性能，通常需要输入模拟特定行为的优质数据来训练系统。 这在围棋等游戏中很容易实现，虽然有一步一步决定的参数，但是在不太能预测的现实生活场景中很难实现。 这在将人工智能应用于现实场景的过程中也经常变得困难。 疫情期间，在法国和美国等地，人工智能没能支持政府建立比较有效的接触者跟踪系统，大部分原因是缺乏必要的“原料”。 在英国，用于跟踪和跟踪新冠病例的系统的数据收集不足，因此在短期内使用人工智能技术实施接触者跟踪干预几乎是不可能的。 当然，人工智能可以创造人类需要的药品，改善健康，治疗疾病。 但是，无论是生成强化学习等做法的结合还是生成量子计算的魅力前景，都需要生物学、化学以及越来越多的学科支持。 只有保证科学的供给，才能更好地产出科学 随着生活水平的提高人口结构的变化和疫苗、抗生素等医学技术的出现加快了人类疾病谱的变迁速度，慢性病取代了传染病成为人类的首要疾病负担。 现在的医疗卫生系统是人类在对抗传染病和急性病的过程中形成的。 医学理念、临床干预方法具有难以应对慢性病挑战、效率逐渐下降、医疗价格高速增长等特点，越来越成为负担。 人工智能技术的重大突破可以融合深度学习算法、数据建模、大规模gpu并行化平台等技术构成的深度神经网络，模拟人脑工作机制。 国家可以在提高早期检查的准确性、加强诊断和风险控制、降低治疗费用、辅助患者自我健康管理、提高疗效等方面给予医务人员充分的支持。 在制药领域，人工智能制药具有更大的潜力，直到识别生物目标，设计新分子，提供个性化治疗，预测临床试验结果。 现在人工智能制药可能依然输给了前传的生物学和化学，但这并不意味着没有进入黄金期的准备。 将来，随着医疗大数据的形成和完善，在患者检查、诊断、治疗全过程的数字化后，ai可以通过自动学习开发药物。 预计在不久的将来，随着ai制药的黄金期到来，制药这个历史悠久而重要的领域也会带来前所未有的变革。