如何找到和定義一個真實(shí)的、清晰的科學(xué)問題，以及問題成立后，我們是否有足夠的數(shù)據(jù)來進(jìn)行清洗和分析，這考驗(yàn)著我們的計算資源。同時，在我們對一系列問題都預(yù)測建模后，是否具備一套良好的評估方法對成藥效果進(jìn)行分析……凡此種種，都是AI制藥路上亟待解決的問題。
“在機(jī)器學(xué)習(xí)AI領(lǐng)域，尤其隨著ChatGPT這樣應(yīng)用的風(fēng)靡，推高了將新技術(shù)與生物制藥結(jié)合的呼聲。在醫(yī)療數(shù)據(jù)的處理和分析方面，AI可以幫助處理和分析大量的醫(yī)學(xué)圖像、基因數(shù)據(jù)、病歷資料等復(fù)雜信息，提供更準(zhǔn)確的診斷和治療方案。” 中國工程院院士陳賽娟在2023上海國際生物醫(yī)藥產(chǎn)業(yè)周同期活動“醫(yī)藥醫(yī)療創(chuàng)新大會暨第七屆上海AI大會”上說道。
近年來，隨著數(shù)字科技和生物材料等領(lǐng)域前沿科技不斷融合，人工智能在生物醫(yī)藥研發(fā)與醫(yī)療建設(shè)中發(fā)揮重要作用。我國的智慧醫(yī)療市場需求高速增長、規(guī)模迅速發(fā)展，各地都在積極探索并加速新技術(shù)的運(yùn)用場景落地。
第七屆上海AI大會在10月19日舉行，以“創(chuàng)新賦能醫(yī)藥醫(yī)療發(fā)展”為主題，旨在探討“藥物研發(fā)中的技術(shù)創(chuàng)新”、“臨床開發(fā)中的數(shù)智策略”、“全球藥物合作”、“AI賦能智慧醫(yī)療”幾大方向，共謀后疫情時代醫(yī)藥醫(yī)療新技術(shù)與新發(fā)展。
中山大學(xué)分子設(shè)計研究中心主任徐峻提出，AI驅(qū)動的藥物設(shè)計方法主要是由注意力機(jī)制（attentionmechanism）突出分子的重要局部特征，建立重要局部特征與活性的關(guān)系，再通過輸入數(shù)據(jù)計算出的權(quán)重表示局部特征的重要性。然而，雖然多年來藥物研發(fā)領(lǐng)域的投資不斷增加，但投資 10 億美元得到的上市新藥數(shù)目每 9 年就減少一半，這一現(xiàn)象又被稱作反摩爾（Moore）定律。
《藥理科學(xué)趨勢》（Trends in Pharmacological Sciences）雜志曾發(fā)表相關(guān)文章稱，AI 可以加快藥物臨床試驗(yàn)的成功，從而助力破解反摩爾難題。徐峻認(rèn)為，通過AI的深度學(xué)習(xí)，句法模式識別在合成設(shè)計、篩癬活性的預(yù)測，將有機(jī)會突破反摩爾定律，助力更多新藥上市。
恒瑞醫(yī)藥分子信息部高級總監(jiān)李勛在會議上說道：“如果傳統(tǒng)制藥是自行車，AI制藥就是摩托車，但必須承認(rèn)，AI制藥的道路還是很曲折的。在我看來，計算輔助藥物研發(fā)的著眼點(diǎn)有四個：1、核心，即找到進(jìn)行AI制藥的真正目標(biāo)；2、要素，包括是否有合適的生物學(xué)問題和恰當(dāng)?shù)哪Ｐ停?、層面，是指AI制藥能幫助我們實(shí)現(xiàn)什么，是提高研發(fā)效率，還是解釋實(shí)驗(yàn)現(xiàn)象，抑或是建立模型，幫我們進(jìn)行預(yù)測；4、空間，包含成藥性空間、藥物分子的結(jié)構(gòu)空間、與人體的互作空間等，我們要在這些空間中找到交集。”
在癌癥診斷方面，傳統(tǒng)癌癥的診斷技術(shù)雖然便捷，但靈敏度低、特異性差，而且對病人有所傷害。同濟(jì)大學(xué)醫(yī)學(xué)院博士生導(dǎo)師、上海市分子診斷創(chuàng)新技術(shù)研究所CTC中心主任陳炳地通過醫(yī)工交叉，提出一種非抗體依賴捕獲、致力細(xì)胞病理鑒別的全新CTC檢測技術(shù)PETCEC技術(shù)。由于腫瘤細(xì)胞與正常細(xì)胞的糖代謝有所差異，可通過正電磁性納米探針特異性識別負(fù)電的腫瘤細(xì)胞，而通過生物納米技術(shù)設(shè)計的“偽生磁性納米探針”具有靶向識別腫瘤細(xì)胞的作用，在捕獲腫瘤細(xì)胞后可快速分離，具有優(yōu)良的生物安全性。
醫(yī)藥醫(yī)療創(chuàng)新大會暨第七屆上海AI大會現(xiàn)場圖。主辦方供圖
陳炳地認(rèn)為，未來腫瘤治療將向腫瘤“智”療轉(zhuǎn)變�？梢酝ㄟ^臨床決策支持系統(tǒng)（CDS5）為醫(yī)務(wù)人員臨床診療提供多種幫助的計算機(jī)輔助信息系統(tǒng)，利用Al幫助醫(yī)護(hù)做臨床決策。同時，Al遠(yuǎn)程醫(yī)生能夠主動多輪詢問患者多種信息，推斷患者可能患有的疾病，開具檢查單。
AI制藥也面臨著一系列挑戰(zhàn)。“比如，如何找到和定義一個真實(shí)的、清晰的科學(xué)問題，以及問題成立后，我們是否有足夠量的數(shù)據(jù)來進(jìn)行清洗和分析，這考驗(yàn)著我們的計算資源。同時，在我們對一系列問題都預(yù)測建模后，是否具備一套良好的評估方法對成藥效果進(jìn)行分析……凡此種種，都是AI制藥路上亟待解決的問題。”李勛說道。
《自然》（Nature）雜志不久前發(fā)表的一篇題為《人工智能加速藥物發(fā)現(xiàn)的潛力需要現(xiàn)實(shí)檢驗(yàn)》（AI’s potential to accelerate drug discovery needs a reality check）中說道：“藥物發(fā)現(xiàn)過程涉及很多運(yùn)氣。即使人工智能確實(shí)減少了將化合物納入臨床前測試所需的時間和成本，大多數(shù)候選藥物在后期階段仍然會失敗。任何能夠加快這一進(jìn)程的東西都代表著勝利，工業(yè)界和學(xué)術(shù)界必須利用彼此的優(yōu)勢來確定如何利用人工智能發(fā)揮最佳效果。” （詳見澎湃科技報道《〈自然〉呼吁謹(jǐn)慎：人工智能加速藥物研發(fā)的能力仍需現(xiàn)實(shí)檢驗(yàn)》）
“藥物創(chuàng)新應(yīng)該受問題驅(qū)動，不應(yīng)提倡技術(shù)驅(qū)動或數(shù)據(jù)驅(qū)動。”徐峻在大會上說道。
