久久久久精品久久九九,亚洲精品国自产拍在线观看

搜索

APP

起點(diǎn)課堂會員權(quán)益

職業(yè)體系課特權(quán)

線下行業(yè)大會特權(quán)

個人IP打造特權(quán)

30+門專項(xiàng)技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導(dǎo)直播

12場專業(yè)技能直播

會員專屬社群

榮耀標(biāo)識

發(fā)布

注冊 | 登錄

人工智能+藥物研發(fā): AI藥神真的來了嗎？

Darcy

2019-02-28

3 評論 3678 瀏覽 18 收藏

10 分鐘

如今，越來越多的醫(yī)療工作可以用機(jī)器來完成。事實(shí)證明，機(jī)器可以有效地幫助診斷疾病或選擇治療方案等等——AI解決這些問題的潛力確實(shí)是無窮的。

25億美元、10年的研究——一個藥物的開發(fā)過程大概需要如此高昂的成本。但是，只有十分之一的藥物能通過所有階段最終到達(dá)病人手中。當(dāng)今這浮躁且快節(jié)奏的時代，既擔(dān)不起這樣巨大的開支, 也經(jīng)不住這樣漫長的等待。

正是在藥物研發(fā)領(lǐng)域，AI技術(shù)可以發(fā)揮最大效用，使藥物研發(fā)更快速、更低價(jià)、更有效。雖然一些藥劑師對此仍持懷疑態(tài)度，但大多數(shù)專家預(yù)測AI工具將在這一領(lǐng)域變得日益重要，人工智能和機(jī)器學(xué)習(xí)將開創(chuàng)一個更快速、更低價(jià)且更高效的藥物研發(fā)時代。

據(jù)麥肯錫估計(jì)：大數(shù)據(jù)和機(jī)器學(xué)習(xí)技能夠優(yōu)化決策、優(yōu)化創(chuàng)新以及提高醫(yī)學(xué)研究、臨床試驗(yàn)和新工具創(chuàng)建的效率，每年可以在制藥和醫(yī)療領(lǐng)域創(chuàng)造高達(dá)100億美的收入。

AI有可能改變藥物發(fā)現(xiàn)的整個過程。

目前，從設(shè)想開始到測試，藥物開發(fā)的各階段之間沒有聯(lián)系。相反，從機(jī)器學(xué)習(xí)的角度來看，各階段之間變得相互關(guān)聯(lián)，因?yàn)槟憧梢允褂孟乱浑A段的數(shù)據(jù)來理解前一階段或之前兩階段發(fā)生的情況。

此外，同時訪問多個數(shù)據(jù)可以識別可量化的片段，而不是使用廣泛的描述符，例如：疾病癥狀。

借助機(jī)器學(xué)習(xí)技術(shù)，研究人員可以對大量患者進(jìn)行試驗(yàn)，獲得不同的結(jié)果，并將其映射到患者的分子標(biāo)記遺傳上，從而在更穩(wěn)固的基礎(chǔ)上定義疾病。

人工智能已成功應(yīng)用于藥物開發(fā)的所有主要階段：

第零階段：文獻(xiàn)綜述
第一階段：確定干預(yù)目標(biāo)
第二階段：發(fā)現(xiàn)候選藥物
第三階段：加快臨床試驗(yàn)
第四階段：尋找診斷疾病的生物標(biāo)志物

人工智能+藥物研發(fā): AI藥神真的來了嗎？

藥物研發(fā)的主要階段

第零階段：文獻(xiàn)綜述

當(dāng)下，每天都有大量的研究被發(fā)表，如果我們能整理所有研究的觀點(diǎn)，就可以進(jìn)行更好的假設(shè)。

但是，一個人不可能閱讀所有的摘要和科學(xué)論文，因此科學(xué)領(lǐng)域工作的研究人員通常只關(guān)注某一個領(lǐng)域，而不閱讀其他期刊。而這些期刊包含大量相關(guān)數(shù)據(jù)，可以為一個人提供其研究領(lǐng)域的信息。

針對這種情況，解決方案是：讓機(jī)器讀取所有可用的文獻(xiàn)、專利和文檔，并將數(shù)據(jù)匯集在可從文獻(xiàn)中提取的實(shí)例數(shù)據(jù)庫中。這構(gòu)成了尋找疾病治療切入點(diǎn)的假設(shè)的基礎(chǔ)。

第一階段：確定干預(yù)目標(biāo)

藥物開發(fā)的第一步是：了解疾病的生物學(xué)起源，及其抗性機(jī)制。

要治療疾病，確定合適的目標(biāo)（通常是蛋白質(zhì)）是至關(guān)重要的。

高通量技術(shù)的廣泛應(yīng)用，如：短發(fā)夾RNA（shRNA）篩選和深度測序，已經(jīng)增加了用于發(fā)現(xiàn)可行目標(biāo)途徑的數(shù)據(jù)量。但是，整合大量多樣化數(shù)據(jù)源，然后找到相關(guān)模式仍是一個挑戰(zhàn)。

眾所周知，機(jī)器學(xué)習(xí)算法在這些任務(wù)中表現(xiàn)良好，并且能處理所有可用數(shù)據(jù)以自動預(yù)測合適的目標(biāo)蛋白質(zhì)。

第二階段：發(fā)現(xiàn)候選藥物

確定目標(biāo)后，研究人員需要尋找一種化合物，它能以理想的方式與所確定的目標(biāo)分子相互作用。

此過程包括：篩選成千上萬種潛在的天然、合成或生物工程化合物，以了解它們對目標(biāo)的影響及其副作用。

機(jī)器學(xué)習(xí)算法可以根據(jù)結(jié)構(gòu)指紋和分子描述符，來預(yù)測分子的適宜性，快速分析數(shù)百萬個潛在分子，并以最小的副作用將這些分子過濾出最佳選擇。

第三階段：更快速的臨床試驗(yàn)

成功試驗(yàn)的關(guān)鍵是：準(zhǔn)確選擇合適的候選人。

因?yàn)檫x擇錯誤會延長試驗(yàn)，浪費(fèi)時間和資源。

機(jī)器學(xué)習(xí)可以通過自動識別合適的候選人，并確保試驗(yàn)參與者被正確分配到各組，從而加快臨床試驗(yàn)的設(shè)計(jì)。機(jī)器學(xué)習(xí)算法可以識別能夠預(yù)測良好候選者的模式。

此外，如果臨床試驗(yàn)沒有產(chǎn)生確鑿的結(jié)果，機(jī)器學(xué)習(xí)可以提醒研究人員，以便研究人員能盡早干預(yù)。

第四階段：尋找診斷疾病的生物標(biāo)志物

最后，只有在確定診斷結(jié)果后，你才能對患者進(jìn)行治療。

生物標(biāo)志物是在體液（如血液）中發(fā)現(xiàn)的分子，它為患者是否患有疾病提供絕對確定性的依據(jù)。生物標(biāo)志物使診斷疾病的過程安全且廉價(jià)。它們還可用于精準(zhǔn)定位疾病的進(jìn)展，以便醫(yī)生更容易選擇正確的治療方法，并監(jiān)測藥物是否有效。

然而，生物標(biāo)志物的探索要篩選數(shù)以萬計(jì)的潛在分子候選物。

同樣，AI可以自動工作并加速該過程。算法會將分子分類為：合適的候選分子與不合適的候選分子，研究人員可專注于分析最佳前景。

生物標(biāo)志物可以識別：

診斷型生物標(biāo)志物：盡早發(fā)現(xiàn)疾病。
風(fēng)險(xiǎn)型生物標(biāo)志物：評估病人患病的風(fēng)險(xiǎn)。
診后型生物標(biāo)志物：病情的可能發(fā)展情況。
預(yù)測型生物標(biāo)志物：患者是否會對藥物產(chǎn)生反應(yīng)。

人工智能+藥物研發(fā): AI藥神真的來了嗎？

生物標(biāo)志物的種類：

雖然人工智能的推廣仍處于初級階段，但有不少制藥公司已經(jīng)將這些技術(shù)投入使用。

例如：

制藥巨頭默克公司正在開展一個項(xiàng)目，旨在利用深度學(xué)習(xí)技術(shù)發(fā)現(xiàn)新型小分子；
輝瑞公司已開始與IBM Watson合作研發(fā)免疫腫瘤藥物；
總部位于馬薩諸塞州的生物技術(shù)公司Berg的研究人員開發(fā)了一種模型，通過對1000多種癌細(xì)胞和健康人類細(xì)胞樣本的測試，來識別以前未知的癌癥機(jī)制。

這種轉(zhuǎn)變表明：該行業(yè)不僅已經(jīng)意識到機(jī)器學(xué)習(xí)的優(yōu)勢，而且正在積極地利用機(jī)器學(xué)習(xí)的好處來識別和篩選藥物，更準(zhǔn)確地預(yù)測候選藥物，并最終降低研發(fā)成本和工作量。