近期，席卷全球的ChatGPT热潮让各行各业再一次关注起了人工智能的发展。当下，人类社会正朝着数智化演进，AI在其中扮演的角色越来越重，甚至有很多人在担心AI会逐步取代人类的很多工作岗位，导致大量失业。这样的担忧不无道理，从工程制造到内容创作等领域，都可以看到AI的身影，并有着让人惊喜的表现。除了能说会道的ChatGPT之外，医药领域的AI应用，也正在引导一场行业变革。在国外，一名82岁的血癌患者“保罗”在经历了6个疗程的化疗之后，病情依然不见起色。在医生的安排下，他参加了他所在的奥地利维也纳医科大学设立的一项试验。这所大学正在测试一项由英国公司Exscientia所开发的新配对技术，在充分考虑到人与人之间微妙的生物差异的基础上，该技术将个体患者与他们需要的精确药物进行配对。研究人员从保罗身上取了一小部分组织样本，将样本（包括正常细胞和癌症细胞）分成100多块，并将其置于各种药物的鸡尾酒中。然后，他们借助机器人自动化和计算机视觉（机器学习模型被训练来识别细胞中的微小变化）来观察会发生什么。事实上，研究人员正在做医生所做的事情：尝试不同的药物看看效果如何。但是，他们并没有让患者进行多个月的化疗，而是同时测试了数十种治疗方法。这种方法使团队能够对合适的药物进行详尽的搜索。有些药物并没有杀死保罗的癌细胞，另外一些伤害了他的健康细胞。保罗太虚弱了，无法服用最有效的药物。因此，他在配对过程中匹配到了非首选的药物：一种由制药巨头强生公司销售的抗癌药物。保罗的医生没有尝试过使用这种药，因为之前的试验表明它对治疗保罗的癌症类型无效。然而，这药竟然奏效了。两年过去了，保罗已经完全康复了，他的癌症已经消失了。Exscientia首席执行官安德鲁·霍普金斯表示，这种方法将给癌症的治疗带来巨大的改变：“我们拥有的在临床上测试药物的技术确实可以应用于真正的患者。”对于Exscientia公司来说，借助人工智能选择合适的药物只是他们想要解决的问题的一部分，该公司正着手对整个药物开发管线进行全面检查。除了将患者与现有药物配对，Exscientia还利用机器学习设计新药物。这也将使得在寻找药物匹配时有更多的选择。借助人工智能进行设计的第一批药物现在正在进行临床试验，这是在人类志愿者身上进行的严格测试，以期在监管机构批准其广泛使用之前，确定治疗是否安全有效。自2021以来，Exscientia开发的以及与其他制药公司联合开发的两种药物已开始这一过程。该公司正准备再提交两份。霍普金斯说：“如果我们使用的是传统方法，我们就不可能这么快做到这样。”Exscientia并不是唯一做这件事的企业。生物技术和生命科学领域的风投公司Air Street Capital的内森·贝纳奇表示，现在有数百家初创公司正在探索将机器学习应用于制药行业，“早期迹象足以吸引大笔资金。”如今，研发一种新药平均需要10年以上的时间和数十亿美元。我们的愿景是利用人工智能更快、更便宜地发现药物。通过预测潜在药物在体内的行为，并在它们离开计算机之前丢弃终端化合物，机器学习模型可以减少艰苦的实验室工作。总部位于加州的药物公司Verseon的首席执行官Adityo Prakash表示，对新药的需求总是源源不断：“我们仍然有太多的疾病无法治疗，或者只能用三英里长的副作用清单来治疗。”如今，世界各地正在建造新的实验室。去年Exscientia在维也纳开设了一个新的研究中心；2月，总部位于香港的药物研发公司Insilico Medicine在阿布扎比开设了一个新的大型实验室。总的来说，目前已有大约20种借助人工智能开发的药物正在进行或进入临床试验。总部位于华盛顿温哥华的Absci公司创始人兼首席执行官肖恩·麦克莱恩解释说，我们看到了活动和投资的增加，因为制药行业自动化程度的提高已经开始产生足够的化学和生物数据，用以训练良好的机器学习模型。“现在是时候了，”麦克莱恩说。“未来五年，我们将看到这个行业的巨大变革。”然而，人工智能药物发现还处于早期。Prakash说，有很多人工智能公司声明他们还无法做到，“如果有人说，他们可以很好地预测哪些药物分子可以通过肠道，或者不会被肝脏分解，诸如此类的事情，他们可能还会有火星上的土地卖给你。”这项技术并不是万能的：在实验室中对细胞和组织进行实验，在人体中进行测试，这是开发过程中最慢、最昂贵的部分，但不能完全排除。“这为我们节省了很多时间。它已经完成了我们过去手工完成的许多步骤，”马萨诸塞州剑桥创业孵化器Flagship Pioneering的首席科学官Luisa Salter Cid说。“但最终的验证需要在实验室进行。”尽管如此，人工智能已经在改变药物的生产方式。距离人工智能帮助设计的第一批药物上市可能还需要几年时间，但这项技术将动摇整个制药行业，从药物设计的最早阶段到最终审批过程。从零开始研发新药的基本步骤没有太大变化。首先，在体内选择药物将与之相互作用的目标，例如蛋白质；然后设计一个分子，对这个目标做一些事情，比如改变它的工作方式或者关闭它。接下来，在实验室中制造该分子，并检查它是否真的完成了它的设计任务（除此之外）；最后，在人类身上测试它是否既安全又有效。几十年来，化学家们通过将所需靶点的样品放入实验室的许多小隔间，加入不同的分子，并观察反应来筛选候选药物。然后他们重复这个过程很多次，调整候选药物分子的结构，把这个原子换成那个原子等等。自动化加速了事情的发展，但试错的核心过程是不可避免的。但试管不等同于身体。许多看似在实验室中发挥作用的药物分子最终在人体中进行测试时都失败了。“药物发现的整个过程都是失败的，”Exscientia首席业务官、生物学家理查德·劳说。“研发一种药物的成本如此之高，是因为你必须设计和测试20种药物才能让一种药物发挥作用。”新一代人工智能公司专注于药物开发过程中的三个关键失败点：①在体内选择合适的靶点，②设计合适的分子与之相互作用，③确定该分子最有可能帮助哪些患者。几十年来，分子建模等计算技术一直在重塑药物开发管线。但即使是最强大的方法也涉及手动构建模型，这一过程缓慢、困难，并且容易产生与现实情况不同的模拟结果。通过机器学习，包括药物和分子数据在内的大量数据可以被用来自动构建复杂的模型。这使得预测药物在体内的行为变得更加容易和快速，使得许多早期的实验可以在计算机上进行。机器学习模型还可以用以前不可能的方式筛选大量未开发的潜在药物分子。结果是，实验室（以及后来的临床试验）中的艰苦但重要的工作只需要对那些成功机会最大的分子进行。在开始模拟药物行为之前，许多公司正在将机器学习应用于识别目标的问题。Exscientia和其他人使用自然语言处理从数十年前的大量科学报告档案中挖掘数据，包括数十万已发表的基因序列和数百万篇学术论文。从这些文档中提取的信息被编码在知识图中，这是一种组织数据的方法，可以捕获包括“a导致B”等因果关系在内的联系。然后，机器学习模型可以预测在尝试治疗特定疾病时，哪些目标可能是最有希望的目标。将自然语言处理应用于数据挖掘并不是什么新鲜事，但制药公司，包括更大的公司，现在正将这作为其过程的关键部分，希望它能帮助他们找到人类可能错过的联系。相信在不久的将来，我们会看到人工智能在医药领域创造更多的奇迹。在过去几十年里，人工智能是最受关注的前沿技术之一。《麻省理工科技评论》在每年推出的“全球十大突破性技术”榜单中，人工智能相关技术多次上榜。近期，《麻省理工科技评论》发布的2023年“全球十大突破性技术”榜单中就包括以OpenAI为代表的科技企业所研发的AI生成图像/视频技术。在《麻省理工科技评论》看来，依靠简单的短语就能生成惊人图像的人工智能模型，正在演变为强大的创意和商业工具。《麻省理工科技评论》自创办以来，始终关注对人类社会发展有着重大价值的前沿科技，如今“全球十大突破性技术”榜单也已伴随我们走过22载光阴，超200项的突破性技术正如一部前沿科技发展史，记录了时间长河中那些闪闪发光的技术灵感和科技突破。2022年，《麻省理工科技评论》携手DeepTech推出图书《科技之巅：全球突破性技术创新与未来趋势（20周年珍藏版）》，该书系统性地梳理、总结了过去20年来由《麻省理工科技评论》发布的200余项“全球十大突破性技术”，按照“生命科学、信息工程、资源与能源、工程制造、智慧生活”五大领域分别进行剖析，同时邀请学术、产业、资本界权威对一些领域技术的特点、产业应用现状、未来发展趋势以及投资潜力进行了深度解读和专业点评，以期为各界人士提供了解各学科领域、洞察科技发展、发掘投资商机的最佳途径。目前，该书已正式上线发售，点击下图可以购买图书！让我们一起鉴过往，知未来！
