在药物发现领域，人工智能真的比人类更好吗？

今年 1 月中旬，美国基因泰克公司（Genentech）开始招募 200 名患者，以测试其一种实验性药物能否治疗溃疡性结肠炎。在此之前，此类化合物只在治疗肺部和皮肤疾病的实验中使用过。决定是否将一种药物转用于治疗不同于原计划的疾病往往需要数年复杂、困难的实验室研究，但基因泰克仅用了九个月就完成了。

 

区别在于：人工智能，该公司称，人工智能帮助研究人员扫描了数百万种可能性，确认这种药物可用于治疗影响结肠细胞的疾病。

 

 

哈佛大学和麻省理工学院的计算生物学家 Aviv Regev 表示：“这并不是说不再需要人类了，而是人类突然拥有了超能力。”

 

该项目只是制药行业利用人工智能加速药物研发的一个案例。

 

基因泰克的瑞士母公司罗氏（Roche Holding AG）拥有一些雄心勃勃的计划，包括建立自己的生成式人工智能工具（RocheGPT）。Aviv Regev 表示：“我们的目标不仅是加快进度，还要回答以前无法回答的问题。”她形容人工智能的提升就像科学家“打了类固醇”。

但对生物技术的真正考验是——在人工智能帮助下开发的药物是否比普通人开发的药物更有可能成功造福患者。

 

虽然这一点还远不确定，但资本正在源源不断地涌入。

 

波士顿咨询（Boston Consulting Group）去年发现，在过去十年中，投资者已向“人工智能优先”的生物技术公司投入了约 180 亿美元，这些公司围绕人工智能工具建立了研发工作流程。

 

今年 1 月在旧金山举行的摩根大通医疗保健大会是该行业最大的会议，几乎每位首席执行官都在演讲中提到了人工智能。

 

制药和生物技术领域的人工智能淘金热也吸引了全球最有价值的芯片制造商英伟达（Nvidia Corp.）。在过去 12 个月里，英伟达市值增长了两倍多，达到 1.56 万亿美元，是最有价值的制药商礼来（Eli Lilly & Co.）的两倍多。

 

十多年来，英伟达一直在努力说服制药行业接受其开发芯片。现在，该英伟达相信自己已经站稳了脚跟——至少与 20 家最大的制药公司和 2,500 多家初创企业开展了业务。英伟达还与包括罗氏在内的几家大制药巨头签订了更深入的研究协议。英伟达首席执行官黄仁勋表示，迄今为止所做的一切还只是勉强触及了人工智能对药物开发所能起到的作用的表面。

 

在摩根大通会议期间举行的一个小组讨论会上，黄仁勋预测，在未来十年内，药物几乎可以完全通过计算平台进行模拟设计，“我们决心与你们一起推动这一领域的发展”。

 

根据波士顿咨询的数据，将一种药物推向市场通常需要12到15年的时间。该咨询公司称，人工智能驱动的研发可以帮助减少候选药物进入人体试验阶段所需的25%到50%的时间和成本，但这仍需要研究来证明人工智能辅助药物是否有更高的临床成功概率。

 

尽管如此，英伟达医疗保健部门主管 Kimberly Powell 表示，制药业务正在迅速改变，以应对人工智能，英伟达如今与之合作的许多初创公司都认为自己是“科技生物”公司，而不是生物技术公司——利用数据“驱动他们所追求的生物学，而不是生物学影响他们需要使用的技术”。

 

关键在于人工智能能够理解海量的各种类型的数据。Kimberly Powell 表示：“我们现在正处于 ChatGPT 的时刻，这让我们很明显地看到，未来正在与你的数据对话。未来是能够将非常非常复杂的数据放入模型中，让我们能够以人类能力无法做到的方式对其进行推理。”

 

然而芯片行业并非总能实现乐观的预测。例如，英伟达预测到 2020 年左右，机器智能将让自动驾驶汽车负责人类最复杂、最危险的活动之一：驾驶。虽然汽车行业在每辆车上都大量增加了技术含量，但机器人轴和它们的同类产品还远未成为日常生活的一部分。

 

“五年后，我们会看到基于人工智能的全面药物发现吗？”诺和诺德公司（Novo Nordisk A/S）首席数字与信息官 Anders Romare 如此问道。

 

“我认为这是一个价值百万美元的问题。诺和诺德已经在全公司部署了人工智能，从加快监管提交到监督生产质量，无所不用其极。罗玛尔说，员工每月在公司防火墙内使用 ChatGPT 的次数超过 5 万次。虽然人工智能可以加快工作速度，但最终将药物交到病人手中，必须由人类根据自己的知识和理解做出决定。”

在罗氏，人工智能是在一系列包括癌症和阿尔茨海默病药物试验的后期临床试验失败后重新回到药物开发最前沿的努力的一部分。基因泰克是生物技术领域的先驱，曾开发出一些历史上最畅销的抗癌药物，但近年来一直在努力开发重磅药物。

 

在溃疡性结肠炎项目中，研究人员已经有科学依据表明，基因泰克于 2022 年 8 月从 Kiniksa Pharmaceuticals 收购的一种实验性药物可能对结肠疾病有用。他们利用机器学习分析单细胞，然后利用另一种数字工具进行反向图像搜索，寻找结肠中可能受药物影响的特定类型细胞。

 

基因泰克把这比作训练算法从水果沙拉中挑出蓝莓，换句话说，教它识别显示某种疾病特征的细胞，然后让人工智能在身体其他部位找到具有类似特征的细胞。不过，只有病人试验才能显示算法药物的实际帮助有多大。

 

剑桥大学物理学家 Alpha Lee 解释，科学家们已经证明，算法可以大大加快找到能击中细胞上某一靶点的化合物所需的时间——可以说是找到一把适合锁的钥匙。目前尚未证明的是，人工智能能否比人类更有效地找到正确的开锁方法。这就是为什么人工智能无法在生物学领域完全证明自己的原因，直到像基因泰克正在进行的人类研究得出结论。

 

“有时当你打开门时，你会发现门后其实什么都没有。” Alpha Lee 补充，“人工智能并不是解决药物研发中一切问题的灵丹妙药。现在也许是时候退后一步，非常具体地说明我们现在利用人工智能可以解决哪些关键痛点，以及未来的路线图是什么。”

 

 

参考材料：

AI Can Speed Drug Discovery. But Is It Really Better Than a Human? - Bloomberg