Google DeepMind 的 CEO Demis Hassabis 周二表示，首批在人工智慧協助下設計的藥物可能將於今年開始進行臨床試驗。
在達沃斯世界經濟論壇的一個研討會上，同時也是 DeepMind 製藥衍生公司 Isomorphic Labs 負責人的 Hassabis 表示，他預計"到今年年底會有一些 AI 設計的藥物進入臨床試驗...這是我們的計劃。"
自 2021 年以來，Isomorphic Labs 一直在嘗試使用機器學習來加速藥物研發。他說："最終你可以想像個性化醫療，AI 系統可能在一夜之間就能根據你的個人代謝特徵優化藥物。"
儘管 AI 的熱度現在無處不在，但 Hassabis 和他的同事 John Jumper 憑藉 AlphaFold（一個可以預測蛋白質結構的深度學習系統）的工作獲得了諾貝爾獎。
製藥公司對 AI 感興趣是因為它有潛力為他們節省大量時間和金錢。根據最近發表在《自然醫學》雜誌上的一篇文章，成功開發一種新藥並獲得使用批准可能需要 12 到 15 年，成本大約為 26 億美元。
許多藥物永遠無法獲得使用批准，因為在人體試驗的臨床試驗中，成功率不到百分之十。任何能夠降低成本、加快開發速度或提高成功率的方法都將對製藥公司的利潤產生實質性影響。
研究人員認為機器學習模型可以通過多種方式改進和加速藥物研發過程的各個環節。Hassabis 認為在時間和成本方面可能會有巨大的節省。
這種樂觀態度需要適度，因為由於隱私法規、數據共享政策和獲取成本的原因，高質量的訓練數據很難獲得。
Hassabis 認為這些挑戰並非不可克服。他說："你可以生成一些關鍵數據來填補公共數據缺失的空白。"
這可以通過與臨床研究機構合作或使用合成數據來實現，他說 AlphaFold2 廣泛使用了合成數據。然而，正如我們之前討論過的，合成數據可能會存在問題。
"使用合成數據時必須非常小心，確保它能正確表示數據分布，而不是在某種程度上訓練自己的錯誤，" Hassabis 說。
Hassabis 認為 AI 在短期內不會取代科學家。
"AI 目前還無法實現真正的發明。它不能提出新的假設或新的推測。它也許可以解決比如數學中的複雜推測。我認為我們離一些重大突破很近了。我想我們今年就會看到這一點，但這與實際提出理論或假設是不同的，最優秀的人類科學家才能做到這一點，"他說。
在探索機器學習在藥物研發中的應用方面，Hassabis 並非孤軍奮戰。Nvidia 也對 AI 增強型藥物研發表現出熱情，可能是因為這將創造更多購買其硬體的理由。
去年秋季，Nvidia 開源了其 BioNeMo 系列 GPU 加速機器學習框架，用於藥物開發和分子設計。該公司還採取措施將現有模型（如 DeepMind 的 AlphaFold2 和 MIT 的 DiffDock 2.0）重新打包為微服務，使其更易於使用。
Nvidia 還與包括丹麥製藥巨頭諾和諾德在內的主要製藥公司合作，推出新的研究系統。丹麥的 Gefion 超級電腦就是此類努力的一個例子，它將機器學習應用於生物科學和新治療方法的開發。
