关于ZAKER 智媒短视频 合作 加入
量子位 03-03

全球首次!AI 研制新药物仅需 18 个月,李开复梁颕宇:AI 医疗已突破,但只打 1 分

" 比 DeepMind 的 AlphaFold,要更加完整。"

" 传统新药研发需 10 年,它却只用了18 个月。"

" 还是全球首例。"

……

这就是当 AI 与生物、化学相结合,擦出的火花所创造的奇迹

而宣布这一消息的,正是 AI 药物研发公司 Insilico Medicine

具体而言,主要通过 AI 完成了两项任务:

通过人工智能发现了治疗具有广泛适应症的创新靶点。

通过人工智能产生了全新的小分子化合物,并且一直把这个化合物推到临床侯选化合物。

不仅如此,Insilico Medicine 的化合物,还即将进入临床研究阶段。

英伟达 CEO黄仁勋对此点赞道:

实现了我们几年前的梦想——通过 AI 加速药物研发。

把 AI 的力量导入各产业以解决我们所面临的挑战,显得无比重要。

甚至连创新工场董事长兼 CEO李开复都坦言一个错误:

我以前说过,AI 最弱的地方就是它没有创造性,只有人能创造出新的东西。

今天我想 Insilico Medicine 至少证明了我在这个问题上是错的,因为他们真的发明了一个新的药物。

新药研发,只需 18 个月、200 万美元

首先需要介绍的是,此次 AI 研发的,是一种全新机制的用于治疗特发性肺纤维化 (IPF)的临床候选新药。

据了解,IPF 病因至今未明,医学界尚不清楚其发病机制,且该病多为散发,患者从出现症状到死亡,平均存活年限不超过 5 年

而且现在用于治疗 IPF 的药物已在临床使用 30 多年,且仅对 10%~30% 的病人有效。

Insilico Medicine 首席执行官 Alex Zhavoronkov 说:

将正确的药物靶点与正确的疾病联系起来,是药物研发的最大挑战

除此之外,在找到靶点之后如何发现、发明新化合物,而后又该怎样设计好的临床方案,来减少临床上的不可预测性,都是这个过程中面临的挑战。

对此,Insilico Medicine 发明了一个Pharma.AI人工智能平台。

分别针对三个痛点,发明了三个不同的 AI 引擎。

PandaOmics:主要是通过组学的数据分析来帮助发现靶点。

Chemistry42:可以基于生成式对抗网络(GAN)以及深度学习,以及蛋白结构或者配体结构进行化合物设计。

InClinico:可以帮助预测临床试验的结果,同时也能指导正确的临床实验方案。

据首席科学官任峰博士介绍, Insilico Medicine 前期要做的事情,就是将这三个 AI 系统统一起来研发新药物:

通过 AI 系统,我们发现了一个新的靶点,它针对多种纤维化都有作用,包括肺纤维化、肝纤维化、皮肤纤维化和肾纤维化。

Insilico Medicine 首席科学官,任峰

而在找到这样的靶点之后, Insilico Medicine 通过大量实验数据的验证,对靶点以及对化合物进行了充分的证明,最后才成功发明了这一临床侯选化合物。

包括酶学活性的测试、细胞学活性的测试、动物模型有效性测试,以及小鼠的毒理试验、药代动力学试验等,来评估化合物的安全性和耐受性。

也正是由于 AI 在此过程中发挥的作用,还使得成本降低的同时,效果还翻倍

据介绍,按照传统方式,针对新的靶点来讲,需要 2.5 年到 4.5 年的时间,需要合成几百个化合物,以及需要数千万美元的经费。

而 Insilico Medicine 却只用了 18 个月的时间,合成了小于 80 个化合物,同时研发经费只有不到 300 万美元。

不仅如此,在相同疗效下,给药剂量是市面药物的 1/10,但活性却要高出 5-10 倍。

虽具突破性,但也只是迈出了一步

所说 AI 在此次药物研发方面取得了重大突破,但若是以十分制来打分,成绩又会如何呢?

对此,李开复先是认可了其突破性,但却给出了这样的分数:

1 分

创新工场董事长兼 CEO,李开复

李开复强调,打了 1 分,其实表示的是 AI 赋能医疗健康的整体情况仍处于初步阶段," 但万里长征迈出了突破性的第一步 "。

若以 DeepMind 在数月前推出的 AlphaFold 做比较,确实是具备突破性的。

虽然 AlphaFlod 在非常困难的蛋白折叠问题上,做到了超越人的能力,但这只能说是在一个 " 点 " 上。

但 Insilico Medicine 的发明,可以说是一个完整的、产品化的解决方案。

而且能够把整个新药研发流程打通,说明 AI 也可以用创意的方式解决很难的事情。

但李开复给出 "1 分 " 也是有原因的,他认为:

我们今天其实只走了第一步,未来的潜力特别的巨大,整个流程可以更快被打通。

AI 跟今天的科学家扮演的是一个合作的角色,以后可能会有更多不同的角色。

所以我们非常兴奋,一部分是因为里程碑的事件,一部分是未来还有更好的愿景我们可以期待。

启明创投主管合伙人 梁颕宇,也对这样的分数表示认可。

AI 在医疗领域第一个大规模的应用是 AI+ 影像,这也得益于 AI 图像识别技术发展的成熟,后面慢慢衍生到药物研发的领域,并取得了很好的进展。

从医疗领域全景来看,还有很多 AI 没有介入的领域,很多问题更复杂,需要更长的时间、更系统化的解决方案。

启明创投主管合伙人,梁颕宇

如此看来,AI 在医疗健康这条赛道中,虽迈出了关键一步,但依旧还有漫漫长路要前行。

那么若是对此要做一个前瞻性的猜想,20 年后"AI+ 生命科学 " 将会是怎样一种场景?科技驱动的突破口又有哪些?

对此,李开复认为,AI 底层就是一个数字化的演进,什么领域能够变成数字化,它就可能用数据科学和 AI 来帮它提升价值。

至于这条赛道的未来,李开复认为可以分三部分来讲。

首先,是在新药的研发和加速方面。

这个过程中会涉及到一个自动化的问题,例如机械臂,可以一周 7 天、每天 24 小时地不断工作。

它非常高速度去测试各种医疗的可行性,使新药研发变得更便宜、更快速、更有效。

李开复认为," 这肯定是一个未来发展的方向 "。

其次,是在诊断方面。

虽然现在在这方面,影像技术是一个非常好的切入点,但若放眼 20、30 年之后," 一定是 AI 机器人的诊断,会超过医生的水平 "。

因为没有医生可以记得所有新发明的药物,医生一旦每天忙着看病人,不可能对新的治疗方法、药物都能够背得那么熟悉。

而且每一个病人的情况,可能都不尽相同。

而一套 AI 的诊断系统,可以在很短的时间,就可以诊断几十亿的病人,这里学习到的内容跟数据一定是巨大。

第三,是机器人方面。

在今天手术的过程当中,机器人参与程度已经达到了 20%,李开复认为,以后机器人的参与率还会提高,并且还会出现更多类型的机器人,比如纳米机器人,将有助于对抗癌症。

最后,李开复对于 "AI+ 医疗 " 这条赛道,做出了这样的总结:

我觉得二三十年以后,真的就是一个 AI 加上人的最好结合。

未来 20 年的推动可能会大于人类过去几千年所有历史的累计。

点这里关注我,记得标星,么么哒~

加入 AI 社群,拓展你的 AI 行业人脉

量子位「AI 社群」招募中!欢迎 AI 从业者、关注 AI 行业的小伙伴们扫码加入,与50000+ 名好友共同关注人工智能行业发展 & 技术进展

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见 ~

以上内容由"量子位"上传发布 查看原文

觉得文章不错,微信扫描分享好友

扫码分享

热门订阅 换一批

查看全部