開(kāi)發(fā)出一種潛在的暢銷(xiāo)藥物通常需要在實(shí)驗室進(jìn)行數年的廣泛分析，由研究人員團隊有條不紊地篩選數據和測試結果，以發(fā)掘出一種有希望的候選藥物。不過(guò)，當日本武田制藥(TAK.US)在今年2月以40億美元的價(jià)格從波士頓一家初創(chuàng )公司手中收購一種實(shí)驗性牛皮癬藥物時(shí)，該公司僅用了六個(gè)月的時(shí)間就通過(guò)人工智能獲得了一種化合物。

在接下來(lái)的幾個(gè)月里，這種通過(guò)人工智能和機器學(xué)習算法從數千種潛在分子中挑選出來(lái)的藥物將進(jìn)入臨床試驗的最后階段。如果成功，它可能成為在人工智能幫助下發(fā)現的首批療法之一。投行Jefferies的分析師預計，其年銷(xiāo)售額可能高達5,000億日元(約合37億美元)。

武田制藥從波士頓Nimbus Therapeutics LLC購買(mǎi)的實(shí)驗性藥物將成為世界上為數不多的治療牛皮癬的口服藥物之一。牛皮癬是一種皮膚病，全世界有1.25億人患有此病。該藥物也有可能治療其他疾病，如克羅恩病，一種炎癥性腸病。這種藥物目前被稱(chēng)為T(mén)AK-279，已經(jīng)成功地通過(guò)了前兩個(gè)階段的人體試驗。Nimbus首席執行官Jeb Keiper表示，算法選擇當前分子的時(shí)間大約是傳統方法兩年時(shí)間的四分之一。

(資料圖片僅供參考)

在武田制藥利用人工智能開(kāi)發(fā)藥物之際，全球制藥公司正在擁抱人工智能，旨在削減成本、加快藥物上市時(shí)間。摩根士丹利預估，在未來(lái)10年，人工智能在早期藥物開(kāi)發(fā)中的應用可能會(huì )轉化為50種新療法，銷(xiāo)售額超過(guò)500億美元。

研究公司Deep Pharma Intelligence預估，在過(guò)去四年中，對人工智能驅動(dòng)的藥物研發(fā)公司的投資增長(cháng)了兩倍，到2022年達到246億美元。去年1月，賽諾菲(SNY.US)同意向總部位于英國的Exscientia Plc預付1億美元，再加上可能高達52億美元的里程碑付款，用于研究新藥，并利用人工智能系統開(kāi)發(fā)多達15種腫瘤學(xué)和免疫學(xué)候選藥物。

拜耳(BAYRY.U)、羅氏(RHHBY.US)和武田制藥等公司正在與鹽湖城的Recursion制藥公司合作，利用機器學(xué)習探索藥物發(fā)現。與此同時(shí)，阿斯利康(AZN.US)與英國的BenevolentAI和圣地亞哥的Illumina Inc.建立了合作伙伴關(guān)系，進(jìn)行類(lèi)似的努力。

為制藥商提供數字流程和分析方面的建議的麥肯錫合伙人Alex Devereson表示：“當生物制藥公司成功地將人工智能應用于研發(fā)時(shí)，可能會(huì )產(chǎn)生重大影響。在未來(lái)五年內，我們預計這些方法將在結構上更多地融入制藥研發(fā)流程，并產(chǎn)生更大的規模影響?！?/p>

雖然人工智能可以提供幫助，但在選擇分子后，科學(xué)家仍然需要做很多傳統的工作。武田制藥的化合物還需要進(jìn)行數年的人體臨床試驗和其他測試。人工智能還有其他局限性，例如，它不能預測復雜的生物特性，如化合物的功效和副作用。盡管如此，使用技術(shù)來(lái)確定下一個(gè)重磅療法可以幫助消除一些猜測，這些猜測通常需要數百個(gè)實(shí)驗室實(shí)驗，而這通常需要很多年才能確定有希望的分子。

2018年之后，大型制藥公司對投資人工智能和機器學(xué)習變得更加認真。當時(shí)谷歌母公司Alphabet(GOOGL.US)的DeepMind部門(mén)使用了一個(gè)名為AlphaFold的人工智能程序，在預測蛋白質(zhì)形狀(疾病的基本組成部分)方面擊敗了一位生物學(xué)家。弄清蛋白質(zhì)的形狀是生物學(xué)中最棘手的問(wèn)題之一，這有助于藥物獵人縮小可能與蛋白質(zhì)相互作用的分子范圍，并確定治療疾病的藥物。

傳統上，將一種新藥推向市場(chǎng)需要花費近30億美元，而且大約90%的實(shí)驗藥物都失敗了。因此，加快這一過(guò)程的技術(shù)可能是利潤的一大推動(dòng)力。加州Scripps Research Translational Institute創(chuàng )始人兼主任Eric Topol指出，現在使用AlphaFold確定蛋白質(zhì)的3D結構只需幾秒鐘，而不是幾個(gè)月或幾年。

新冠疫情加速了制藥公司采用人工智能的增長(cháng)，因為制藥行業(yè)急于開(kāi)發(fā)對抗未知病毒的武器。在疫情期間，輝瑞(PFE.US)與BioNTech SE(BNTX.US)合作開(kāi)發(fā)了新冠疫苗社區(Covid - 19 vaccine community)。該公司還擴大了與總部位于中國深圳的人工智能藥物研發(fā)公司XtalPi Inc.的合作伙伴關(guān)系，以加快抗疫藥Paxlovid的化學(xué)配方。這兩種藥物都在不到兩年的時(shí)間內獲得了美國食品藥物管理局(fda)的批準，比大多數藥物上市通常需要10年的時(shí)間要快得多。監管機構急于向公眾提供對抗新冠病毒的武器，也推動(dòng)了這一速度。

如今，武田制藥從波士頓到圣地亞哥再到日本湘南的研發(fā)中心，有500多名定量科學(xué)家和技術(shù)專(zhuān)家每天都在處理數據，尋找、開(kāi)發(fā)和制造突破性藥物。這家制藥商使用人工智能和機器學(xué)習來(lái)識別針對蛋白質(zhì)的最佳分子，并了解疾病的特征以及它們在不同患者群體中的變化。它與麻省理工學(xué)院和幾家人工智能初創(chuàng )公司合作。

武田制藥數據科學(xué)研究所所長(cháng)Anne Heatherington表示:“任何能夠為我們的員工解鎖尖端技能、減少體力勞動(dòng)、消除系統摩擦、騰出時(shí)間進(jìn)行更深入的科學(xué)洞察和發(fā)現的技術(shù)都是至關(guān)重要的?！?/p>

武田制藥的大型競爭對手也在利用人工智能。輝瑞首席數字和技術(shù)官Lidia Fonseca表示，輝瑞希望與DeepMind的AlphaFold合作，幫助公司設計和驗證以前未知的高效治療靶點(diǎn)。Lidia Fonseca表示:“我們將強大的超級計算能力與人工智能和機器學(xué)習模型結合起來(lái)，將整體計算時(shí)間縮短了80%至90%，這實(shí)際上有助于快速開(kāi)發(fā)Paxlovid?！?/p>

在世界各地，初創(chuàng )公司利用人工智能發(fā)現的幾種潛在藥物已經(jīng)進(jìn)入人體試驗階段。其中5個(gè)來(lái)自Recursion制藥公司，用于治療罕見(jiàn)疾病和腫瘤，3個(gè)來(lái)自Exscientia公司，用于治療癌癥和強迫癥等疾病?？偛课挥谥袊愀鄣腎nsilico Medicine有一種候選藥物正在進(jìn)行中期人體試驗，用于治療最常見(jiàn)的肺纖維化。

總部位于英國的葛蘭素史克(GSK.US)擁有160多名致力于人工智能和機器學(xué)習的專(zhuān)家，以支持其研發(fā)和制造。自2019年以來(lái)一直擔任葛蘭素史克人工智能主管的Kim Branson表示，該公司還生成數據來(lái)構建和支持公司自己的機器學(xué)習模型，這樣每位科學(xué)家最終都能從公司過(guò)去產(chǎn)生的數據中受益。

不過(guò)，葛蘭素史克的Kim Branson也表示，雖然人工智能非常擅長(cháng)將來(lái)自不同來(lái)源的數據拼湊在一起，但當它用于復雜系統時(shí)，事情就變得棘手了。他表示，為了確保安全，實(shí)驗室實(shí)驗通常是必要的。此外，斯坦福大學(xué)的研究人員在2018年發(fā)表在《新英格蘭醫學(xué)雜志》上的一項研究中寫(xiě)道，用于創(chuàng )建算法的數據可能包含偏見(jiàn)，這可以反映在它們生成的臨床建議中。研究人員發(fā)現，算法也會(huì )扭曲結果，這取決于是誰(shuí)開(kāi)發(fā)的。

這并不能阻止投資的激增。斯坦福大學(xué)生物工程學(xué)教授Russ Altman表示，過(guò)去五年左右，要求對潛在的人工智能藥物研發(fā)公司進(jìn)行評估的風(fēng)險投資家數量激增。數十年來(lái)，他一直在為風(fēng)投公司對生物技術(shù)初創(chuàng )公司進(jìn)行盡職調查?！皬牧愕揭话??！盧uss Altman表示：“30年來(lái)，我沒(méi)有對人工智能制藥公司做過(guò)任何盡職調查?，F在我已經(jīng)做了6到10次了?！?/p>

關(guān)鍵詞：