如今，人工智能算法可以通過深度學(xué)習(xí)進(jìn)行非常詳盡的數(shù)據(jù)分析，從人臉識(shí)別到醫(yī)學(xué)影響分析，人工智能算法的表現(xiàn)已經(jīng)趕上甚至超越了人的表現(xiàn)。越來越多的高科技被各大藥企應(yīng)用于新藥研發(fā)領(lǐng)域，他們希望借此探索提高新藥研發(fā)效率、節(jié)省更多成本的路徑。

Atomwise，一家位于舊金山的創(chuàng)業(yè)公司和Y Combinator公司，已經(jīng)建立了一個(gè)名為AtomNet（pdf）的系統(tǒng)，該公司試圖為潛在的埃博拉病毒和多發(fā)性硬化癥等疾病生產(chǎn)藥物。項(xiàng)目旨在運(yùn)用超級(jí)計(jì)算機(jī)、AI和復(fù)雜的算法模擬制藥過程，來預(yù)測新藥品的效果，同時(shí)降低研發(fā)成本。Atomwise推出了兩個(gè)顯示AtomNet潛力的項(xiàng)目，多發(fā)性硬化癥藥物和埃博拉病毒。根據(jù)Atomwise，MS藥物已被許可給未經(jīng)公開的英國藥理公司，埃博拉藥物正在準(zhǔn)備提交給同行評(píng)議的出版物。

Atomwise最近利用AI技術(shù)，在不到一天的時(shí)間內(nèi)對(duì)現(xiàn)有的7000多種藥物進(jìn)行了分析測試，為尋找埃博拉病毒治療方案做出了貢獻(xiàn)。根據(jù)該公司的統(tǒng)計(jì)，如果利用傳統(tǒng)方法，這項(xiàng)分析需要花費(fèi)數(shù)月甚至數(shù)年才能完成。不過 Atomwise 公司的首席運(yùn)營官 Alexander Levy 提到了 AtomNet 還需要進(jìn)行測試，人工智能并不能解決所有醫(yī)學(xué)發(fā)展的問題。除挖掘化合物研制新藥外，美國Berg生物醫(yī)藥公司通過研究生物數(shù)據(jù)研發(fā)新型藥物?！癇erg 通過其開發(fā)的 Interrogative Biology 人工智能平臺(tái)，研究人體健康組織，探究人體分子和細(xì)胞自身防御組織以及發(fā)病原理機(jī)制，利用人工智能和大數(shù)據(jù)來推算人體自身分子潛在的藥物化合物。

由于不斷試錯(cuò)的成本太高，越來越多的藥物開發(fā)廠商開始轉(zhuǎn)向計(jì)算機(jī)和人工智能，希望利用這種技術(shù)來縮小潛在藥物分子的范圍，從而節(jié)省后續(xù)測試的時(shí)間和金錢。為了識(shí)別那些有很大潛力可以作為藥物靶標(biāo)的蛋白質(zhì)的編碼基因，這些廠商把希望寄托了算法上。目前，一些新的算法模型增加了新層次的復(fù)雜性，用來縮小相關(guān)蛋白質(zhì)、藥物和臨床數(shù)據(jù)的范圍，以便更好地預(yù)測哪些基因最有可能讓蛋白質(zhì)和藥物結(jié)合。研究人員估計(jì)，大約15%～20%的新藥成本都耗費(fèi)在探索階段。通常情況下，這意味著高達(dá)幾億美元的支出，以及3～6年的工作。如今，有人希望通過AI將這一過程縮短至幾個(gè)月，并大幅降低研發(fā)成本。

TwoXAR正在開發(fā)一種AI驅(qū)動(dòng)的青光眼藥物，Berg正在從事算法上的癌癥治療。Atomwise公司的項(xiàng)目獨(dú)特之處在于，它從人生到死過程中把大量數(shù)據(jù)抽取出來。因?yàn)樯婕按罅堪嘿F和耗時(shí)的藥物，該功能解決了制藥行業(yè)的“生死”問題。Atomwise公司稱其在新藥發(fā)現(xiàn)、結(jié)合親和力預(yù)測和毒性檢測上得到了世界上最好的結(jié)果。在合作伙伴方面，Atomwise除了與Merck公司和Autodesk進(jìn)行一些保密項(xiàng)目外，公司也持續(xù)與學(xué)術(shù)界和企業(yè)客戶開展研究工作。

人工智能開發(fā)新藥的企業(yè)逐漸增多，除了歐美藥企，日本藥企也積極面對(duì)新科技。我們相信，隨著科研人員找到現(xiàn)有知識(shí)體系中的新模式，必將出現(xiàn)一波不可小覷的醫(yī)藥創(chuàng)新。