许你健康长寿，机器学习让制药更智能
By 超神经
场景描述：对于医疗行业中的药物研发艰难的问题，利用机器学习，深度学习等 AI 技术，能够将这一过程变的更快速，经济和高效。同时对技术的利用，正在改变药物研发的发展方式。
关键词：药物研发、 AI + 医疗 、深度学习 、机器学习
你肯定猜不到，药物的研发成本是多么地昂贵？
从平均情况来看，一种药物的研发需要花费 10 年， 25 亿美元 。而且，就算付出了巨大的代价，也只有大约十分之一的药物，最终会被使用。举例来说，2017 年新药研发的投资回报率仅为 3.2% 。
如何成功高效地制造药物，让其能顺利通过临床验证，最终达到医用的标准，是研发中亟待解决的问题。
那么在 AI + 医疗被高度重视的今天，利用 AI 技术去做药物研发，是否能改变这一现状呢？
药物开发很难？试试 AI
多伦多大学的工程与医学教授 Brendan Frey 说到，「传统的药物研发很大程度上依赖于运气，类似于你盲目地扔一根棍子到树上，期待砸下来一个苹果。这种方法，花费了精力，但保证不了成功率。」
这番话形象地道出了药物研发的困境。也在侧面反映出制药的艰难。
设计理想的药物是一项复杂的任务
药物研发的困难在于，能够制作成药物的分子数不胜数，需要从中筛选出需要的结构，进行合成。此外，还需要技术过硬的专业人士，去分析出哪些药物分子可以治疗特定的疾病，这其实是一个浩大的匹配工作。
另一方面，制药师必须将多种因素也考虑进去：比如药物与不同细胞和器官的相互作用，以及药物在不同患者身上的差异性等等。
因为所涵盖和涉及的领域，需要进行大量的数据分析，所以人工去处理一些步骤的时候，就需要花费很大的代价，而且容易出现纰漏。
而这恰恰让 AI 有了用武之地，AI 模型能够在海量的数据中找到方向，将整个过程变的更加快速，经济和高效。
现在，研究人员可以粗略地勾勒出解决方案的概念，然后通过数据和机器学习等方式，让 AI 来完成剩下的部分。
专注于 AI 药物研发的公司
位于多伦多的 Cyclica ，在去年被评选为全球 20 大 AI 药物研发公司。他们与多家企业合作，将 AI 与生物物理学，统计学以及大数据结合起来，专注于研究药物如何作用于多种靶标和疾病。
Cyclica 通过 AI 技术研发药物的简单流程图
Cyclica 总裁兼首席执行官 Naheed Kurji 说，「一直以来，药物都是针对一个目标而设计的，所以常被开发成与单一蛋白质结合的模式。
但很多研究都表明，药物通常有数百种脱靶相互作用（即不仅仅与单一蛋白质结合），这就会导致意想不到的副作用。我们的目标是检查出人体内，可以和药物结合的所有蛋白质。而 AI 能有效的帮助我们做到这些」
Cyclica 的研究也揭示了，药物会对不同的人产生不同作用的原因，从而加速开发的更新，以得到更精确的药物。他们称，「我们的目标是，通过 AI 将药物研发时间缩短至两年。」
Kurji 还说到，「对于无药可医的疾病，比如阿尔茨海默氏症，以及难以治愈的疾病，如糖尿病，在 AI 技术的帮助下，都有可能比旧模式更早地进入可治疗甚至可治愈的阶段。
对抗制药的艰难，AI 遍地开花
随着技术的发展，越来越多的公司和机构都在用 AI 研究药物生成。
分子对接模型示意
在近期的报道中，来自匹兹堡大学的研究人员就利用深度学习的方法，提高了药物研发的准确性。
在 AI 的帮助下，他们将数百万种分子的虚拟模型，在计算机中进行探索研究，并同时观察上百种疾病对于特定药物的反应。
深度学习同时帮助研究人员理解药物分子潜在的副作用，并捕捉那些可以针对特定疾病有效的分子，以此来合成新药。通过研究，他们已经将合成预测的精度，从过去的 50% 提高到目前的 70% 。
合成化合物分子的示意图
另一家叫 Deep Genomics 的公司，声称他们有 20 个 AI 系统。
他们的负责人这么说到，「想要为疾病突变发现新的药物目标吗？我们有一套 AI 工具。想设计一种能解决特定问题的药物吗？我们有另一 AI 工具。想检查药物是否可能导致副作用吗？我们还有一套 AI 工具。」
除此以外，很多公司还通过训练庞大的神经网络，在不同临床验证中探索新的药物方案。
比如有报道称，一种深度学习模型还通过分析显微镜图像，以此判断药物是否对于疾病细胞具有疗效。这个方法，用来观察细胞的上百种特征，每周可以处理多达一千万个。这是人力远不能及的。
基于这些 AI 技术的方法，极大的加快了药物研发过程中的数据收集和处理过程。也改变了制药行业的发展模式。
AI + 药物研发，这才是未来的模式
就目前看来，AI 已经被应用在药物开发的各个主要阶段。
从准备阶段的文献分析，初期的确定干预目标，到发现候选药物，然后是更快速的临床试验，以及最终寻找诊断疾病的生物标志物（确定药物的疗效）等阶段，AI 都在逐步接管和加快这些步骤。
可以说 AI 把这个行业带到了新的高度，但在当前来看，依然还有不足的地方，研究人员说到，「人工智能适合处理有大量数据的系统，但它不会有创新性的观念。」
所以就算 AI + 药物研发看似火热了起来，它们也还是处在辅助研究人员的阶段。 AI 负责从数据中获得分析预测，而专家给 AI 设置要解决的问题，同时进行最后的验证审批。
但这并不妨碍 AI 在药物研发中的贡献，以及 AI 对医疗所带来的巨大变革。
而且，在 AI 不断发展和进步的今天，我们有理由相信，只有拥抱和掌握技术，才是社会发展到下一阶段的必由之路。
超神经百科
试错法 Tria-by-Error
试错法是通过不断尝试来解决问题的一种方法。
应用试错法的过程是，选择一个可能的解法用在待解问题上，经过验证后如果失败，选择另一个可能的解法再接着尝试下去。
整个过程在其中一个尝试解法产生出正确结果时结束。
试错法的特点：
1）解决问题导向：尝试错误法不试着去探讨为什么某种解法会成功，只要成功解决问题即可。
2）针对某个特定问题：尝试错误法不试着去找出可以被广泛应用、拿来解决其他问题的解法。
3）没有最佳化：尝试错误法只找出某种解法，并不会去尝试出所有的解法，亦不会找出问题的最佳解法。
4）仅需最低限度的知识：即便对问题的领域只有少量的知识，尝试错误法仍然可以被拿来应用。
历史文章（点击图片阅读）
AI 在病理学上的突破，对图片染色以假乱真
如果技术可能带来「永生」，你会做什么？
诊断儿童罕见病，AI 辅助医生调整治疗方案
AI 百科
教程
数据集
商店
更多
http://hyper.ai