美国医学与生物工程院院士潘毅：人工智能可使生物学家少走弯路

· 625次阅读 · 2022-11-19

创新药研发从来都是难事，科学家正尝试利用人工智能（AI）技术协助加快研发进程。

其逻辑是，AI可计算挖掘药物间的相互作用，药物和靶点的关系等，减少实验次数，节省大量时间和成本。

在第24届高交会的生命科学与医疗生态论坛上，中国科学院深圳理工大学（筹）计算机科学与控制工程学院院长、乌克兰国家工程院外籍院士、美国医学与生物工程院院士潘毅发表了《人工智能赋能生物医药》主题演讲。

潘毅表示，以慢慢建成全面的数据库，其中包括药物数据库、疾病数据库、蛋白质\基因数据库、集成数据库等，将其关联起来，进而利用AI技术挖掘其关系，找到新的治疗方案。随着数据库的增大，关联性将更加容易找到。“总之，人工智能可使生物学家少走弯路。”

AI助力“老药新用”
人工智能可应用到药物发现、临床研究、临床试验，以及药物上市等药物研发全过程。

具体应用包括，靶点发现、化合物合成、化合物筛选、药理作用评估、优化临床试验设计、药物重定位、药物组合、检验审批等。

例如，在靶标选择和验证阶段，需要确定疾病相关的靶标，传统方法耗费较长时间和较高成本，而使用AI技术并结合相关试验数据，可以快速筛选出潜在靶标。

在药物制造方面，靶标找到以后，需要找到与其耦合度高的大小分子，然后用结构去反推序列，利用序列进行制药。

但找到靶标后，筛选出能和其紧密耦合的小分子很难，而AI可发挥作用。例如现有8888个小分子药，可以利用人工智能技术筛选到421个，再筛选变成69个，再用分子动力学筛选成8个，通过生物试验5个小分子，最后选出2个可能成药的小分子，而不用将8888都去试一遍，大大节约时间和成本。

在药物组合方面，AI技术可以加速药物组合研究，并使药物组合测试更加系统化。据悉，与单一给药相比，联合用药因具有增强药物疗效、减少剂量依赖性等优势逐渐热门。

AI还可以通过靶标预测，从而发现已有药物的新适应症，即药物重定位。以西地那非为例，其曾是治疗心绞痛的药物，于1989年上市，现在却因“伟哥”而成名。

为何要进行药物重用？因为新药的疗效可能很好，但也可能存在副作用，且副作用可能很多年后才显现，因此会对人体健康带来很大威胁。然而旧药新用便可有效降低安全性问题，且不需要重新设计试验，可以节省成本。

同样在关键的临床试验阶段，AI也可助力。例如在患者招募中，AI可提取患者症状、治疗效果等数据，找到最匹配当前试验的患者；在临床试验设计上，AI可预测合适的药物剂量、治疗方案等；在试验结果上，AI可跟踪、管理并预测患者预后情况等。

AI助力新药研发更高维度探索
实际上，第一代人工智能在40年前就已出现，当时是很简单的知识驱动处理系统，例如根据头痛，咳嗽等症状可以推断出感冒，但缺点是知识不能发展。

第二代AI系统也称为数据驱动系统，其可以利用深度学习找到数据背后的函数且有理论的保证，即可以自己深度学习，其能像人一样联想、回忆、学习，典型的例子是阿尔法狗打败围棋选手。

但该系统的缺点是如果网络结构过于简单，存在欠拟合风险；如果网络结构过于复杂，会出现过拟合现象，且欠缺逻辑思维。

目前已发展成第三代AI系统，其把第一代的知识驱动和第二代的数据驱动结合起来，构造更强大的AI。在数据上，有归纳能力，能举十反一；在知识上，有逻辑推理能力，可举一反三。

潘毅指出，目前难点在于找到药物和新靶标的关联，AI可助力药物研发进行更高维度的探索，即实现数据的万物关联。

具体来看，我们可以慢慢建成全面的数据库，其中包括药物数据库、疾病数据库、蛋白质\基因数据库、集成数据库等，将其关联起来，进而利用AI技术挖掘数据间的关系，找到新的治疗方案。随着数据库的增大，关联性将更加容易找到。

“总之，人工智能可使生物学家少走弯路。”潘毅称。

【免责声明】自媒体用户发布在亚太财经网评论发表的所有信息、言论等仅代表个人观点，与本网站立场无关，不对您构成任何投资建议。用户应基于自己的独立判断，自行决策投资行为并承担全部风险。任何用户私加自媒体用户发布的联系方式由此带来的损失都由用户自行承担。