什么是发现？在数学领域，有一个老问题，就是说是发现了新的数学方法，还是说发明了新的数学方法。同样的问题也适用于现代药物发现。当人工智能用于识别候选药物时，这些新的候选药物是被开发出来的，还是经过数学和科学方法筛选过滤后自然遗留下来的？这些新的候选药物是被发现的还是设计出来的？这可能是一种没有区别的区别。生物技术公司Moderna的COVID-19疫苗接种方案于2020年8月13日保存在佛罗里达州好莱坞的美国研究中心。在这一轮寻找COVID-19疫苗的竞赛中，人类取得了一系列进展，其中开辟了一条利用人工智能技术促进药物发现的新路径。例如，包括BenevolentAI在内的多家药企已经开始应用AI从现有药物中寻找候选药物。在治疗方面，BenevolentAI也公布了6个进入临床验证阶段的分子。除了发现新药，Innoplexus、Deargen、Gero、Cyclica、Healx、VantAI等公司也在利用AI技术为现有药物寻找新用途。InsilicoMedicine、Exscientia、SRIInternational、Iktos等公司正在全面使用AI来发明新药。世界各地的生物制药公司都在采用人工智能战略来整合药物发现过程。例如，Atomwise通过深度学习算法和弹性超级计算平台预测潜在药物，加速儿童癌症的分子发现过程，从而缩短可行疗法的发现和开发周期。此外，MELLODY项目是一个基于区块链的解决方案，旨在开发一个能够从药物发现过程中生成的数千个专业数据集中学习的机器学习平台。一旦该项目全面展开，研究人员将能够更轻松地确定哪些小分子对未来的研究最有帮助。而这一切，只是人们利用机器学习寻找新药，推动医学领域新一轮变革的几个方面。既然算法完全有能力进行药物发现，我们不禁要问，“药物发现的真正含义是什么？”结论是否隐藏在我们的视野之外？要回答这个问题，我们需要更深入地研究人工智能在药物发现中的作用。相关领域的发现和应用，以了解这项新兴技术的实际和商业意义。人工智能在药物发现层面确实有广泛的应用，研究实验室以这些技术的早期工作为基础，并将它们转化为商业阶段，探索药物开发和可学习算法之间的交集。Nvidia甚至参与了这个过程。两者对接的重要载体之一是计算，即在计算机中“测试??”各种分子组合。另一种方法是从基础信息中发现见解，这在药物发现之外变得越来越普遍。大数据分析开发了大量令人兴奋的新技术，可以从现有数据中提取新的见解。例如，《自然》期刊最近提出的一种方法能够评估大量研究论文中提到的不同材料与其化学性质之间的关系。在加州大学伯克利分校和劳伦斯伯克利国家实验室的研究中，研究人员不再直接查看这些材料的分子数据，而是直接使用无监督学习来总结材料科学知识，从而找到匹配的功能要求。材料选择。在新药发现方面，这种新知识隐藏在众目睽睽之下的想法实际上非常有趣。2017年，东京中央大学的一名研究人员在《自然》杂志上发表了另一项引人注目的技术，该技术确定了一组显着重叠的基因和能够与基因和药物相互作用的化合物。使用这种技术，研究人员最终确定了两个有希望的治疗靶基因及其蛋白质产物作为肝硬化的有希望的候选药物，肝硬化是一种常见疾病，几乎没有好的治疗方法。大数据根据德勤最近的一份报告，人工智能在药物发现领域的应用案例确实可以加快药物发现周期，降低药物发现成本。过去，从药物研发阶段到临床前试验阶段的整个周期往往需要五六年时间。实际进入市场平均需要10到20年时间，每一种药物的发现和生产成本约为20亿美元。但据德勤称，一种新药上市后的预期投资回报率不到2%。如果药物发现能够更加自动化，制药业将拥有更丰厚的利润空间，从而降低将新药推向市场的成本。人工智能无疑是新药早期研发最有前景的解决方案。根据德勤的一份报告，人工智能解决方案可以显着缩短药物发现阶段所需的时间，将研发到临床前阶段的周期缩短到过去的十五分之一。像这样的项目需要挖掘大量数据并且必然涉及大量微调，因此这个过程更像是科学和发现，而不是工程和设计。但也许真相实际上介于两者之间。发现还是设计？软件需要在人类基因组计划等大型项目中得到广泛采用。企业充分利用人工智能技术进行药物发现和研究，甚至整个药物发现过程都开始由人工智能软件驱动。不太远——大约在2030年左右。届时，从筛选到临床前试验的周期将大大缩短，能够治疗极其特殊病症的新药将不再是“稀罕物”。那么让我们回到主题——人工智能方法实际上是在发现新药，还是通过优化过程设计它们？也许答案应该是发现，而不是设计。毕竟，利用人工智能发现药物，本身就是一种“幸运”。虽然方法本身一直在不断优化，但要想得到“正确”的解，还是需要运气。这就像不断尝试从工具箱中取出螺丝刀，直到找到适合螺丝的螺丝刀。这是可行的，但它仍然与发明一种以前从未存在过的新螺丝刀不同。接下来我们再问一个问题：这是发明还是发现？可以看出，生成新候选药物的机器模型仍在从数据中学习，进行优化并选择合适的模型。所以，答案还是发现。但无论如何，这是一个刚刚起步的领域，前景一片光明。期待AI在医学领域的力量全面展现！
