在采用數(shù)字技術(shù)時(shí)，制藥行業(yè)的應(yīng)用往往比較緩慢。迄今為止，很多制藥廠商已經(jīng)推遲了使用人工智能和機(jī)器學(xué)習(xí)策略開發(fā)藥物的想法。人工智能有可能在藥物開發(fā)領(lǐng)域掀起創(chuàng)新浪潮。然而，制藥行業(yè)應(yīng)努力彌補(bǔ)應(yīng)用于藥物發(fā)現(xiàn)和開發(fā)過(guò)程之間的差距。

醫(yī)療保健行業(yè)已迅速將人工智能技術(shù)納入其中。人工智能及其分支技術(shù)正在大規(guī)模地應(yīng)用在醫(yī)療行業(yè)。但是，制藥行業(yè)仍處于利用數(shù)字技術(shù)來(lái)加速藥物開發(fā)過(guò)程的初期階段。藥物發(fā)現(xiàn)的主要目的是確定對(duì)人體有益的藥物。尋找正確的藥物是一個(gè)漫長(zhǎng)的過(guò)程，需要對(duì)大型篩選分子庫(kù)的分子進(jìn)行篩選，這些分子庫(kù)可以特異性地結(jié)合與疾病相關(guān)的靶分子。尋找合適藥物的任務(wù)經(jīng)過(guò)了無(wú)數(shù)輪測(cè)試，將其開發(fā)成有希望的化合物。根據(jù)Taconic Biosciences公司的調(diào)查，制藥廠商將會(huì)花費(fèi)大量的時(shí)間和費(fèi)用，而將一種藥物推向市場(chǎng)的平均成本超過(guò)28億美元，開發(fā)時(shí)間長(zhǎng)達(dá)12年。幸運(yùn)的是，人工智能可以幫助制藥行業(yè)找到合適的藥物并加以開發(fā)。人工智能使用擬人化知識(shí)，并從其產(chǎn)生的解決方案中學(xué)習(xí)，以解決醫(yī)學(xué)領(lǐng)域中的特定問(wèn)題和復(fù)雜問(wèn)題。

人工智能平臺(tái)用于藥物開發(fā)

如果通過(guò)人工進(jìn)行藥物開發(fā)，則是一個(gè)漫長(zhǎng)的過(guò)程。在以往，研究人員必須確定導(dǎo)致疾病的靶蛋白并進(jìn)行長(zhǎng)期研究。接下來(lái)，他們?cè)噲D找出哪些成分或分子會(huì)影響蛋白質(zhì)。在這個(gè)過(guò)程中，研究人員確保找到安全高效的分子并進(jìn)一步使用。人工智能在藥物發(fā)現(xiàn)中的作用始于找到更好地定位蛋白質(zhì)的分子。研究人員無(wú)法測(cè)試大量的分子。這個(gè)過(guò)程既冗長(zhǎng)又成本高昂。幸運(yùn)的是，人工智能平臺(tái)可以通過(guò)簡(jiǎn)單的分析代替漫長(zhǎng)的測(cè)試過(guò)程。研究人員將參數(shù)輸入人工智能平臺(tái)，并使其對(duì)分子進(jìn)行分析。人工智能平臺(tái)確定了可用于藥物開發(fā)的正確分子。

神經(jīng)網(wǎng)絡(luò)在藥物開發(fā)中的應(yīng)用

盡管深度神經(jīng)網(wǎng)絡(luò)已經(jīng)應(yīng)用在科技領(lǐng)域，但直到2012年才引起廣泛關(guān)注。多倫多大學(xué)的研究人員在使用ImageNet大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)賽(ILSVR)的過(guò)程中使用了深度神經(jīng)網(wǎng)絡(luò)。很多制藥廠商正在使用各種類型的深度神經(jīng)網(wǎng)絡(luò)來(lái)探索經(jīng)典的統(tǒng)計(jì)技術(shù)。該技術(shù)有助于找到有效藥物的正確分子。深度神經(jīng)網(wǎng)絡(luò)為化學(xué)家們提供了一個(gè)即時(shí)的指示，告訴他們?cè)撛趺醋霾拍芟承┎槐匾幕顒?dòng)。這種深度神經(jīng)網(wǎng)絡(luò)模型也被化學(xué)家用來(lái)判斷他們的復(fù)合想法，然后再?zèng)Q定是否合成它們。

人工智能中的大數(shù)據(jù)有助于藥物開發(fā)

醫(yī)療保健數(shù)據(jù)非常重要。如今，數(shù)以百萬(wàn)計(jì)的研究、反饋、報(bào)告、患者記錄以及與醫(yī)療保健行業(yè)相關(guān)的許多其他事物以大數(shù)據(jù)的形式被輸入到人工智能系統(tǒng)中。盡管醫(yī)療保健部門在從他們那里獲得解決方案的速度相當(dāng)慢，但醫(yī)療機(jī)構(gòu)仍在盡最大努力保持領(lǐng)先地位。人工智能系統(tǒng)的特征在于采用了一種適當(dāng)?shù)臋C(jī)制來(lái)瀏覽數(shù)據(jù)，并從中進(jìn)行有意義的解釋。深度學(xué)習(xí)程序根據(jù)采集的數(shù)據(jù)運(yùn)行，并更多地了解蛋白質(zhì)的存在。以及這些蛋白質(zhì)在健康人和患者之間產(chǎn)生差異。與此同時(shí)，機(jī)器學(xué)習(xí)技術(shù)可以努力尋找并建立蛋白質(zhì)與疾病之間的聯(lián)系。

人工智能在階段性藥物開發(fā)中的應(yīng)用

在冠狀病毒疫情爆發(fā)之前，沒(méi)有人認(rèn)為疫苗研發(fā)過(guò)程能夠更加快速。疫苗的研制和試驗(yàn)需要多年的研究和觀察。然而發(fā)生的疫情打破了常規(guī)。世界各國(guó)政府都在競(jìng)相盡快研制出有效的疫苗。在此期間，制藥行業(yè)獲得的投資猛增。隨著加速試驗(yàn)并獲得緊急批準(zhǔn)，制藥廠商利用人工智能技術(shù)為疫苗的生產(chǎn)過(guò)程提供幫助。

藥物開發(fā)中的人工智能(第一階段)：開發(fā)正確的藥物需要閱讀和分析已有的文獻(xiàn)，測(cè)試潛在藥物與靶點(diǎn)的相互作用方式。人工智能比人類更快地執(zhí)行任務(wù)，并快速提供結(jié)果。

臨床前開發(fā)中的人工智能(第二階段)：在臨床開發(fā)階段，其藥物已在動(dòng)物身上進(jìn)行了測(cè)試以查看其表現(xiàn)。在這一階段公布人工智能將有助于試驗(yàn)順利進(jìn)行，并使研究人員能夠更快、更成功地預(yù)測(cè)藥物與動(dòng)物模型的相互作用。

人工智能在臨床試驗(yàn)中(第三階段)：研究人員在臨床試驗(yàn)期間開始在人體上測(cè)試該藥物。人工智能可以促進(jìn)臨床試驗(yàn)期間參與者的監(jiān)測(cè)，更快地生成更大的數(shù)據(jù)集，并通過(guò)個(gè)性化試驗(yàn)體驗(yàn)來(lái)幫助保留參與者。

道德上的缺陷

盡管人工智能在很大程度上幫助了藥物開發(fā)，但它也引發(fā)了一些令人關(guān)注的倫理問(wèn)題。醫(yī)療保健行業(yè)存儲(chǔ)了大量患者的數(shù)據(jù)。如果這些關(guān)鍵數(shù)據(jù)掌握在黑客或不良分子手中，則有可能將其用于不良目的。而醫(yī)療機(jī)構(gòu)需要維護(hù)患者的隱私，與許多其他部門不同，雖然沒(méi)有任何法規(guī)或政策可以指導(dǎo)藥品生產(chǎn)商這樣做，但他們有責(zé)任保護(hù)患者數(shù)據(jù)并以正確的方式使用。