製藥公司擁抱人工智能開發新藥物 - 彭博社

插圖：Thomas Hedger for Bloomberg Businessweek在實驗室進行廣泛分析通常需要數年時間，研究團隊會系統地篩選數據和測試結果，以發現有潛力的候選藥物。但是，當日本的武田製藥公司在二月份以40億美元從波士頓初創公司購買了一種實驗性牛皮癬藥物時，它僅用了六個月的時間就通過人工智能選擇了一種化合物。

在接下來的幾個月裏，這種藥物—通過人工智能和機器學習算法從成千上萬種潛在分子中挑選出來—將進入臨牀試驗的最後階段。如果成功，它可能成為首批藉助人工智能發現的療法之一。傑富瑞的分析師估計，它可能每年創造高達5000億日元（37億美元）的銷售額。

在全球製藥公司紛紛與精通計算機的初創公司達成交易並增加自己的數據科學家的同時，日本製藥商的推動正值其時。他們希望通過削減成本和加快上市時間來實現目標。摩根士丹利估計，在未來十年內，人工智能在早期藥物開發中的應用可能會轉化為價值超過500億美元的50種新療法。

研究公司Deep Pharma Intelligence估計，過去四年對人工智能驅動的藥物發現公司的投資已經翻了三倍，達到了2022年的246億美元。去年一月，賽諾菲同意支付總部位於英國的Exscientia Plc1億美元的預付款，以及最高52億美元的里程碑付款，用於研究新藥物，並利用人工智能系統在腫瘤學和免疫學領域開發多達15個候選藥物。

拜耳，羅氏控股和武田等公司正在與鹽湖城的Recursion Pharmaceuticals Inc.合作，探索使用機器學習進行藥物發現。與此同時，阿斯利康公司與英國的BenevolentAI和聖地亞哥的Illumina Inc.合作進行類似的努力。

藥物開發中人工智能的累積投資

來源：Deep Pharma Intelligence

“當生物製藥公司成功應用人工智能進行研發時，會產生重大影響，”麥肯錫公司合夥人亞歷克斯·德維森説，他為製藥公司提供數字化流程和分析方面的建議。“我們預計，在五年內，這些方法將在製藥研發過程中得到更多結構性的應用，併產生更大規模的影響。”

雖然人工智能可以幫助，但科學家們在選擇分子後仍然需要進行大量的傳統工作。武田的化合物接着需要經過數年的人類臨牀試驗和其他測試。人工智能還有其他侷限性。例如，它無法預測複雜的生物特性，比如化合物的功效和副作用。

然而，利用技術來識別下一個暢銷療法可以幫助消除通常需要數百次實驗的猜測工作，這些實驗通常需要花費多年時間才能找到有希望的分子。

2018年後，大型製藥公司在投資人工智能和機器學習（ML）方面變得更加認真，當時谷歌母公司Alphabet Inc.的DeepMind部門使用名為AlphaFold的AI程序擊敗了一位生物學家，預測蛋白質的形狀，這是疾病的基本構建塊。解決蛋白質的形狀問題是生物學中最棘手的問題之一，有助於藥物獵手縮小可能與其相互作用的分子範圍，並確定攻擊疾病的藥物。

將一種新藥物推向市場傳統上需要花費近30億美元，大約90%的實驗藥物會失敗。因此，能夠加快這一過程的技術可能是利潤的重要推動力。根據DeepMind網站引用的加州斯克里普斯研究轉化研究所的創始人和主任埃裏克·託普爾（Eric Topol）的説法，現在使用AlphaFold確定蛋白質的三維結構只需要幾秒鐘，而不是許多個月或年。

輝瑞-聯發科Comirnaty新冠疫苗的小瓶。攝影師：Dwayne Senior/Bloomberg製藥公司採用人工智能的增長在新冠疫情期間得到加速，因為該行業急於開發用於對抗未知病毒的武器。在疫情期間，輝瑞公司轉向人工智能開發了新冠疫苗Comirnaty，與BioNTech SE合作。它還擴大了與總部位於中國深圳的人工智能藥物發現公司XtalPi Inc.的合作，以加快新冠藥物Paxlovid的化學配方。這兩種藥物在不到兩年的時間內獲得了美國食品和藥物管理局的批准，比大多數藥物通常需要10年的時間推向市場要快得多。監管機構也加快了推出針對新冠病毒的武器到公眾手中的速度。

來自波士頓的Nimbus Therapeutics LLC購買的武田製藥公司的實驗藥物將成為全球為數不多的治療牛皮癬的口服治療之一，這是一種影響全球1.25億人的皮膚病。它還有治療其他疾病的潛力，如克羅恩病，一種炎症性腸道疾病。該藥物目前名為TAK-279，在人類試驗的前兩個階段已經成功通過。Nimbus首席執行官傑布·凱珀（Jeb Keiper）表示，算法在傳統方法需要兩年時間的四分之一時間內選擇了目前的分子。

Nimbus Therapeutics的辦公室。攝影師：Simon Simard for Bloomberg Businessweek科學家們在試管中測試化學物質，需要測試許多分子——“一個不可能的數量，”他説。計算機建議在實驗室中測試10種化合物，然後根據實驗室結果進行反饋。機器從這些結果中學習，以做出更好的預測，提供下一個需要測試的一百個候選者，最終過濾到一個分子，Keiper説。

受牛皮癬影響的皮膚的剖面插圖。攝影師：BSIP/Education Images/Universal Images Group/Getty Images如今，來自波士頓、聖地亞哥和日本湘南的武田R&D中心的500多名定量科學家和技術專家每天都在忙於處理數據，以找到、開發和製造突破性藥物。這家制藥公司使用人工智能和機器學習來識別針對蛋白質的最佳分子，並瞭解疾病的特徵以及在不同患者羣體中的變化。它與麻省理工學院和幾家人工智能初創公司合作。

“任何能為我們的員工解鎖尖端技能、減少手動工作、消除系統中的摩擦併為更大的科學洞察和發現騰出時間的技術都是至關重要的，”武田數據科學研究所負責人Anne Heatherington説。

武田的大型競爭對手也在利用人工智能。輝瑞公司希望與DeepMind的AlphaFold合作，幫助公司設計和驗證高效的治療靶點，這些靶點以前是未知的，輝瑞公司的首席數字和技術官Lidia Fonseca説。Fonseca表示：“我們利用強大的超級計算能力結合人工智能和機器學習模型，將我們的整體計算時間縮短了80%至90%，這實際上有助於加快Paxlovid的研發進程。”

在全球範圍內，一些由初創公司利用人工智能識別的潛在藥物已經進入人體試驗階段。其中包括Recursion Pharmaceuticals Inc.的五種用於罕見疾病和腫瘤的藥物，以及Exscientia的三種用於癌症和炎症等疾病的藥物。總部位於香港的Insilico Medicine正在進行中期人體試驗，用於治療最常見的肺纖維化形式。

總部位於英國的GSK Plc擁有160多名專門從事人工智能和機器學習的專家，以支持其研發和製造工作。自2019年以來擔任GSK人工智能負責人的Kim Branson表示，公司還生成數據來構建和供給公司自己的機器學習模型，以便每位科學家最終都能從公司過去產生的數據中受益。

百度CEO李彥宏在北京舉辦的一次人工智能活動中發表講話，日期為3月16日。攝影師：沈啓賴/彭博社中國也正在利用人工智能來提升其製藥企業的全球競爭力。XTalpi部分由中國科技巨頭騰訊控股有限公司資助，而百度公司CEO李彥宏創立了一家名為BioMap的人工智能驅動的藥物發現公司。

GSK的布蘭森表示，雖然人工智能在整合來自不同來源的數據方面表現得非常出色，但當其用於複雜系統時就會變得棘手。他表示，為了確保安全，實驗室實驗通常是必要的。

此外，斯坦福大學的研究人員在2018年發表在《新英格蘭醫學雜誌》上的一項研究中寫道，用於創建算法的數據可能存在偏見，這種偏見可能會體現在它們生成的臨牀建議中。研究人員發現，算法的結果也可能會出現偏差，這取決於誰開發了這些算法。

這並沒有阻止投資的增長。斯坦福大學生物工程教授Russ Altman表示，過去五年左右，風險投資家要求對潛在的人工智能藥物發現公司進行評估的數量激增。Altman表示：“從零到一百。我在過去30年裏沒有對人工智能藥物公司進行過任何盡職調查。現在我已經做了六到十個。” —與 Lisa Du 和 Ilena Peng