新型冠狀病毒的克星或將到來。

2月4日，中國工程院院士、國家衛生健康委員會高級別專家組成員李蘭娟團隊在武漢公布：據初步測試，阿比朵爾、達蘆那韋兩種藥物對治療新型冠狀病毒感染的肺炎有效。

專家組成員陳作兵表示，兩種藥物已在浙江省患者中使用，下一步計劃用這兩種藥物替代其他效果欠佳的藥物。

同一天，國家衛生健康委員會發布消息，美國抗病毒藥物瑞德西韋——一款在一名美國重癥患者身上使用后得到明顯緩解的藥品，預計將于2月4日下午抵達國內。日前，國家藥監局已通知申請單位中日友好醫院和中國醫學科學院，可以開展臨床試驗。

除了科研團隊和制藥公司，一些中國互聯網企業也在助力藥品及疫苗的研發。1月29日，阿里云宣布，疫情期間向全球公共科研機構免費開放一切人工智能算力，以加速本次疫情的新藥和疫苗研發。次日，百度研究院宣布，免費開放線性時間算法LinearFold以及世界上現有最快的RNA結構預測網站。

在和疫情的斗爭中，人工智能成為尋找“解藥”的催化劑。實際上，全球制藥業早已嘗試用人工智能來加速新藥研發。

2018年9月，加拿大深度學習基因公司Deep Genomics宣布，該公司利用人工智能解決了一個關于遺傳性疾病威爾遜氏病的長期謎題，更重要的是，他們還利用另一個深度學習平臺識別出一種可能的療法，并稱其為“史上首例由人工智能發現的候選療法”。

這一“里程碑事件”讓藥物研發界大為興奮，各大新聞媒體爭相報道。2019年1月，這家成立5年的初創公司在新一輪風投中獲得4000萬美元投資。

更快破解基因秘密

威爾遜氏癥是一種罕見的疾病，會抑制患者代謝食物中的微量元素銅，從而引發肝臟疾病、一系列神經系統問題和其他病癥。

Deep Genomics研究團隊把和二十多萬個基因突變有關的海量數據喂給訓練算法，教會電腦找到這些拼錯的人類DNA片段和錯誤的蛋白質編碼之間的關系。這些錯誤蛋白質編碼中，或許就有某些疾病的致病因。

該公司人工智能系統迅速發現了其間的關聯，準確破譯了一種被稱為Met645Arg的基因突變是如何導致某種重要的銅代謝蛋白出現重要缺陷的。

Deep Genomics首席執行官、神經網絡領域領軍人物布蘭登·弗雷表示：“人工智能已經學會了理解分子生物學。”

經過初步學習后，該公司又使用另一套人工智能工具，對數十億個分子進行分類，迅速識別出可以糾正因基因故障造成的錯誤，并生成了功能性蛋白質的無毒化合物。

最終，算法算出了不少于12種候選藥物，且每種似乎都對細胞模型和老鼠有效。Deep Genomics有望在明年將其中一種名為DG12P1的藥物投入人體臨床試驗。

從科學角度來看，“這是一個巨大的飛躍。”密歇根大學醫學院威爾遜氏病項目負責人弗雷德·阿斯卡里博士說。

和傳統制藥業對比，這一成就似乎更顯偉大。弗雷說，整個過程只用了18個月，典型臨床前藥物開發時間則為3到6年。

如果像Deep Genomics所說，此類藥物開發過程可以復制，那將是革命性的成果。畢竟，研發時間縮短意味著可以更快為病人提供幫助，尤其在大規模疫情爆發期間。而且從理論上說，可以降低制藥商的成本。

這也是許多大型制藥公司競相進入該領域的重要原因。

諾華正在與微軟合作，利用人工智能進行藥物研發；輝瑞在使用IBM的沃森人工智能；包括強生、默克、阿斯利康和葛蘭素史克在內的其他公司已經和規模較小的人工智能公司簽署了藥物開發合作協議。根據PitchBook的數據，自2013年以來，投資者總共向數百家這樣的初創公司投入了24億美元。

是希望還是炒作？

一切聽起來充滿希望。然而憧憬之余，我們來理智地分析現實情況。

首先，Deep Genomics的候選藥物還未曾在任何患者身上測試，“我們還不知道藥物是否真正有效”，該公司表示。

多年來，斯克里普斯研究所著名心臟病學家和遺傳學家埃里克·托波爾博士一直在認真審視，人工智能到底是希望還是炒作。

2019年，托波爾博士出版《深度醫學：人工智能如何讓醫療重新有人情味》人工智能，他提出警醒 ：“我們得到了大量承諾，卻始終缺乏證據。”

“人工智能，這個詞把我們非常確定會在未來起作用的想法和僅僅是概念驗證的想法混為一談。”多倫多大學戴維·杜維諾持相同看法。

專家們認為，機器制藥的一大缺陷是，缺乏好的數據對機器學習系統進行訓練。基因和分子相互作用的學術信息可供參考探索，但是很多試驗性新藥的信息，尤其是臨床試驗的病人數據，這些通常都為制藥商專有，而很少向外界分享。

南加州大學醫學和工程學教授戴維·阿古斯博士表示，除了缺少這些重要數據之外，現有的很多數據特征或結構性也較差。“輸入的是無用信息，輸出的也一定同樣如此。”他說。

制藥業的良方？

盡管存在缺憾，但如果人工智能真能將新藥的研發時間縮短一半，或許能為不斷飆升的藥品價格提供一劑良方。

該技術的一大應用前景是解決神秘的遺傳性疾病。由于該類疾病患者人數相對較少，大型制藥公司不太可能投資新藥研發。

去年秋天，美國醫療保險計劃的一項研究顯示，過去20年，治療患者不足20萬的“孤兒病”的藥物在新批準藥物中所占的比例越來越大，從1998年的10%上升到2017年的44%。與此同時，其價格也一路飆升，從1998年每年人均7136美元的花費躍升至2017年的186758美元，20年間增長了26倍。如今，90%的孤兒藥年均花費超過1萬美元。

如果人工智能可以扭轉這種駭人趨勢，縮短針對此類罕見病的新靶向療法的研發時間和成本，那么現在對它的大肆宣傳都不會枉費。

該領域的先鋒

創業家們把人工智能用于藥物研發的每一個階段——從識別更好的生物靶標和識別試驗性藥物到設計更智能的臨床試驗。以下幾家公司是本領域的先鋒。

Deep genomics ：發現藥物

去年9月，這家多倫多初創公司宣稱開發出了有史以來第一個由人工智能發現的候選療法，并發現了一種針對威爾遜氏病的新型試驗性藥物。首席執行官布蘭登·弗雷表示，明年將開始對這種藥物進行人體試驗。他預測，那時該公司將會有多達五種候選新藥在研制中。

Atomwise ：虛擬制藥

這家舊金山公司正在使用“卷積神經網絡”技術為現有藥物尋找新的治療適應癥。該科技常用于面部識別和自動駕駛汽車。該公司使用計算機創建疾病蛋白的生物化學3D網格，然后將網格與110億個不同分子的所有組合進行匹配運行——其中大部分分子數據來自公開資源，如美國國立衛生研究院的生物活性圖書館。之后，算法可以識別出與該蛋白質的生物化學相匹配的分子組合。

MIRO-1蛋白結構與帕金森病有關。在圖中白色區域代表的篩選位點，AtomNet對680萬個分子進行了評估，發現了一種現在被稱為Miro1還原劑的類藥物分子。圖片來源：COURTESY OF ATOMWISE

Atomwise通過購買有應用前景的化合物，提供給學術和制藥研究人員在細胞系和動物模型中進行測試；該公司目前在250家醫院開展550個項目。“這就像在制造飛機前測試原型一樣，”Atomwise的創始人兼首席執行官亞伯拉罕·海菲茨說，“需要進行模擬測試，才能確保飛機能飛、靜音又省油。每造一支機翼，都要在電腦上測試一千支。”

Lantern Pharma：變廢為寶

這家美國達拉斯公司梳理了數百種臨床試驗“失敗”的藥物數據，識別哪些藥物可能適用于某些基因亞型患者。這種拯救藥物的行為并不新鮮，但Lantern希望它的算法能大幅提速。該公司最近收購了四種被大型制藥公司放棄的試驗藥物，其中包括一種化療藥物，Lantern的人工智能平臺顯示，這種藥物可能對肺癌患者的一個特定亞型有效。

截至目前，Lantern的投資不到200萬美元，只占制藥商進行藥物后期測試開支的一小部分。“藥品不應該貴到30萬美元一劑，”首席執行官潘納·沙瑪說，“如果我們能更快，更便宜，讓藥物更有針對性，一切都可以改變。”（財富中文網）

本文的另一版本刊登于《財富》雜志2020年2月刊，標題為《機器制藥》（Medicine by Machine）。

譯者：Agatha