改善人類健康、長壽和滿意度是技術的一些主要目的。乍一看，人工智能可能離我們人類只有一步之遙。但是，如果它能讓我們更敏銳，更能發(fā)現(xiàn)隱藏的聯(lián)系，并在探索未知事物時更有效率呢？

藥物發(fā)現(xiàn)和臨床試驗只是AI的一個應用領域，但它是一個值得和有影響力的領域。有許多“傳統(tǒng)”科學方法尚未產生治療的醫(yī)療條件。人工智能可以幫助我們更好地照顧我們留下的人。隨著時間的推移，它還將幫助我們平衡制藥業(yè)的財務現(xiàn)實與在需要時提供援助的道義責任。

當前的研發(fā)模型提供遞減的回報

制藥行業(yè)的臨床試驗和研發(fā)已經達到了一些人所說的危機點。要了解為什么，首先要了解過程。

研究和開發(fā)新藥涉及稱為“階段”的多個步驟。第 0 階段是第一個涉及人體測試的階段。這是科學家們試圖了解更多關于人體如何處理藥物的地方。第一階段涉及調整適當?shù)膭┝坎⒃诟蟮幕颊呷褐羞M行進一步測試。

科學家在 II 期和 III 期更多地了解新藥的安全性和有效性。這也是新配方與現(xiàn)有“護理標準”藥物和方法進行同類比較的地方。不幸的是，大量的臨床試驗在這兩個階段都失敗了。

在一份關于 2013 年至 2015 年藥物發(fā)現(xiàn)工作失敗率的報告中，Richard K.Harrison（Clarivate Analytics 首席科學官）發(fā)現(xiàn)：

• 幾乎一半的新二期藥物被拒絕，因為它們沒有證明對目標條件有效。
• 超過一半的 III 期藥物被拒絕，因為它們未能證明所需的有效性。
• 在 2013 年至 2015 年的所有臨床試驗失敗中，24% 的新藥因安全問題而被拒絕，15% 的新藥因公司戰(zhàn)略不相符（盈利能力不足、公司在試驗中被收購或破產等）而被拒絕。 ).

受這些失敗影響最嚴重的治療領域是腫瘤學、中樞神經系統(tǒng)和肌肉骨骼疾病。如果沒有更好的方法，難以治療和理解不清的病癥和疾病就有可能持續(xù)下去。

現(xiàn)有方法未能滿足許多??患者的需求

人工智能的最大優(yōu)勢在于它可以消化大量的醫(yī)學知識——例如，從數(shù)以千計的已發(fā)表報告和科學論文中——并設計出新的預測和公式，而這些需要人類研究人員多年的低效實驗才能找到。

平均而言，一種藥物需要十年時間才能走完整個研發(fā)流程并獲得 FDA 批準。相反，人工智能為我們提供了揭示一系列生物醫(yī)學實體（例如蛋白質）之間隱藏聯(lián)系的方法。想象一下用通常的方法組裝一個 100,000 塊拼圖。有些碎片不見了?，F(xiàn)在，使用啟發(fā)式模型、機器視覺和人工智能來描繪相同的過程。這樣的系統(tǒng)甚至可以冒險對缺失的“片段”是什么樣子進行臨床上有用的猜測。

由于公司戰(zhàn)略不相容而導致的新藥 15% 的失敗率不必繼續(xù)下去。制藥公司不想將利潤投入到注定只能治愈一小部分人口的藥物上，這是可以理解的，但并不完全令人欣慰。尤其是當有昂貴的治療方法可用但無法真正治愈時。

據彭博社報道，制藥公司甚至以前所未有的速度放棄抗生素研究，因為其中資金不足。因此，政府正在尋找替代激勵措施，讓他們重新參與這一過程。有了成熟的人工智能系統(tǒng)以低成本完成工作，這些激勵措施可能就沒有必要了。

還有制藥公司夸大有效性或從臨床試驗過程中遺漏關鍵信息的問題。一個開放和公正的人工智能模型應該能夠為這個過程注入一定程度的透明度以及明顯的效率優(yōu)勢。

人工智能為臨床試驗參與者投下更廣泛的網絡

長期以來，美國的藥物發(fā)現(xiàn)工作一直受到兩個不幸的現(xiàn)實的困擾：制藥公司經常無法招募到(1) 足夠數(shù)量的參與者以確保項目順利進行，以及 (2) 準確反映患者多樣性的患者抽樣人口?？偠灾?，大約四分之一的抗癌藥物試驗甚至從未開始，因為沒有足夠的合適參與者。

人工智能可以提供幫助。一種方法是幫助早期發(fā)現(xiàn)疾病。一些人工智能系統(tǒng)以與人類醫(yī)生幾乎相同的準確度進行診斷。這意味著可以更快、更多地發(fā)現(xiàn)處于疾病早期或更難檢測階段的患者，這可能會促進新藥試驗的應用，并提供一組處于疾病不同階段的患者。

AI 可以在醫(yī)學期刊中搜索研究項目之間未開發(fā)的聯(lián)系，并創(chuàng)建前所未見的藥物配方。有了適當?shù)碾[私保護措施，研究人員還可以使用人工智能從更大的患者群體中找到合格的藥物試驗候選人。

病史漫長而復雜。它通常是一個微妙的細節(jié)，可以使一個人成為理想的候選人或糟糕的候選人。識別可能對新興藥物反應良好或不良的患者是整個過程中最昂貴的步驟之一。

為了降低成本并鼓勵進一步的實驗，人工智能可以研究成百上千的患者記錄，以尋找藥物打算靶向的生物標志物。合適的人工智能也應該能夠消除選擇過程中有意和無意識的偏見。它應該確保藥物發(fā)現(xiàn)項目真正代表他們打算服務的公眾。

人工智能與醫(yī)學的美好未來

人工智能是這里的“靈丹妙藥”嗎？發(fā)現(xiàn)新藥療法的傳統(tǒng)方法涉及醫(yī)生和研究人員的大量試驗和錯誤。這是一場通過未知化學組合的尋寶游戲。

不同之處在于，人工智能在尋找無窮無盡的組合并在現(xiàn)實的數(shù)字模型中研究它們時，效率要高出幾個數(shù)量級。在公共衛(wèi)生成為頭等大事并且研發(fā)成本似乎每年都在增加的時候，這正是醫(yī)學界所需要的。