在科技与健康交汇的前沿，一项令人振奋的消息传来：人工智能（AI）正加速踏入药物研发的殿堂。Google DeepMind的首席执行官Demis Hassabis在达沃斯世界经济论坛的一次研讨会上透露，预计今年将有首批由AI协助设计的药物进入临床试验阶段。
Hassabis不仅是DeepMind的掌舵人，还是其制药衍生公司Isomorphic Labs的负责人。Isomorphic Labs自2021年起，便致力于利用机器学习技术推动药物研发的进程。他满怀信心地表示：“我们计划在今年年底前，见证AI设计的药物步入临床试验。这是我们的目标，也是我们的承诺。”
个性化医疗的未来图景在Hassabis的描述中变得生动起来。他设想，未来的AI系统能够根据个人的代谢特征，迅速优化药物，实现真正的“量身定做”。这一愿景不仅展现了AI在医疗领域的无限潜力，也预示着医疗模式的深刻变革。
Hassabis和他的同事John Jumper因AlphaFold项目荣获诺贝尔奖，这一深度学习系统能够准确预测蛋白质结构，为科学研究开辟了新天地。AI的热潮席卷全球，而制药行业更是对AI寄予厚望，因为它有望大幅缩短药物研发周期，降低成本。
新药从研发到获批上市，通常需要12至15年的时间，耗资约26亿美元。然而，成功率却极低，临床试验中仅有不到百分之十的药物能够最终获得使用批准。因此，任何能够提升效率、降低成本或提高成功率的方法，都将对制药公司的盈利产生深远影响。
机器学习模型在药物研发的各个环节中展现出巨大的改进和加速潜力。Hassabis预计，在时间和成本方面，AI将带来前所未有的节省。然而，他也坦言，高质量训练数据的获取是一大挑战，受到隐私法规、数据共享政策和获取成本等多重因素的制约。
面对这些挑战，Hassabis并未气馁。他认为，通过与临床研究机构合作或使用合成数据等方法，可以填补公共数据的空白。但他也强调，使用合成数据时需格外谨慎，以确保其能准确反映数据分布，避免训练出错误的模型。
尽管AI在药物研发中展现出巨大潜力，但Hassabis认为，AI在短期内仍无法取代科学家。他表示：“AI目前尚不具备真正的发明能力。它无法提出新的假设或推测。虽然AI在解决复杂数学问题等方面表现出色，但我们离AI在科学领域取得重大突破还有一段距离。我相信我们很快就会看到AI在药物研发中的更多应用，但这与科学家提出新理论或假设的能力是不同的。”
在探索AI在药物研发中的应用方面，Hassabis并非孤军奋战。Nvidia也展现出对AI增强型药物研发的浓厚兴趣。去年秋季，Nvidia开源了其BioNeMo系列GPU加速机器学习框架，旨在加速药物开发和分子设计。Nvidia还将现有模型如DeepMind的AlphaFold2和MIT的DiffDock 2.0重新打包为微服务，使其更加易用。
Nvidia还与多家制药公司展开合作，推出新的研究系统。例如，与丹麦制药巨头诺和诺德合作推出的Gefion超级计算机，便是将机器学习应用于生物科学和新治疗方法开发的一个典范。
随着AI技术的不断进步和应用的深入拓展，我们有理由相信，在不久的将来，更多由AI协助设计的创新药物将不断涌现，为人类健康事业贡献更大的力量。
同时，我们也应看到，AI在药物研发中的应用仍面临诸多挑战和限制。只有在科学家、工程师和政策制定者的共同努力下，才能充分发挥AI的潜力，推动医疗行业的持续进步。
