親愛的網友:
為確保您享有最佳的瀏覽體驗,建議您提升您的 IE 瀏覽器至最新版本,感謝您的配合。

救你命的「AI藥神」?人工智慧如何引領生物醫藥開發

2023/06/20 賴勁文

圖為日本 Astellas 製藥公司的製藥機器人,當工作人員在疫情期間藥廠無法上...
圖為日本 Astellas 製藥公司的製藥機器人,當工作人員在疫情期間藥廠無法上班時,機器人可以繼續做實驗和研發工作。 圖/LabDroid

機器學習培育出的ChatGPT前陣子引領風潮,也興起許多工作可能被取代的討論。目前,在藥物開發和基礎生物研究上,人工智慧(AI)已經被廣為使用,那麼在治療和醫藥開發上,人工智慧又可以提供什麼幫助?從事研究的實驗室人員又是否容易被取代呢?

現代醫藥歷史已經將近一世紀,累積了相當的成績。以癌症病患來說,醫生看似能循著目錄索引開立合適的藥單,但其實不然。在2015年以前,美國國家衛生院(NIH)的臨床試驗並沒有要求不同族裔的人加入,這也意味著過往以白人為主的醫藥開發和臨床試驗,使醫師在面對非白人癌症病患時有了額外的考驗,如果再加上癌細胞臨門一腳的突變,也會增高藥物配對的難度。

那麼,當第一次投藥失敗,病人是否還有機會在錯失黃金治療時機之後,在下一輪治療尋得生機?或者,醫師有什麼辦法能針對特定病人,事先篩選出最合適的藥物?英國製藥公司 Exscientia 對此似乎能提供解答。

考慮到人與人之間的個體差異, Exscientia 開發的新型配對技術可以將個別患者與他們所需的精確藥物進行配對。研究人員從病患那裡取得了一小塊組織樣本,這些樣本中包含了正常細胞和癌細胞,接著將其區分為一百多塊後並暴露在各種藥物組合中,利用自動化和計算機視覺(一種訓練有能力識別細胞微小變化的機器學習模型)觀察細胞們在體外的反應。雖然細胞在體外和體內的反應可能完全不同,但透過觀察細胞在體外對藥物的反應,這已經是最接近真實狀況的測試。

此概念與臨床試驗有些相似,但不需要讓患者接受長達數月的治療,相反的,這些技術可同時測試數十種治療方法,以全面搜索潛在的藥物。雖然有些藥物無法殺死癌細胞,也有藥物會傷害病患的健康細胞,但在斟酌藥物的利弊得失後,醫師可以在第一時間選擇成功機率最高的藥物,而目前的試驗也有相當正面的結果。

在藥物開發和基礎生物研究上,人工智慧(AI)已經被廣為使用,那麼在治療和醫藥開發...
在藥物開發和基礎生物研究上,人工智慧(AI)已經被廣為使用,那麼在治療和醫藥開發上,人工智慧又可以提供什麼幫助呢?圖為在顯微鏡下研究細胞培養的研究人員。 圖/美聯社

▌加速再加速:人工智慧如何降低藥物開發成本?

選擇合適的藥物只能解決一半的問題,Exscientia 也致力全面改革藥物研發流程。除了將患者與現有藥物進行配對外,Exscientia 還使用機器學習來設計新藥,讓尋找合適藥物時有了更多選擇。自2021年以來,Exscientia 首批在人工智慧協助下開發的兩種藥物,已進入臨床試驗。

人工智慧的引進貌似改變了藥物開發的流程,然而從基礎實驗開始的新藥研發步驟並沒有太大的改變。首先,研究人員必須在人體中選擇一個藥物可針對的目標(例如某種蛋白質),接著再設計一個分子,這個分子將對目標產生作用,例如改變或關閉其功能。接下來,研究人員在實驗室中製造這種分子,檢查它是否確實執行設計的功能,並且確認沒有其他副作用後,再在人體中測試其安全性和有效性。

幾十年來,科學家通過將特定目標放入實驗室的人造環境中,加入不同的分子並觀察其反應來篩選特定候選藥物。藉著重複這個過程,科學家能調整候選藥物分子的結構來最佳化藥物的效果。

雖然說自動化可以有效減低繁瑣且重複的測試,但試錯的過程仍無法避免。也因為人造環境並不能完全模擬人體的運作,這也導致許多在實驗室中表現顯著效果的藥物最終在人體測試中失敗。Exscientia 公司首席商業官理查·羅(Richard Law)表示:「藥物發現的過程都是失敗經驗的累積,一種藥物的成功至少需設計和測試高達20種以上的藥物,這也間接提高了藥物研發的成本。」

而製藥失敗的三個關鍵點是:在人體中選錯目標、設計的分子無法產生作用以及挑錯受試族群——這一些都是製藥公司必須克服的課題。

圖為一架掃描儀正在讀取細胞培養盤上的代碼。 圖/美聯社
圖為一架掃描儀正在讀取細胞培養盤上的代碼。 圖/美聯社

截至目前為止,開發一種新藥平均需要超過10年的時間加上數十億美元的資本。然而藉由使用人工智慧,雖然目前尚未有完整案例能引用,但估計能縮短將近一半的開發時間。不但如此,人工智慧也可有效預測潛在藥物在人體內的功能、排除無效果的分子,以及機器學習模型也可減少繁瑣的實驗室流程。藉由這些輔助,製藥公司想要加速並降低藥物發現成本的願景,將會逐漸實現。

舉例來說,許多疾病發生的原因是蛋白質沒有正常發揮作用所造成,如帕金森跟阿茲海默症,人工智慧或許就能在此發揮關鍵作用。蛋白質的功能由其胺基酸及其三維折疊所決定,位於麻省劍橋的新創公司 Generate Biomedicines 便使用人工智隨機處理胺基酸鏈,並藉由此技術找到能將胺基酸扭曲成具有特定結構、並具有功能性蛋白質的方法,這也使得客製化蛋白質和讓這些蛋白質發揮特定功能的任務不再是天方夜譚。換句話說,我們可以期待在不遠的將來,帕金森跟阿茲海默症患者的治療機會與費用將會大幅度改善。

此外,在 2020 年生醫界新聞中,Google 旗下公司開發的人工智慧技術 AlphaFold 成功解開了「蛋白質折疊」的難題,其最新版本通過了「蛋白質結構預測技術的關鍵測試」(Critical Assessment of protein Structure Prediction),讓糾纏生物學界50年的渾沌出現一道曙光。這代表人工智慧將可以有效預測蛋白質的骨架,大幅加速整體藥物開發的速度,讓《自然》(Nature)雜誌封面都宣稱:「它將改變一切!」

 圖/美聯社  示意圖。過去,開發一種新藥平均需要超過10年的時間加上數十億美元...
圖/美聯社 示意圖。過去,開發一種新藥平均需要超過10年的時間加上數十億美元的資本,但藉由使用人工智慧,雖然目前尚未有完整案例能引用,但估計能縮短將近一半的開發時間。

圖為2007年,法國的一間實驗室。當時,該實驗室只處理最致命的病毒如伊波拉病毒,...
圖為2007年,法國的一間實驗室。當時,該實驗室只處理最致命的病毒如伊波拉病毒,但隨後也開始處理H1N1豬流感病毒。 圖/美聯社

因應人工智慧潮流,全球多個國家目前都積極建設相關實驗室。目前全球已有約20多種借助人工智慧開發的藥物正在進行臨床試驗或即將進入臨床試驗,且數量還在增加中。

2022年,Exscientia在歐洲維也納開設了新的研究中心;2023年2月,總部位於香港的藥物開發公司 Insilico Medicine在阿布達比也跟進開設了其大型實驗室;位於華盛頓溫哥華藥物開發公司 Absci 目前正利用人工智慧搜索數十億種潛在的藥物設計,其創始人兼首席執行官肖恩·麥克萊恩(Sean McClain)表示,製藥行業中的自動化程度越來越高,加上足夠的化學和生物數據可用來訓練較為完整的機器學習模型,這些都促進了人工智慧在藥物開發的使用及投資。

然而這項技術並非萬能,實驗室中最緩慢和昂貴的部分是對細胞、組織的實驗以及對人體的臨床測試,因其扮演的重要性無法被省略,這也確保了相關實驗室人員(例如筆者)短期內的工作無法被人工智慧所取代。位於麻省劍橋的新創孵化器 Flagship Pioneering 旗下的 Pioneering Medicines 公司,其首席科學官路易莎·索爾特西德(Luisa Salter-Cid)表示:

「人工智慧已經可以達成我們以前需要手工完成的許多步驟並節省許多時間,但最終驗證仍然需要在實驗室人員的監督下進行。」

儘管如此,人工智慧已經在逐漸改變藥物開發的方式。即使在人工智慧協助設計下的第一批藥物可能還需要幾年後才能上市,但這項技術已經對藥物設計的最早到最終階段引發大地震。

「人工智慧已經可以達成我們以前需要手工完成的許多步驟並節省許多時間,但最終驗證仍...
「人工智慧已經可以達成我們以前需要手工完成的許多步驟並節省許多時間,但最終驗證仍然需要在實驗室人員的監督下進行。」 圖/路透社

▌輔助人腦:人工智慧的未來可能性?

篩選出有意義的目標——某種可以用藥物去調控的標靶,例如蛋白質、DNA或RNA等——是人工智慧可以夠加速模擬藥物行為的先決條件,也因此許多公司已經將機器學習應用於識別目標上:Exscientia 和其他公司目前正使用自然語言處理(Natural language processing),從數十年來的廣大科學報告檔案中挖掘蛛絲馬跡,他們利用數十萬個已發表的基因序列和數百萬篇學術論文中提取信息、找尋相關因果關係的連接,接著再使用機器學習模型,預測在治療疾病時最有潛力的目標。

將自然語言處理應用於數據挖掘並不是新鮮事,藉由探詢人腦可能忽略的訊息與關連性,目前此應用已經成了大型製藥公司的標準流程。

製藥公司阿斯利康(AstraZeneca)的數據科學和人工智慧副總裁吉姆·韋瑟爾(Jim Weatherall)表示,讓人工智慧高效瀏覽大量生物醫學數據已經造成顯著改變,因為沒有人會去仔細閱讀數百萬篇生物學論文。此外,藉由人工智慧也能揭示一些看似無關事物之間的聯繫,例如結合最近的發現和十年前被遺忘的結果,再由生物學家去查看並檢查其是否合理。此流程幫助了他的團隊找到一些他們原本不會考慮的藥物目標。

然而,目標識別技術仍處於早期階段。他表示,從這種技術中產生的任何藥物進入臨床試驗還需要「數年」的時間。然而,選擇目標只是開始。更大的挑戰在於設計一個能夠與其相互作用的藥物分子,這也是大部分新創公司正在努力耕耘的地方。

退一步而言,在資本主義時代下,撇除這一些新創公司也想要利用有限資源換取收益,但在公共議題和領域裡,人工智慧還是能藉由洗鍊大量數據,來幫助科學家預防未來新興傳染病的和預測相關藥物開發設計。

即使人工智慧在許多面向上還是讓人對未知的黑盒子抱持懷疑,但其邏輯與分析也不是無中生有,而是建立在對大數據的分析基礎下,探索且發展出更多不同的可能性。如果在設計者和法規上能達到一定共識,那麼人工智慧將會對人類的未來大有助益。

即使人工智慧在許多面向上還是讓人對未知的黑盒子抱持懷疑,但其邏輯與分析也不是無中...
即使人工智慧在許多面向上還是讓人對未知的黑盒子抱持懷疑,但其邏輯與分析也不是無中生有,而是建立在對大數據的分析基礎下,探索且發展出更多不同的可能性。 圖/路透社


收看更多文章,請訂閱轉角國際facebook專頁:

推薦閱讀

才沒那麼容易被AI取代?ChatGPT與新聞業的相愛相殺

未完的《疫苗戰爭》:全球抗疫真的會有「贏家」嗎?

下一波防疫卡關:為難的救星?苟延殘喘「抗生素研發記」

賴勁文

宜蘭出生,屏東長大,台北唸書,美中進修,美西就業的人生,嘗試在動靜間取得平衡,現實夢想間取捨的生醫研究員。與其上檯面發揮,選擇在台下做後勤,希望一步一步推動社會永續的理念。

作者文章

圖為日本 Astellas 製藥公司的製藥機器人,當工作人員在疫情期間藥廠無法上...

救你命的「AI藥神」?人工智慧如何引領生物醫藥開發

2023/06/20
由布蘭登.波瑞爾所著的《疫苗戰爭》統整了新冠疫情的多方資訊,集結出這兩年來人類歷...

未完的《疫苗戰爭》:全球抗疫真的會有「贏家」嗎?

2021/12/15
以色列特拉維夫,接種第三劑疫苗但貌似非常怕痛的緊張接種人。 圖/路透社

還要再打多少針?美國「第三劑疫苗」科學或政治決定

2021/09/07
美國成人施打疫苗相對直觀,然而對於12歲以下的兒童來說,情況更為複雜。因為他們還...

破口小朋友?美國「兒童COVID疫苗」的必要與辯證

2021/07/05
圖/美聯社:該不該開放「疫苗專利」供全球自行救急使用?在政策面上已是各方角力的激...

救命技術大放送?全球「疫苗免專利」真能搶救人類嗎

2021/05/25
全球疫情持續升溫,在這場和病毒的競速中,疫苗的解方為何?圖為印度藝術家在街上畫的...

混在一起苗苗苗?「疫苗更新戰」的病毒太快我太慢

2021/04/15

最新文章

​英國下議院議長 Lindsay Hoyle 的愛貓Attlee,平常會放在國會...

專訪作者謝達文:借鏡英美經驗解析「藐視國會」與「調查權」爭議

2024/05/24
泰國副總理聲稱囤放10年的米安全美味,引發爭議。示意圖,非十年米。 圖/美聯社

囤積10年的米好好吃?泰國「十年米」之亂的政局算計

2024/05/24
英國塔塔鋼鐵在轉型過程中,減少了2,800個工作機會,引起鋼廠員工的強烈抗議。 ...

來自國際的「淨零碳排」壓力:台灣碳費政策如何受影響?

2024/05/21
國際特赦組織調查,敘利亞難民無論在黎巴嫩國內,還是回到敘利亞,都有可能遭受暴力毆...

回去你的國家:黎巴嫩遣返330位敘利亞難民,「自願返鄉」的深沉無奈

2024/05/17
北韓對民眾的全方位監控,正持續強化。圖為2024年3月7日,金正恩視察軍隊。 圖...

金正恩無所不在:北韓監視器數量增加,強化全方位監控

2024/05/17
5月10日布宜諾斯艾利斯火車衝撞事故。 圖/歐新社 

阿根廷列車衝撞事故:經濟困局埋下失修禍因?

2024/05/15

回應

Top