Google DeepMind 的 CEO Demis Hassabis 周二表示，首批在人工智能协助下设计的药物可能将于今年开始进行临床试验。
在达沃斯世界经济论坛的一个研讨会上，同时也是 DeepMind 制药衍生公司 Isomorphic Labs 负责人的 Hassabis 表示，他预计"到今年年底会有一些 AI 设计的药物进入临床试验...这是我们的计划。"
自 2021 年以来，Isomorphic Labs 一直在尝试使用机器学习来加速药物研发。他说："最终你可以想象个性化医疗，AI 系统可能在一夜之间就能根据你的个人代谢特征优化药物。"
尽管 AI 的热度现在无处不在，但 Hassabis 和他的同事 John Jumper 凭借 AlphaFold（一个可以预测蛋白质结构的深度学习系统）的工作获得了诺贝尔奖。
制药公司对 AI 感兴趣是因为它有潜力为他们节省大量时间和金钱。根据最近发表在《自然医学》杂志上的一篇文章，成功开发一种新药并获得使用批准可能需要 12 到 15 年，成本大约为 26 亿美元。
许多药物永远无法获得使用批准，因为在人体试验的临床试验中，成功率不到百分之十。任何能够降低成本、加快开发速度或提高成功率的方法都将对制药公司的利润产生实质性影响。
研究人员认为机器学习模型可以通过多种方式改进和加速药物研发过程的各个环节。Hassabis 认为在时间和成本方面可能会有巨大的节省。
这种乐观态度需要适度，因为由于隐私法规、数据共享政策和获取成本的原因，高质量的训练数据很难获得。
Hassabis 认为这些挑战并非不可克服。他说："你可以生成一些关键数据来填补公共数据缺失的空白。"
这可以通过与临床研究机构合作或使用合成数据来实现，他说 AlphaFold2 广泛使用了合成数据。然而，正如我们之前讨论过的，合成数据可能会存在问题。
"使用合成数据时必须非常小心，确保它能正确表示数据分布，而不是在某种程度上训练自己的错误，" Hassabis 说。
Hassabis 认为 AI 在短期内不会取代科学家。
"AI 目前还无法实现真正的发明。它不能提出新的假设或新的推测。它也许可以解决比如数学中的复杂推测。我认为我们离一些重大突破很近了。我想我们今年就会看到这一点，但这与实际提出理论或假设是不同的，最优秀的人类科学家才能做到这一点，"他说。
在探索机器学习在药物研发中的应用方面，Hassabis 并非孤军奋战。Nvidia 也对 AI 增强型药物研发表现出热情，可能是因为这将创造更多购买其硬件的理由。
去年秋季，Nvidia 开源了其 BioNeMo 系列 GPU 加速机器学习框架，用于药物开发和分子设计。该公司还采取措施将现有模型（如 DeepMind 的 AlphaFold2 和 MIT 的 DiffDock 2.0）重新打包为微服务，使其更易于使用。
Nvidia 还与包括丹麦制药巨头诺和诺德在内的主要制药公司合作，推出新的研究系统。丹麦的 Gefion 超级计算机就是此类努力的一个例子，它将机器学习应用于生物科学和新治疗方法的开发。
