一家名為Insilico Medicine的生物技巧研討公司愿望經由過程在人工智能（AI）的贊助下年夜幅增添研討所需的時光，從而完全改良藥物研發(fā)明狀。在醫(yī)學雜志《Oncotarget》揭橥的一項研討中，一個由Insilico Medicine引導的團隊具體引見了他們的辦法。從實質上講，其研討人員樹立了兩個盤算機收集（被稱為生成式反抗收集，簡稱GANs）。個中一項研討提出了能夠具有抗癌特征的新份子；另外一種則能否定哪些藥物抗癌有效。Polina Mamoshina是Insilico Medicine的一位研討迷信家。她說，“最好是用藝術的類比來說明，假如癌癥藥物是藝術作品，那末第一個收集將是一個試圖對其停止模擬的藝術先生，而第二個收集將是一位藝術專家。
回到GANS，第一個收集一向試圖“誘騙”后者，讓后者接收新的份子作為正當藥物，這兩種辦法都能更好地懂得癌癥醫(yī)治應當是甚么模樣。一旦它們經由過程互相測試，這些收集便可以用來檢測化合物，以檢測它們的抗癌潛力。經由過程這類方法，Insilico?Medicine研討團隊從一個公共數據庫中挑選了7200萬種化學物資。在GANS當選擇的這些化合物中曾經有60項取得癌癥醫(yī)治藥物專利，這意味著收集可以或許精確地判定出這些藥物，而其選擇的其他化合物也極可能值得進一步研討。
與體外試驗（試管）試驗比擬，silico試驗室的（盤算機測試）辦法的速度更快。研討人員并沒有去尋覓新的癌癥醫(yī)治辦法，而是應用一百萬種已知的有醫(yī)治潛力的化合物，而在短短一個月時光里，研討人員便可以將候選名單減少到100個。
這類辦法不只可以更快的增進藥物開辟，并且還能給研討帶來更多的經濟效益。每種試驗掉敗的藥物，都邑形成休息力和資本價值數百萬美元的喪失。Journal of Health Economics的一項研討估量，每種試驗掉敗的藥物比每種試驗勝利的藥物本錢增長了跨越16億美元。有了更少、更準確的搜刮規(guī)模，研討人員可以節(jié)儉數百萬，乃至數十億。
但并不是一切人都對silico testing的運用抱有信念。Mamoshina認可，很多應用更傳統(tǒng)的生物和化學辦法的癌癥研討人員不熟習人工智能，如許的試驗成果能夠會欠好守信于他們。“對他們來講，這是一個黑盒子，”她說。“這真的很難懂得，這也是為何他們會對此持疑惑立場。”
與其他尖端技巧一樣，炒作也能夠推進了Insilico Medicine的提高，然則也買下了隱患。Olexandr Isayev是北卡羅來那年夜學的助理傳授，他的試驗室專注于開辟人工幫助藥物發(fā)明的辦法。他認可，關于一項還沒有供給任何本質性結果的技巧，人們剛開端能夠會表示的過于高興。“年夜多半揭橥的論文，包含這篇論文，都是純潔的盤算性的，”他說。“所以，一些猜測能夠是毛病的。我真的很想看到“人工智能發(fā)明”的藥物份子的初次被試驗確認是勝利的。”
該公司并未將這類技巧以軟件即辦事形式的情勢停止受權，而是將研討規(guī)模擴展到收集曾經能辨認出的具有抗癌潛力的份子上。一旦這些化合物經由過程傳統(tǒng)的體外測試，它們就會被受權給制藥公司停止進一步的監(jiān)管審查，假如一切順遂的話，市場營銷也會獲得同意。本年8月，該公司宣告，Insilico Medicine正與制藥業(yè)巨子葛蘭素史克協(xié)作，開端實行一些新的研討技巧。
Insilico Medicine對這類新辦法的信心，反應在它決議對本身發(fā)明的藥物停止受權的決議計劃中，而不是反應在發(fā)明藥物的對象。但是，關于該公司來講，要證實人工智能確切可以或許剔除晚期發(fā)明的藥物確切醫(yī)治有效的猜想，他們將不能不回到試驗室停止檢測。
