（AP插图/Jenni Sohn）
华盛顿（AP）——人工智能正在改变企业的运营方式，帮助程序员编写代码，并通过聊天机器人处理客户服务电话。但制药行业仍在等待，看AI是否能应对它最大的挑战：找到更快、更便宜的新药开发方法。尽管已投入数十亿美元用于研究，新药的开发通常仍需十年或更长时间。
成立于2018年的Insitro是众多承诺通过使用机器学习分析大量化学和生物标志物数据集来加速药物发现的AI公司之一。这家位于南旧金山的公司已与礼来和百时美施贵宝等制药公司签订协议，帮助开发治疗代谢疾病、神经系统疾病和退行性疾病的药物。
Insitro的首席执行官兼创始人Daphne Koller接受了美联社的采访，讨论了AI如何应对药物发现的挑战。以下是经过编辑的访谈摘录：
问：为什么药物开发如此困难？
答： 我认为药物发现的问题在于我们试图干预一个我们只略微了解的系统。过去15到20年中，许多成功案例都是因为我们对系统有了足够的理解，从而可以设计出与之匹配的干预措施。因此，我们在Insitro尝试做的一件事是解开异质性疾病背后的复杂性，并识别新的干预模式，这些模式可能无法帮助整个患者群体，但或许可以帮助其中的一部分。这样，我们可以真正确定针对特定患者群体的正确治疗假设。我认为，这正是行业缺乏成功的关键所在。
问：像礼来这样的公司雇用了数千名医学科学家和研究人员。您的技术能做些什么是这些专家做不到的？
答： 与AI革命并行发生的是我称之为定量生物学的更为安静的革命，即能够以前所未有的精确度测量生物系统的能力。你可以用越来越好的测量技术和技术来测量蛋白质和细胞等系统。但如果把数据交给一个人，他们的眼睛可能会变得茫然，因为一个人只能看那么多细胞，也只能在这些图像中看到那么多细微差别。人们在感知细微差异方面的能力是有限的。
因此，最终你会得到一个非常简化的视图，而这个视图对于解开患者之间的区别和发现干预措施真正能发挥作用的地方是非常重要的。
问：您是如何对这一领域产生兴趣的？
答： 我的博士学位是在计算机科学领域。但我在1998年或1999年开始涉足机器学习领域，为生物医学问题服务。当时，机器学习能够解决的问题实际上相当乏味。你能从分类垃圾邮件和非垃圾邮件的数据集中获得多少灵感？
我正在寻找更有丰富性的东西。我首次涉足这个领域并不是因为我特别想成为生物学家，而是因为我正在寻找更具技术挑战性的问题。然后，当我开始深入了解这个领域时，我对生物学本身产生了兴趣。
问：Insitro同时雇用了计算机科学家和医学研究人员。让这两个群体合作时是否有文化冲突？
答： 这可能是我们作为组织实现的最重要的事情之一。你可以把最 sophisticated、最有善意的科学家从任何一方放在同一个房间里，他们可能会像在说泰语和斯瓦希里语一样无法沟通。
当你是一名工程师时，你寻找的是最强、最一致的模式，这些模式可以让你对大多数细胞或个体做出预测。而当你是一名生命科学家时，你往往实际上是在寻找例外，因为这些例外可能是导致新发现的线索。
因此，我们实施了一系列文化和组织元素，以帮助人们开放、建设性地相互交流，并彼此尊重。
(全文结束)
