当我们想到人工智能（AI）、数据科学及其在快速发展的领域中可能产生的现实影响时，我们往往倾向于展望未来——尤其是在健康领域。在生命科学中，人工智能已经显著提升了我们开发新药的能力，从加速药物发现到支持早期疾病检测，改善临床研究并塑造我们对复杂生物学的理解。
阿斯利康是医疗保健领域较早采用人工智能和数据科学的公司之一，这些工具正在帮助科学家们寻找治疗一些世界上最棘手疾病的创新疗法，以改变患者的治疗效果。阿斯利康生物制药研发部首席数据科学家吉姆·韦瑟尔（Jim Weatherall）在过去五年里，与组织内部的合作伙伴紧密合作，在药物发现和开发过程中整合数据科学和人工智能，从回答具体的科学问题到改进化学家、生物学家和临床医生的工作方式。
“生物学仍然是一个未解的问题，”韦瑟尔说，“它充满了不确定性和多样性——个体之间的差异、体内细胞之间的差异、蛋白质的功能及其相互作用的差异。我们仍然有很多不了解的地方。然而，好消息是我们拥有大量的历史实验和临床试验数据，同时我们也在不断生成新的数据，比以往任何时候都多。我们可以利用人工智能以前所未有的速度和规模将这些数据转化为患者价值，提供急需的生物医学见解。”
人工智能在阿斯利康的研究中的一项关键变革体现在药物的发现和设计上。传统上，药物是由实验室中的科学家手动发现和设计的——这需要严谨和谨慎，但通常是一个缓慢而繁琐的过程，导致新药开发周期漫长。现在，阿斯利康的化学家们配备了受“强化学习”启发的人工智能工具。这种技术部分借鉴了计算机在象棋和围棋等游戏中超越人类水平的成功应用。
“在强化学习中，你要求AI最大化得分，找到尽可能多的不同结果并选择最佳方案——这一过程同样适用于分子的设计，该分子有一天可能会成为新药，”韦瑟尔解释道。这意味着研究人员不必手动合成数百个分子，机器学习工具可以快速筛选数千种可能性，突出最有前途的候选分子供进一步研究。这还使研究人员能够采取更宏观的视角，帮助我们做出更好的科学决策，从而提高成功概率，更快地将药物带给患者。
阿斯利康的研究人员正在将这种方法应用于不同的药物类别，例如抗体，它们常用于治疗疾病。抗体的复杂性要求在分子水平上思考生物过程。“过去，这是一个繁琐的过程，但现在我们可以在每次实验中筛选多达数亿个抗体序列，这解锁了我们训练机器学习模型的能力，意味着未来我们可以利用AI快速设计针对特定疾病的抗体。”韦瑟尔补充道。
随着更多数据的生成，AI有助于确保研究人员不会迷失在海量数据中。“它可以帮我们找到模式，理解新型疾病靶点的方法，”他说道。阿斯利康采用创造性的AI集成方法，不是为了取代所有的人类决策，而是为了简化流程，实现更快、更安全的药物开发，最终改善患者的生活质量。
“当我们能够将AI与新的实验范式结合时，我们就开始将药物开发过程的某些部分大大加速，”他说，“事实上，我们现在处于一个阶段，阿斯利康85%以上的小分子药物管线的开发都得到了AI工具的支持。”阿斯利康还在临床试验中取得了进展，例如在呼吸系统医学方面。通常情况下，医务人员会手动回听试验录音以统计患者的咳嗽次数，但通过训练AI程序识别和分类不同类型的声音，不仅可以节省宝贵的时间，还可以获得更准确的结果。
认识到这个领域发展迅速，阿斯利康并没有独自探索所有AI的可能性，而是与商业伙伴和学术团体合作，共同推动研究的前沿，应对新挑战。2020年，韦瑟尔共同创立了剑桥大学AI和医学中心，与另一家制药公司合作，与剑桥大学多个部门一起开展高风险研究项目。“合作至关重要，我们不再孤立地进行这些工作，”他说，“通过培养好奇心和合作的文化，我们希望赋予我们的数据科学家和合作伙伴权力，推动医疗保健领域的可能性边界。”
要实现AI和数据科学的承诺，伦理考虑如数据隐私、透明度和算法偏见至关重要。“在生命科学中，患者安全和公共健康是我们的最高优先事项，”他解释道，“在阿斯利康，数据和AI的伦理和负责任使用是我们一切工作的核心——通过确保适当的标准到位，我们可以对自己的结果充满信心。”
“AI正在改变我们发现和设计药物的方式，”韦瑟尔说，“它的使用不再是‘附加项’或‘锦上添花’，而是我们交付的科学中不可或缺和集成的一部分。如果你想解决具有高风险解决方案的难题，生命科学是一个极好的领域——你有可能帮助更多的人活得更好、更健康、更长寿。”
(全文结束)
