AI嘗百草─優勢與困境

AI嘗百草─優勢與困境

編譯/王勻遠

AI輔助藥物開發

2013年的一份研究評估:一樣新藥品的開發,包含中途失敗風險與時間成本,平均耗資高達26億美金(780億新台幣)[4]。可見人類與疾病之間的對抗,是一場既耗時又費力的戰役,任何幫助都彌足珍貴,人工智慧自然也不在話下。

美國輝瑞 ( Pfizer)藥廠,就曾利用IBM公司知名的華生(Waston)機器人,透過機器學習開發可能的腫瘤免疫藥物。亦有生技公司創建特殊演算法,藉由比對細胞所處微環境中的醣類、氧氣多寡以及代謝物,來判斷癌細胞的存在,進而找出潛在治癌藥物[1]。

而這些系統所採用的,都不再是將諸多候選藥物投放於患者身上,反覆試驗直到成功案例發生,傳統上所謂的「嘗試錯誤法(trial and error)」;而是參考大量病歷資料,推敲出更準確與更有效的藥物模型,並已應用於糖尿病與帕金森氏症等疾病。簡而言之,AI翻轉了新藥研發的邏輯與程序。甚至在未來,「客製化醫療」更能針對患者個人需求與條件,設計出不同的治療方法[1]。不僅如此,AI亦被應用於預測自然界穩定存在的低維度材料,協助材料開發[2]。

跨學科壁壘的限制

然而距離實際大規模應用,人工智慧仍有漫漫長路要走。即使是早已發展多年的自動駕駛車輛,在國際汽車工程師學會(SAE international)所制訂的自駕技術標準中,目前仍只達到「部分自動化」的初級階段,尤其面對瞬息萬變的複雜路況,仍須仰賴人類駕駛介入。類似的窘境同樣也發生在藥物開發領域。

一份針對330位從事藥物開發研究人員所做的調查:近三成的AI僅用於標靶識別及驗證、安全測試,以及化合物挖掘;而在更高階段的藥物實驗設計與最佳化過程中,則鮮少出現AI的蹤跡[3]。除此之外,超過六成的科學家認為:缺乏AI相關教育,以及不同學科間的知識與技術壁壘,亦是藥物開發研究中,AI甚少被採用或參與層級較低的主因。甚至到如今,仍有近半數研究機構,還不考慮將AI納入藥物研發中。

這無疑為當代高等教育體系敲響了警鐘。學術高度分工與專業化,顯然無法適應人工智慧日益蓬勃的現代社會。值得慶幸的是,一場變革似乎正悄悄醞釀中。美國史丹佛大學已於2013年開設生物醫學計算(Biomedical computation)學系,該系學生被要求同時嫻熟生物學與計算科學。然而,如何在講求學術研究深度的同時又兼顧廣度,將會是高等教育目前迫切需要克服的難題。

圖一、AI製藥的發展近況調查[3]。多數的AI 僅用於開發階段的較低層級。

圖二、缺乏AI相關的知識教育缺乏,是藥物開發難以採用AI的第一大原因[3]。

參考資料

  1. Nic Fleming, “How artificial intelligence is changing drug discovery,” Nature 557, S55-S57 May. 2018.
  2. Mathew J. Cherukara, et al., “Ab Initio-Based Bond Order Potential to Investigate Low Thermal Conductivity of Stanene Nanostructures,”J. Phys. Chem. Lett., 2016, 7 (19), pp 3752–3759.
  3. Simon Smith, “6 Things We Learned about Artificial Intelligence in Drug Discovery from 330 Scientists” BenchSci, Jul. 2018.
  4. Asher Mullard , “New drugs cost US$2.6 billion to develop,” Nature Reviews Drug Discovery vol. 13, page 877, Dec. 2014.

(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)

(Visited 1 times, 1 visits today)
views