AI嘗百草─優勢與困境

2018 年 08 月 01 日2022 年 01 月 05 日 intern 學識壁壘, 藥物開發

分享至

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。