药物发现中的人工智能:有什么阻碍?

2022 年 1 月 17 日,剑桥——人工智能 (AI) 正在为语音和图像识别铺平道路,AlphaFold DB的推出彻底改变了蛋白质结构预测。然而,当涉及到其他领域,包括转化为药物发现时,该技术似乎落后了。尽管有大量媒体关注其加速这一领域的潜力,但人工智能尚未被证明是一种有效的解决方案。人工智能需要改变什么来推动药物发现?

人工智能可通过减少临床试验失败的药物数量来对药物发现产生强烈的影响。目前,人工智能主要集中在使用临床前数据的方法开发上,而不是专注于应用和生成 对药物发现产生真正影响所需的临床数据。研究人员概述了人工智能在药物发现过程中的哪些方面运作良好,该如何改进它的使用,以及人工智能需要做出哪些改变才能开始使未来的药物发现管线受益。

AI:从配体发现到药物发现

药物发现的更大背景下使用人工智能的最成功的例子之一是在临床前环境中发现配体:识别与感兴趣的生物靶标结合的分子。为此,人工智能有效地帮助验证了可能适合治疗疾病的靶标。

然而,预测合适的配体并不能保证药物成功,即体内有效且安全的药物。如果药物发现要真正从使用人工智能中受益,目前的方法,特别是它们所基于的数据,需要进一步开发。

了解生物学

复杂的生物学是依赖于上下文的,这使得它很难理解,而且当你尝试对空间和随时间的变化进行建模时,它只会变得更加困难,例如基因表达。这是当前计算药物发现的弱点,当您将 AI 添加到组合中时会带来很大的问题。

研究人员都需要能够对患者生物学的差异进行建模,以便将复杂的数据考虑在内;但同时需要能够概括,以便找到患者之间一致的特征,这些特征可用于药物发现的决策。因此,为了改进药物发现,研究人员需要关注人工智能如何在已有数据的情况下提供帮助,并通过生成数据来帮助研究人员充分利用人工智能在药物发现方面的潜力。

更多临床相关数据

为了在药物发现的下游临床阶段验证人工智能,研究人员需要转向更复杂的生物系统,并最终将这些方法应用于临床的现实生活场景。计算层面,这意味着在研究人员使用的模型中包含更多的预测终点与功效(药物产生预期结果的能力)和安全性相关。

研究人员进行了计算模拟,以确定降低成本、提高速度和提高决策质量对药物发现成功率的影响。这些表明,提高化合物的质量对试验的整体成功影响最大。这表明,要让人工智能对药物发现的成功产生真正的影响,研究人员应该专注于提高决策质量——即更好地选择哪些化合物进入临床试验——而不是仅仅专注于提高速度或降低成本。

人工智能药物发现的未来

目前拥有的数据并不总能让研究人员对潜在新药的疗效和安全性做出判断,例如使用来自临床前与临床的数据。当这些从有效性和安全性角度预测体内情况的数据类型足够大时,人工智能可以在药物发现决策过程中使用它们。一旦达到这个阶段,药物发现中的人工智能可能会提升到一个全新的水平。

人工智能在药物发现中的改进使用将来自对基因、蛋白质和疾病之间复杂联系的更全面的理解。一旦研究人员生成和使用真正反映药物发现的生物学方面的数据并将这些数据与相关的体内终点相关联,研究人员就可以应用人工智能方法在该领域取得真正的进展,提高对药物发现中的功效和安全性的理解,并将人工智能应用于这些数据,可能会对减少未能通过临床试验的药物数量产生深远影响。

来源:DrugAI

# 市场大事

免责声明:上述内容仅代表发帖人个人观点,不构成本平台的任何投资建议。

举报

评论

  • 推荐
  • 最新
empty
暂无评论