頁:
[1]
人工智慧也能幫忙開發藥物
根據統計，平均一種新藥上市需耗費將近15年時間，加上16億美元的花費。為了開發出一種新藥，研究者必須測試成千上萬種化合物，不但需要決定哪些分子會彼此結合，還需要測定這些結合的程度有多強。傳統上他們要使用試誤法(試估一個近似的結果，然後設法修正其誤差)以及排除法來分析上千種自然或合成的化合物，而這已經算是簡單的部分。然而僅僅發現化合物可有效對抗疾病是不夠的，還必須在三階段臨床試驗表現良好，並通過監察機構許可。不過這樣龐雜的情況也有扭轉的可能。一間位於舊金山的新創公司 Atomwise 設計了一套名為AtomNet的系統，這套系統的目的在於將藥物開發的初始階段精簡化，接手前述提到的繁重工作，他們利用深度學習預測分子結合的模擬情形，就像 AI 學會如何辨認圖像。且軟體還會藉由辨識模式教導自己有關分子連結的一切。
AtomNet的厲害之處可不僅如此，利用3D模型的塑膠棒和保麗龍球表示分子的鍵結，此軟體也利用類似的數位3D模型，綜合有關結構的資訊去預測分子的生物活性。顯然「快」這個形容詞還低估了AtomNet的能力。若用傳統方法要花上數天才能分析完100萬種化合物，靠著AtomNet在一天之內就可以完成。當然它也不是如此完美無缺，若真是如此，可能就要換科學家煩惱了。因為它無法發明新藥，甚至無法證明分子只要能結合就可以創造出有效的藥物。它能做的就只是預測分子對抗疾病的可能性有多高，然後科學家再利用預測結果將上千種化合物的範圍縮小至數十種，甚至更小，這樣一來他們就可以更專注於成功率更高的分子上。
也許有人會懷疑這套軟體仍處於開發階段，上述的功能都只是理論。事實上，AtomNet已經協助開發出兩種新藥分別對抗伊波拉病毒和多發性硬化症，證明了它驚人的實力。對抗後者的藥物已經在英國製藥公司獲得許可，而伊波拉病毒的藥物則提交給同行審查的期刊，以便進行更多分析。
AtomNet固然是一項極具潛力的科技，它能使藥物開發變得極為快速與簡便，但我們不得不注意的是，未來的方向將會致力於預防醫療，而不僅是「對症下藥」。兩者的差異在於，前者將焦點放在監控身體健康並採取必要措施預防人類得病，這樣的醫療方式可謂前景興盛。最近，致力於贊助和舉辦公共競賽以推動技術創新的XPRIZE基金會，贊助250萬美元給強化居家醫療和個人化醫療裝置的研發，顯示預防醫療的普及性逐漸增加。但這並不代表傳統的診斷方式不應進步，50年後甚至100年後人們仍會生病，依然有藥物治療的需求。AtomNet只是藥物開發的先驅，相信之後就會有更多人工智慧科技跟上它的腳步，解決更艱鉅的挑戰。
...<div class='locked'><em>瀏覽完整內容，請先 <a href='member.php?mod=register'>註冊</a> 或 <a href='javascript:;' onclick="lsSubmit()">登入會員</a></em></div><div></div> 人工智慧最近好夯 感覺很有搞頭!! 人工智慧目前進展一日千里, 目前很多的新藥開發也是透過大數據運算調整藥量來管控風的. 現在非常多的致病機制都尚未發現，要ai獨立製藥應該不太容易 總有一天「人工智慧」也會取代人類
成為地球的主宰{:32:}<br><br><br><br><br><div></div> 我真的相信治療癌症的藥不遠了 這樣長生不老藥會不會被他給提煉出來呢XD? 電腦輔助藥物設計已經有幾十年的歷史，目前運算的瓶頸仍是在於分子與蛋白質結合作用的計算很複雜，需要很多的運算資源。 AI 在這方面的發揮可能有限。 if this can be achieved
and it will save alot of money for the research
and find the best drug to cure many things 覺得總有一天 人類會被自己搞死阿<br><br><br><br><br><div></div> 這項工作需要高度的電腦運算效能及龐大的資料庫，如何教會AI有關醫學的背景知識這倒是比較不容易，化合物的分子鍵結結構其實在電腦應用上是已經非常成熟，但在預測療效的部分應該還在起步階段，如果人工智慧真能如此完美結合醫療，那麼在醫學用藥上一定有非常大的突破。
頁:
[1]