全球人工智能药物发现市场预计将达到在2029年2470万美元,每年53.3%的速度增长。但艾未未不是医疗灵丹妙药。如果AI是灵丹妙药,推进技术成为一个新的、更复杂的挑战。例如,生成人工智能已经淹没了公共意识,ChatGPT等工具和Midjourney主导主流科技对话,但技术准备医疗保健应用程序吗?
生成AI的承诺
生成人工智能技术有潜力大大加速药物发现过程提出新颖的化合物,分子特性,优化和扩大化学库。利用机器学习的力量和先进的算法,研究人员能够探索无限的组合化学分子和发现潜在的候选药物,使用传统方法可能已经错过了。
Insilico医学,临床分期AI-driven药物发现公司推出了世界上最大的AI-powered生物技术研究中心在阿布扎比,今年特别进一步生成人工智能的医疗应用。该公司发布了一些人工智能工具,包括PandaOmics(生成人工智能为目标的发现),Chemistry42(药物设计生成人工智能),和InClinico(生殖临床试验结果预测的人工智能),统称为Pharma.AI。
而中东没有记录药品药物发现和开发,Insilco总裁亚历克斯夹博士认为该地区跨越式创新的成分,以其广泛的科学和技术专长和多方利益相关者合作的机会。
“就像ChatGPT可以生成输入参数并生成输出,我们的平台可以让科学家们说明分子与特定的特性引入到全新的候选药物,可以合成,发展成新的治疗疾病,“夹说。
然而,在人工智能的健康,有一个额外的层的紧迫性和准确性,偏见可以设置研究后退而不是推动它前进。“麻烦的是,机器学习主要集中在预测时我们需要恢复的是真相,”库恩说,中心主任综合人工智能和MBZUAI副教授的机器学习。“系统更灵活,提供真正的基因之间的关系提供有意义的和准确的信息。”
隐私,准确性和规定
据美国国家标准与技术研究院(NIST),偏见表现不仅在人工智能算法和数据用于训练他们,而且在社会环境中使用这些工具。
“背景决定一切”,Reva Schwartz说,首席研究员AI的偏见和NIST的报告的作者之一。“不是孤立运行的人工智能系统。他们帮助人们做出决策,直接影响别人的生活。如果我们要发展可信赖的AI系统,我们需要考虑所有的因素削弱了公众信任的人工智能。许多这些因素超出了技术本身技术的影响,我们收到的评论范围广泛的人们和组织强调这一点。”
这份报告部门和行业无关,但警告说,组织应参与高质量的数据管理,确保数据来源多样化,旨在使用各种重叠的数据集来减少这种风险。减少偏见和增加模型的准确性,组织也应该共同努力,创建标准化的数据收集和共享的方法。他们应该接受透明数据处理的文档。
因为生成AI取决于大量数据隐私问题可能出现有关的潜在滥用敏感数据。公司考虑使用生成的人工智能应该建立明确的政策,与当局交互,创建道德框架来指导其使用。
为了让事情更加复杂,生成人工智能模型如llm有时会“产生幻觉”事实和研究论文,在医疗可能是灾难性的。去年,元科学LLM公布了卡拉狄加在公开展示,只有把它离线三天后。用施舍改善可靠性和推理系统可以解决这个问题。制药公司可以利用专家知识和验证程序从主题专家,包括迭代反馈或强化学习与真实世界的数据,增加生成的人工智能模型的准确性。
挑战扩展生成人工智能
生成人工智能在当前迭代中并不考虑数据集之间的因果关系。”只有这样,我们才能开始考虑人工智能的概念可以用来通知新领域的研究,开发新的药物,或个别病人的治疗,”MBUZAI的张先生说。“如果你认为,许多研究人员做的,有你的变量之间的线性关系,这可能会影响你所有的结果在实际问题。另一方面,如果你使用灵活的模式,学习过程将是低效率的。这就是为什么我们经常说因果分析不规模。”
为了解决这个问题,张的团队正在探索如何扩大因果分析分析数以百万计的复杂关系。在个性化医学的背景下,这是一种具有潜在的革命性药物发现,同时避免炒作周期的技术。
在使用生成的人工智能,研究人员必须经常假设基本和变量之间的线性关系,在一个变量的变化导致直接和可预测另一个变量的变化。与复杂的健康问题,然而,变量相互交织和联系的方式是很难预测的。因此,张医生说,扩大对因果关系的理解是一个长期的挑战在各学科的科学和机器学习。
生成人工智能药物再利用
因果关系是一个挑战生成人工智能识别新的现有药物治疗应用。机器学习模型可以分析大型数据库的分子结构、生物相互作用和药理性质预测潜在的候选药物的疗效和安全性。通过分析不同的数据集,包括临床试验、电子健康记录,和科学文献,人工智能算法之间的联系可识别已知的药物和先前未知的疾病。然而,这仍然是主要理论。
在2021年,俄亥俄州立大学(俄勒冈州立大学)发布的研究探索一种机器学习方法来确定某些药物可以被重新设定新的用途。“这项工作表明AI可以用来测试的药物给病人,加快假设生成,并有可能加快临床试验,“高级研究作者平张,博士,助理教授在俄勒冈州立大学计算机科学与工程和生物医学信息学,说新闻发布会上。“但我们永远不会取代医生——药物决定永远是由临床医生。”
像MBZUAI张的研究,俄亥俄州立大学的研究人员运用“因果推理理论”组活跃的药物和安慰剂患者组,在临床试验中被发现。“因果推论,我们可以解决这一问题的多种治疗方法。我们不回答是否药物或药物B为这种疾病或不工作,但是我们找出哪些治疗将有更好的性能,”俄勒冈州立大学的张医生说。
“我的动机是应用这种,连同其他专家,寻找疾病目前没有任何药物治疗。这是非常灵活,我们可以调整它通过案件。一般的模型可以应用到任何疾病如果您可以定义疾病的结果。”
到目前为止,这种方法没有扎根在中东,但其潜在的可能是无限的。
虽然行业目前处于起步阶段,该地区的人工智能基础设施投资,研究合作,和学术界之间的合作关系,行业,政府机构可以进一步加速生成基于AI的采用和发展药品研发的解决方案。
___
