药物发现需要人工智能来发现更多治疗方法
改善人类健康、长寿和满意度是技术的一些主要目的。乍一看，人工智能可能离我们人类只有一步之遥。但是，如果它能让我们更敏锐，更能发现隐藏的联系，并在探索未知事物时更有效率呢？
药物发现和临床试验只是AI的一个应用领域，但它是一个值得和有影响力的领域。有许多“传统”科学方法尚未产生治疗的医疗条件。人工智能可以帮助我们更好地照顾我们留下的人。随着时间的推移，它还将帮助我们平衡制药业的财务现实与在需要时提供援助的道义责任。
当前的研发模型提供递减的回报
制药行业的临床试验和研发已经达到了一些人所说的危机点。要了解为什么，首先要了解过程。
研究和开发新药涉及称为“阶段”的多个步骤。第 0 阶段是第一个涉及人体测试的阶段。这是科学家们试图了解更多关于人体如何处理药物的地方。第一阶段涉及调整适当的剂量并在更大的患者群中进行进一步测试。
科学家在 II 期和 III 期更多地了解新药的安全性和有效性。这也是新配方与现有“护理标准”药物和方法进行同类比较的地方。不幸的是，大量的临床试验在这两个阶段都失败了。
在一份关于 2013 年至 2015 年药物发现工作失败率的报告中，Richard K.Harrison（Clarivate Analytics 首席科学官）发现：
- 几乎一半的新二期药物被拒绝，因为它们没有证明对目标条件有效。
- 超过一半的 III 期药物被拒绝，因为它们未能证明所需的有效性。
- 在 2013 年至 2015 年的所有临床试验失败中，24% 的新药因安全问题而被拒绝，15% 的新药因公司战略不相符（盈利能力不足、公司在试验中被收购或破产等）而被拒绝。 ).
受这些失败影响最严重的治疗领域是肿瘤学、中枢神经系统和肌肉骨骼疾病。如果没有更好的方法，难以治疗和理解不清的病症和疾病就有可能持续下去。
现有方法未能满足许多患者的需求
人工智能的最大优势在于它可以消化大量的医学知识——例如，从数以千计的已发表报告和科学论文中——并设计出新的预测和公式，而这些需要人类研究人员多年的低效实验才能找到。
平均而言，一种药物需要十年时间才能走完整个研发流程并获得 FDA 批准。相反，人工智能为我们提供了揭示一系列生物医学实体（例如蛋白质）之间隐藏联系的方法。想象一下用通常的方法组装一个 100,000 块拼图。有些碎片不见了。现在，使用启发式模型、机器视觉和人工智能来描绘相同的过程。这样的系统甚至可以冒险对缺失的“片段”是什么样子进行临床上有用的猜测。
由于公司战略不相容而导致的新药 15% 的失败率不必继续下去。制药公司不想将利润投入到注定只能治愈一小部分人口的药物上，这是可以理解的，但并不完全令人欣慰。尤其是当有昂贵的治疗方法可用但无法真正治愈时。
据彭博社报道，制药公司甚至以前所未有的速度放弃抗生素研究，因为其中资金不足。因此，政府正在寻找替代激励措施，让他们重新参与这一过程。有了成熟的人工智能系统以低成本完成工作，这些激励措施可能就没有必要了。
还有制药公司夸大有效性或从临床试验过程中遗漏关键信息的问题。一个开放和公正的人工智能模型应该能够为这个过程注入一定程度的透明度以及明显的效率优势。
人工智能为临床试验参与者投下更广泛的网络
长期以来，美国的药物发现工作一直受到两个不幸的现实的困扰：制药公司经常无法招募到(1) 足够数量的参与者以确保项目顺利进行，以及 (2) 准确反映患者多样性的患者抽样人口。总而言之，大约四分之一的抗癌药物试验甚至从未开始，因为没有足够的合适参与者。
人工智能可以提供帮助。一种方法是帮助早期发现疾病。一些人工智能系统以与人类医生几乎相同的准确度进行诊断。这意味着可以更快、更多地发现处于疾病早期或更难检测阶段的患者，这可能会促进新药试验的应用，并提供一组处于疾病不同阶段的患者。
AI 可以在医学期刊中搜索研究项目之间未开发的联系，并创建前所未见的药物配方。有了适当的隐私保护措施，研究人员还可以使用人工智能从更大的患者群体中找到合格的药物试验候选人。
病史漫长而复杂。它通常是一个微妙的细节，可以使一个人成为理想的候选人或糟糕的候选人。识别可能对新兴药物反应良好或不良的患者是整个过程中最昂贵的步骤之一。
为了降低成本并鼓励进一步的实验，人工智能可以研究成百上千的患者记录，以寻找药物打算靶向的生物标志物。合适的人工智能也应该能够消除选择过程中有意和无意识的偏见。它应该确保药物发现项目真正代表他们打算服务的公众。
人工智能与医学的美好未来
人工智能是这里的“灵丹妙药”吗？发现新药疗法的传统方法涉及医生和研究人员的大量试验和错误。这是一场通过未知化学组合的寻宝游戏。
不同之处在于，人工智能在寻找无穷无尽的组合并在现实的数字模型中研究它们时，效率要高出几个数量级。在公共卫生成为头等大事并且研发成本似乎每年都在增加的时候，这正是医学界所需要的。
