ITBear旗下自媒体矩阵:

首款AI研发药物即将用于人体试验:治疗强迫症

   时间:2020-02-03 14:44:20 来源:猎云网编辑:星辉 发表评论无障碍通道

据悉,一款使用人工智能创造的OCD药物将在人类身上进行测试。

英国初创公司Exscientia声称,他们已经开发出第一款使用人工智能创造的药物,将在人类身上进行临床测试。这种药物是用来治疗强迫症的,从概念设计到制作出临床测试用的胶囊之间不到一年时间。人体试验将于三月份开始,但问题是你会愿意服用一种使用人工智能软件设计的药物吗?

由人工智能设计药物的优势相对比较简单。目前有许许多多可能用于药物治疗的分子,太多了,以至于世界上所有的医学研究人员都参与进来也无法完成人工测试。但是,通过使用不同类型的人工智能,计算机系统可以通过不同的分子来发现和挖掘,将它们与不同的参数进行比较,并以比人类更快的速度学习最有药物治疗潜力的化合物。

人工智能当然是强大的,但有些人怀疑这项技术是否可靠,并质疑它在医疗保健等领域应该扮演什么样的角色。在药物研究方面,一些人担心这项技术可能被过度宣传了,他们认为人工智能的发现可能不像我们想象的那样具有突破性。

Exscientia的首席执行官Andrew Hopkins认为,人工智能意味着在寻找新药物的过程中,合成更少的测试化合物、运行更少的实验。Hopkins表示:“机器学习算法会自动优先选择最能提供实验合成和测试所需信息的化合物,并使系统获得比人类更快的学习速度。”

当然,人工智能不仅可以用来开发新的化合物。这项技术还可以通过科学研究和病人数据进行挖掘,有助于激发旧药物的再利用,以及其他更广泛的应用。它的应用范围甚至可以比药物治疗更广泛:研究人员已经开始使用人工智能来追踪武汉新型冠状病毒的传播,而且这项技术也正在被用于解决美国的阿片类药物危机。

Hopkins接着解释说,他公司的平台是第一个生产出人工智能药物并将在临床试验中进行测试的平台。他说,最终产生的化合物被称为DSP-1181,预计比现有的其他强迫症药物持续时间更长,疗效更强。拥有该药专利权的日本制药公司住友大研制药(Sumitomo Dainippon Pharma)将监督该药的临床开发。第一阶段的人体试验,将测试药物的安全性和人体对药物的反应,也将在日本进行。

尽管这种新药的研发看起来很了不起,但仍然存在一些合理的怀疑点。人工智能可以帮助我们找到新的分子,但人工智能发现的分子最终有可能与我们已经研究过的分子相似。这是来自于致力于药物研发的Novartis研究员、化学家Derek Lowe的警告。在他的医药行业博客中,Lowe解释了仅仅找到一种潜在的化合物并不能保证科学家们真正理解他们试图治疗的疾病的生化特性,或者说这种药物甚至会起作用。

“问题是,临床前药物优化不是问题,”他在谈到Exscientia的声明时写道。“在我看来,这个项目充其量只不过是节省了几个月的时间,把他们的化合物送入同一个黑匣子碎纸机,就像所有这类药物项目在人体试验时进入的碎纸机一样。”

与此同时,人工智能辅助药物的发展提出了一个问题:人们应该在多大程度上适应这些新的研究方法。从长远来看,人工智能设计的药物与人类单独开发的药物有何不同?谁应该制定在药物研究中使用人工智能的规则?

与人工智能的所有应用一样,卫生当局正试图找出研究和管理这些工具的最佳方法。虽然美国食品和药物管理局不会对这个特殊的新药发表评论,但FDA发言人Jeremy Kahn表示,该机构致力于维护公共卫生标准,同时保护创新,其药物评估和研究中心正在评估人工智能工具可能会带来的监管标准提升。

Kahn称:“人工智能在药物开发中的全部作用仍在阐明之中,考虑到这一涵盖范围内的工具和技术,利益相关者对人工智能有不同的理解。重要的是,无论所涉及的技术进步如何,支持药品批准所需的证据标准都保持不变。”

与此同时,Exscientia的一位发言人说,这种药物必须符合在日本进行第一阶段试验的任何其他药物的要求。

重要的是要记住,如果基于人工智能的药物开发真的奏效,Exscientia和其他制药公司将会赚很多钱。主要的生物技术投资在技术上的减少也说明了这一点。大型制药公司越来越多地将资金投入到人工智能领域,而Exscientia正与包括Bayer和GlaxoSmithKline在内的几家制药巨头合作开发新药。Exscientia的投资者包括德国制药公司Evotec和Bristol-Myers-Squibb。

因此,在接下来的几个月里,你可能没有机会尝试人工智能设计的药物——除非你是在日本尝试这种新药的精选被试之一。尽管如此,最近的发展让我们比以往任何时候都更接近人工智能设计新药的未来。它们真的能比老式的人造药物更好地治疗我们的疾病吗?我们只能等着瞧了。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version