11选5任3必中方法:人工智能大大减少开发新型救生药物时间

放大字体  缩小字体 发布日期:2018-04-02 浏览次数:4
  开发新药并不是一件容易的事。平均而言,大约需要十年的研究 - 并且花费26亿美元 - 才能将实验药物从实验室推向市场。由于担心安全性和有效性,只有约5%的实验药物将其投入市场。

人工智能大大减少开发新型救生药物时间
  
  但是制药商和科技公司正在投入数十亿美元的人工智能,希望AI能够使药物发现过程更快,更便宜。
  
  “我相信人工智能是一个普遍的医疗保健巨人,”华盛顿州雷蒙德市微软研究实验室主任Eric Horvitz上个月在德克萨斯州奥斯汀举行的美国科学促进会年会上说。他表示,微软公司正在投入人工智能进行药物设计和药理学研究,研究药物如何在人体内起作用,并称该技术为“巨大的机遇”。
  
  微软在AI投注方面远不止于此。截至2月底,总部位于多伦多的生物技术公司BenchSci已经统计了16家制药公司和60 多家使用AI进行药物开发的创业公司。
  
  最大的瓶颈
  
  药物开发的最大瓶颈通常在于研究的早期阶段,尤其是从确定潜在疾病目标(通常是身体内的蛋白质)到测试候选药物是否能够达到目标所需的时间。
  
  最雄心勃勃的人工智能团体,包括一个名为ATOM的私营 - 公共财团,旨在将这一过程 - 可能需要四到六年时间 - 压缩到一年内。
  
  由于只有5%的实验药物将其投放市场,因此人工授精可以帮助改善长时间的劳动密集型药物发现过程。KTSDESIGN / Science Photo Library / Getty Images
  
  当然,这个崇高的目标还没有达成。但是,总部位于伦敦的BenevolentAI被称为欧洲最大的私人AI公司,它表示,一旦确定了有希望的疾病目标,就大大减少了设计候选药物所需的试验和错误数量。到目前为止,该公司估计它可以将相关成本降低60%,并将药物设计时间从三年缩短到一年。
  
  其他以AI为导向的药物开发的早期收益包括更有效的HIV,高血压,传染病和癌症联合治疗。
  
  预测失败
  
  由于成功开发新药的可能性非常低,制药业 “几乎是以失败告终”,英国葛兰素史克公司新的巴尔的摩人工智能药物发现部门负责人约翰巴尔多尼说。但是,他说,同样的检测方法会淘汰一些候选药物,这些检测通常包含有价值的数据,可能会让其他方面的努力领先一步。
  
  例如,通过搜索他公司的数据库,Baldoni及其同事发现了超过23万个候选药物,旨在打击大脑疾病靶标。他说,这些分子都不适合Baldoni的项目,该项目专注于其他疾病目标。即使如此,人工智能算法帮助揭示了能够进入大脑的化学结构的共同特征。
  
  Baldoni的研究小组现在正在使用其他人工智能程序来模拟如何将这些分子以新的方式放在一起,并预测哪些部分可能帮助穿透大脑来达到疾病目标 - 这可能是有毒的。
  
  微小的'有机体'承诺大力推动医疗服务
  
  BenevolentAI已扩大自己的剧目,包括20多个针对罕见癌症以及炎症,神经退行性疾病和中枢神经系统疾病的药物计划。在发给NBC新闻MACH的电子邮件中,公司董事长Ken Mulvany表示,该公司的计算机接受过培训以了解生物医学语言,并寻找身体中药物,疾病和蛋白质之间的关系。
  
  该公司的一项临床试验正在测试一种名为bavisant的失败药物对帕金森病患者日间过度嗜睡的有效性。当bavisant在2012年针对成人患有注意缺陷多动障碍的临床试验中失败时,研究人员观察到失眠是其副作用之一。该公司的AI算法建模工作证实了该化合物对觉醒的潜在影响,从而导致帕金森相关嗜睡的临床试验。
  
  BenevolentAI已经使用其他AI计算机算法探索肌萎缩侧索硬化的新治疗选择,或ALS,退行性神经系统疾病。2016年,该公司在一周内确定了5个ALS候选药物。没有人工智能,这个过程可能需要数年时间。
  
  沃森受到重创
  
  并不是每个人都相信AI会改变药物的开发,而最近几个月被称为IBM Watson的“危险!”机器学习系统已经吸引了不少负面报道。
  
  在2016年,IBM和辉瑞签署了一项广为宣传的协议,以利用沃森加速在免疫肿瘤学领域的药物发现,该领域利用人体免疫系统对抗癌症。但许多专家质疑沃森是否足够复杂,以理解复杂的医疗数据。
  
  尽管人工智能正在成为药物研究人员的重要工具,但一些尝试,如使用Jeopardy's Watson,正变得越来越不受欢迎。
  
  哈佛大学化学家Alan Aspuru-Guzik博士已经开发了AI材料科学应用,现在正在转向药物研发,他认为该领域不乏炒作。即便如此,他认为“脾气暴躁”的反对者自己的努力几乎没有显示出来,而且该领域将会自行排除。“它总是处于领域之间的界面上,令人兴奋的事情发生,并且也存在很多摩擦,”他说。
  
  一个主要的挑战是收集足够的可靠信息来正确训练Watson和其他AI系统。“AI与数据一样好,”Aspuru-Guzik说。
  
  基于他自己设计的用于工业用途分子的人工智能策略,他解释了计算机如何在药物设计方面更好地接受培训。首先,他将数十万种类似药物的分子信息输入AI算法,以帮助其了解其共同特征。最终,电脑变得足够聪明,它开始推出预测药物自己。
  
  “很多很多次,它都会猜测垃圾,”他说。但是科学家们可以通过设计方法来排除不良猜测并奖励好的方法,从而培养计算机并提高计算机的准确性。
  
  一种称为生成对抗网络(GAN)的方法就是在两个AI网络之间创建一种竞争。一个称为发生器的网络猜测药物分子。另一个叫做鉴别者,在每次猜测后都说是或否。“两人都开始像绝对愚蠢的训练,”Aspuru-Guzik说。然而,随着时间的推移,网络互相学习变得更聪明。
  
  当然,电脑仍然可能被人愚弄,因为任何一个GPS导致死路或临时封路的人都可以证明。Aspuru-Guzik认为,人工智能会提高人的能力,但决不会取而代之。“人工智能会给我们所有这些超级大国,”他说,“但最终人类必须控制它们并使用它们。”

HOLD-海南4十1彩票开奖结果 www.lzvn.com.cn “如果发现本网站发布的资讯影响到您的版权,可以联系本站!同时欢迎来本站投稿!

0条 [查看全部]  相关评论
 
 
时时彩万能大底 | 北京1.5时时彩开奖记录 | 山西快乐10分下载|山西快乐10分开奖图|山西快乐10分开奖直播现场 | 合肥滴滴快车可赚钱吗 拍图能赚钱的网站 雷霆战机 赚钱 幸运赛车 现在那种货车最赚钱 广西十一选五 装修石膏角线赚钱不 北单比分公告 球探体育比分wp8下载 辛运28