（本文書摘內容出自《2030世界未來報告書：區塊鏈、AI、生技與新能源革命、產業重新洗牌，接下來10年的工作與商機在哪裡？》，由 高寶出版 授權轉載，並同意 TechOrange 編寫導讀與修訂標題。）
【我們為什麼挑選這篇文章】人工智慧廣泛應用在各個領域中，在醫療上也已經有機器手臂、問診機器人應用的出現，然而藥品研發是醫療領域中最嚴謹也最耗時的過程，一般需經過大約 10 年的時間從研發、動物試驗，三期的臨床試驗完成後才能正式問世，未來AI 可以如何改變製藥產業？
本文章出自全球未來發展研究智庫「千禧年計畫」的主席與創辦人所撰寫的《2030世界未來報告書》中《製藥AI 掀起的新藥研發革命》章節（責任編輯：何泰霖）
醫療技術在過去兩百年裡的進步，大大增加了人類的預期壽命。現在 100 歲的人就像是新 60 歲一樣，我們現在正活在健康壽命大幅增長的時代，而讓這一切變可能的就是人工智慧技術。醫療領域相關的人工智慧新創公司在過去的五年裡，透過 576 筆交易獲得了43 億美元以上的資金，在所有人工智慧產業當中遙遙領先。
同時，美國食品藥品監督管理局以可以拯救人命、減少成本為由，批准了 70 件人工智慧健康器材。可見現在醫療領域的人工智慧正在不斷加速發展中。目前，讓人類可以更健康、更長壽，也可以讓人工智慧不斷擴張醫療系統的方法有機械學習、新藥設計與使用大數據又快又精準的診斷系統。
AI 開發新藥，讓原本十年的研發製成縮短成四週！
新藥研發通常會消耗大量的成本與時間，即使如此，現在仍然只有十分之一的新藥完成以人類為對象的臨床試驗，效率非常低。那麼，如果人工智慧系統，特別是類神經網路可以找到新型分子（藥品）能治療什麼病並成功設計出來的話呢？請試著想像一下，當先進的人工智慧可以將原本 5,000 人才能做的事壓縮到 50人去做，並且準確製造出的分子又能發揮百分之百藥效會如何呢？這場大革命將撼動全球規模 1 兆 3,000 億美元的製藥產業。
2019 年 9 月 3 日， 人工智慧新創公司英科智能（Insilico Medicine）做出了可在製藥界被譽為「AlphaGo」的重大成果並造成了話題。這項成果是他們使用了人工智慧，在四十六日內就成功完成了候選新藥的設計、合成及驗證。這款新藥從一開始就透過人工智慧來設計，而結果也證明了透過人工智慧，不用花上好幾年，只需要幾天的時間就能完成設計，這與一般新藥上市前從設計到驗證要花上十年的時間相比，快上了 15 倍。
英科智能開始將人工智慧及深度學習的先進技術用於新藥研發上是在兩年前，這次的研究成果極有可能真正改變整個製藥產業遊戲規則。這也代表這項人工智慧技術針對今日研發藥物的主要課題：在廣大的化學裡尋找好的分子藥物，極有可能成為一個指標。
英科智能的新藥研發全程使用人工智慧，其開發的系統平台是結合了人工智慧近幾年發展核心的生成對抗網路技術與深度強化學習。他們的新藥研發流程是這樣的，先是使用生成對抗網路技術篩選出具有潛力的候選藥物分子，並利用數百萬個樣本和各式各樣的疾病特性，找到最有希望的蛋白質做為標靶，再根據標靶生產完美的分子。然後，透過參數設定這些分子，製成具有特定參數的新分子。無論有沒有發現造成疾病原因的標靶蛋白質，英科智能都能生成可以治療許多疾病的新分子結構，像是老化、癌症、組織纖維化、帕金森氏病、阿茲海默症、肌肉萎縮症、糖尿病等等。
英科智能的執行長亞歷克斯． 紮沃隆科夫（Alex Zhavoronkov）博士想追求的終極目標，是想開發完全自動化的醫學服務（health-as-a-service，簡稱 HaaS）和長壽服務（longevity-as-aservice，簡稱 LaaS）引擎。如果英科智能的服務能與阿里巴巴、字母公司的服務連結，新藥開發引擎就能為線上使用者提供符合個人的解決方案，並且幫助使用者預防疾病、維持最好的健康狀態。
Google 運用類神經網路技術，有望解決不治之症
Google 旗下的 DeepMind 也將其擁有的類神經網路技術投入醫療部門，進軍數位化新藥開發領域。2018 年 DeepMind 發表了一款叫「AlphaFold」的新深度學習程式。我們人體內的蛋白質是由 20 種胺基酸化學結合後形成的，這時蛋白質會建立蛋白質折疊（protein folding）結構，這結構會取決於胺基酸的個數與序列。當這蛋白質結構發生問題時，會引發糖尿病、帕金森氏症、阿茲海默症等難治之病。從過去到現在，一直有很多科學家拚命解析這種蛋白質折疊的原理，但是要分析幾乎接近無窮的蛋白質構造仍然是一件很困難的事。可是，在 AlphaFold 學習了數千個蛋白質的 3D 構造後，它已成功預測出新的蛋白質折疊，並藉此找到了能量效率最高的序列。這項類神經網技術將大幅降低新藥研發時間，並且可能成為解決不治之病的新關鍵。
主導新藥開發的製藥 AI 估計會為製藥產業帶來比加速藥物研發時程影響更大的革命。另外，以人工智慧、集中的方式發現藥物不僅能大大提升效率，也具有降低臨床前試驗失敗率的潛能。
AI 加速論文、處方簽中的醫療數據吸收與統整
數據重整（data crunching）意指分析出有助於人類做出決定的數據與模式。醫療前線的數據多如洪水，而這些數據其實都有益於適用在每個地方。舉例來說，在美國每年有 40 多萬名病人因為不明原因的心臟麻痺或呼吸衰竭而過早死亡（early death）。儘管這些病人們死亡後都留下了許多醫學線索，光靠醫生或護理師很難及時處理與分析這些超載的資訊，也因此在拯救病人生命上心有餘而力不足。但是，如果能交給人工智慧來處理的話，情況將大不相同，因為人工智慧能夠分析龐大的數據量，在尋找拯救生命的模式與洞察力方面很強。
光是在美國，每年就有 250 萬份醫學論文被發表，雖然裡面記載著新的醫學發現、可信的治療方法與知識，但是從現實上來看，醫生不可能把所有出版的資料全都讀完。為了解決這個複雜的問題，嬌生公司（Johnson & Johnson）正在訓練 IBM 的華生（Watson）人工智慧程式閱讀與理解詳細記載臨床試驗結果的論文。IBM 為了豐富華生的使用數據而與蘋果公司合作，將手機程式的醫療數據提供給華生。華生系統裡現在存有 4,000 萬件資料，且每天會消化 27,000 件新資料，並傳送資訊給數千名使用者。此外，才一年的時間，華生成功診斷出肺癌病人的準確率就達到了 90％，與人類醫生的 50％準確率相比高出許多。
另一方面，處理傳統醫療系統裡尚未被整理、龐大的資料，例如處方箋、醫療紀錄、病理學報告、X 光和報告等也是個問題。亞馬遜為了解決這個問題，發表了一項適用於美國醫療保險可攜性與責任法案（HIPAA）的機器學習服務，它可以分類病人的診治、處方、症狀及徵兆等尚未被整理的數據。
數據資訊不僅可做病人照護、還能改善治療方案
這項服務系統可以分析與數位化病人的醫療紀錄，個人也可以進行自我健康管理，而醫生與醫院可以使用這些數據，進而改善治療方案與降低成本。前美國食品藥品監督管理局首席醫療資訊長、現為亞馬遜醫療部門負責人的塔哈．卡斯豪特（Taha Kass-Hout）宣稱內部測試的結果證實了這個系統比其他公司的產品更優秀。他也表示公司目前正在與位於西雅圖的福瑞德哈金森癌症研究中心（FHCRC）合作，將這項系統用於癌症預防與治療的機器學習研究上。
輝達（NVIDIA）執行長黃仁勳曾說過：「軟體正在吃掉世界，但是人工智慧正在吃掉軟體。」這代表以後人工智慧會先吃掉醫療領域，加速人類長壽研究並增加人類的健康壽命。人工智慧與數據分析技術已經在不少領域中繳出創新又高成功率的演算法成績單，它們將會成為引領醫療產業的未來金礦。
（本文書摘內容出自《2030世界未來報告書：區塊鏈、AI、生技與新能源革命、產業重新洗牌，接下來10年的工作與商機在哪裡？》，由 高寶出版 授權轉載，並同意 TechOrange 編寫導讀與修訂標題；首圖來源：Pexels。）
你可能會有興趣
科技五巨頭競相投入智慧醫療，台灣「電子五哥」如何切入市場？
【醫療將成下個半導體產業？】研華：智慧醫療應採「台積電模式」打進國際！
【智慧醫療】AI 翻轉產業樣貌，一次搞懂未來 20 年三大關鍵應用
