ibet国际

首页 > 正文

18个月发现5种新药!这些AI不仅在拯救生命,还在拯救行业未来

www.globalbinaryoptionsresearch.com2019-07-13
ibet国际地址

RTcHtEoHmAnBrG

药物开发是一项漫长而艰巨的任务。制药公司每年在研发上的花费超过1720亿美元,而新药的开发往往需要数年甚至数十年。

不仅如此,超过90%使用传统技术发现的分子在人体临床试验中失败,75%的新批准药物无法承担开发成本。一些分析师甚至预测到2020年药物研发投资的回报可能会降至零。

但是,这种现状可能会被人工智能所改变。使用人工智能的药物研究和开发已成为一个具有巨大潜力的新兴领域

最近,爱尔兰的一家创业公司Nuritas预计到2021年将使用人工智能技术发现五种新的医疗成分。总部位于都柏林的公司已经证明它可以完成这项工作。

该创业公司使用人工智能寻找有助于治疗炎症的成分,预计到2019年底将用于运动营养。

第一种成分是与德国化学巨头巴斯夫合作发现的。以传统方式发现新成分的标准时间是5到7年,而且这对使用人工智能在短短两年内发现了它。

Nuritas首席执行官Emrit Browne表示,“一般情况下,产品在市场上的快速推出极具破坏性。”

虽然目前尚不清楚下一种药物是什么,但Nuritas预计在未来12-18个月内会发现五种成分。该公司60%的成功率远高于行业标准。

“事实上,我们所做的就是利用人工智能解开大自然的秘密。这是其深层含义。“Nuritas已从一系列知名投资者筹集了4000万英镑,其中包括Salesforce创始人Mark? Marc Benioff,U2主唱Bono和Edge。

人工智能如何发现新药?

目前药物开发过程的主要缺点之一是大量的时间和前期投资。整个过程可能需要数十年才能开花,并且在效率,安全性,优化以及临床前和临床安全方面与其他行业形成鲜明对比。

目前,制药行业每种药物花费近10亿美元。虽然大部分成本来自优化过程,寻找合适的分子,以及开发测量目标活性的方法,但需要数年才能找到合适的化学品。

接下来是对动物进行的药物测试。虽然它已经投入化学发现多年,但成功率仅达到1: 10。这通常是制药公司合并的原因,因为巨额投资的投资回报很小。

药物开发研究很多,每天发表论文近万篇。人类不可能关联,吸收和连接所有数据以产生有用的结果。但如果你不这样做,新药的开发就更加无能为力了。

人工智能和机器学习使收集和分析数据成为可能。首先,人工智能用于提取“有用信息”,然后由专家小组进行严格审查。

例如,正在调查ALS的AI新药开发公司BenevolentAI开发了一种“判断相关系统”,可以审查数百万篇科学论文和摘要中的数十亿段落和词汇。该技术在数据和已知事实之间建立了直接关系,因此也发现了未知的连接。

科学家和研究人员正在判断这一假设的有效性,并测试其潜在的新药机制。

此外,人工智能提供了对疾病机制的深入了解并提供了新的解决方案。它可以提供一个全新的目标,如果以“复合意义”使用,它允许我们在更大的化学调色板中选择我们的目标分子。

人工智能还可以在确定与化合物的安全性和功效相关的任何问题中起重要作用,所需的时间少于目前所需的时间,从而节省治疗严重疾病的时间和资源。它可用于创建一个负担得起,可持续和有效的新药供应渠道。

AtomWise的研究人员还发布了一个名为AtomNet的系统,以简化药物发现的初始阶段。它侧重于不同化学物质之间的相互作用,以轻松确定目标分子。

AtomNet减少了此过程中的手动工作,并使用深度学习来预测分子行为。虽然它没有发明一种新药,但它通过预测分子的行为来减少时间消耗。通过帮助开发治疗埃博拉和多发性硬化症的药物证明了这一点。

另一个例子是位于加利福尼亚的两个XAR,它将人工智能应用于药物发现机制。它使用自定义计算平台来识别“药物与疾病之间的相关性”。该平台没有人为的偏见,并通过小型和大型图书馆进行过滤,扩大了数据库并增加了更快地找到新药的机会。

人工智能最着名的应用之一(虽然非常间接)是在1999年科学家决定解码我们的DNA的基因组计划中。

它不仅为一些罕见的遗传性疾病和相关标志物提供线索,而且为预防糖尿病,帕金森病和阿尔茨海默病等疾病提供了重要线索。今天,多目标遗传反应可以通过机器学习进行处理,初创公司的Evisagenics软件技术将剪接同位素定量与预测分析结合起来,帮助发现新的药物靶点和疾病相关基因的生物标记物。优先考虑并提供具有良好证据的目标清单。

在药物开发的每个阶段,许多人工智能初创公司都已进入。

这些包括信息的聚合和合成,疾病机制的理解,生成生物标记物,生成数据和模型,修改现有药物,生成候选药物,验证和优化候选药物,设计药物,临床前设计和临床预实验,设计临床试验,招募临床试验,优化临床试验,发布数据和分析现实证据。

例如,剑桥癌症基因组学使用人工智能来预测血液样本中肿瘤DNA的癌症进展。 CytoReason使用人工智能来组织和标准化免疫相关的基因,蛋白质,细胞和微生物组数据,使其成为免疫系统的单一,机器可读的细胞水平视图,使研究人员能够获得与疾病相关的机制和临床新见解标签,药物发现和验证。

Desktop Genetics使用AI来识别影响CRISPR导向设计的生物变量。允许研究人员改进研究并减少实验偏差。

BullFrog AI使用人工智能来预测哪些患者会对正在进行的治疗做出反应。 GNS Healthcare使用人工智能将不同的生物医学和医学数据流转换为代表个体患者的计算机模型,使研究人员能够通过了解个体患者的最佳健康干预措施,大规模提供个性化药物。

Aetion使用人工智能分析医疗和药物索赔数据,使研究人员能够了解哪些治疗对哪些患者最有效。

“AI +药物开发”的市场现状

据估计,一种新药将需要大约1,000人进行20年的努力,并且需要高达16亿美元的成本才能进入市场。这似乎是一项巨大的投资,往往导致公司在该领域的合并。

根据Deep Knowledge Ventures的研究,美国药物开发人工智能公司总数的59%是竞争对手的“领导者”,欧盟和亚洲似乎至少在起跑线上。

Deep Knowledge Ventures预计亚太地区的投资将大幅增加,主要针对外国公司(大多数美国公司),我们预计未来几年亚洲公司将大幅增加,特别是在太平洋和中国。

根据Deep Knowledge Ventures报告,2015年AI药物开发市场的市场份额为2亿美元,2018年市场份额达到7亿美元,预计2024年将超过50亿美元。其他人对该行业的估计2024年是100亿美元甚至200亿美元。

目前,Sanofi,Deep Genomics,Berg Health,Cloud Pharmaceuticals,Kadmon Corporation和Astra Zeneca等大型制药公司和初创公司已经投入数百万美元用于人工智能药物开发。

来自BenevolentAI的Jackie Hunters教授称:“目前的药物开发过程既昂贵又冗长。人工智能提供的解决方案可以将工作年限缩短到数月,从而提高准确性和效率。” p>

基于人工智能的生物制药公司首席执行官Radin补充说:“在我们存在的几年里,我们已经被告知数百次计算机无法做到这一点:生物学太复杂了,这种方法不起作用。在每种疾病中项目,我们对新的人工智能识别候选人进行概念验证研究,并在标准终点上产生了有用的结果。“

AtomWise的首席运营官Alexander Levy进一步解释了:“你可以在药物和各种生物系统之间进行交互,并将它们分解成越来越小的交互组。如果你已经研究了足够的这个分子的历史例子,你可以做出非常准确但非常快速的预测。“

人工智能越来越多地被用于医疗保健领域,这种变化可能会改变我们的生活(甚至可以挽救生命。从手术机器人到可以进入人体的微型机器人,人工智能已经在医疗领域产生了影响。力量。

在药物研发领域,人工智能将带来一个革命性的新时代。

热门浏览
热门排行榜
热门标签
日期归档