像Pharnext的丹尼尔·科恩(Daniel Cohen)这样的数据科学家,正在用AI组合现有药物,找出有前景的新疗法。在大型制药公司的新药研发努力撞上高墙的当下,AI能否成为突破口?
曼哈顿中城(Midtown)有一栋哥特风格的狭长建筑。在这座瑞典路德教会内部优雅安静的咖啡馆里,科恩正暂时从遗传学研究中抽身歇息。他走向摆在咖啡馆前门附近那架吱吱作响的钢琴,坐下弹起了《飞越彩虹》(Over the Rainbow)。一个错音也没有,流畅自如。
如果把人类生物学比作一首复杂的乐曲,科恩则以大师的手艺演奏它。他曾领导法国Génethon研究所,该所于1993年12月完成了最早的人类基因组“图谱”。他指挥的研究团队首次证明可以利用超高速计算机提升DNA样本的处理速度,由此把大数据与自动化引入基因组学。
他的成就不仅为全世界的科学家奠定了基础,也为免疫学专业医学博士科恩自身的活动奠定了基础。此后他作为研究者兼制药企业经营者一路成功。但25年过去,与许多创新初期主角当初的期望不同,基因组学几乎没有带来改变医学范式的突破。如今,作为总部位于巴黎的医药初创企业Pharnext的创始人兼CEO,科恩正努力弄清为什么基因组学这座宝岛上没有宝藏。
弹奏结束回到记者身边的科恩解释说:“体内蛋白质的功能不是一个,而是非常多样”,“就像一个人在社会中并非只承担一种功能,而是履行多种功能一样。”科恩把这一现象称为“多效性(pleiotropy)”,指单个基因引发多种看似互不相关效应的术语。研究那些最顽固抵抗人类征服尝试的疾病的学者屡屡受挫,原因之一正是多效性。
科恩不止于认识多效性的重要性,他相信Pharnext等制药公司能够借助AI的强大功能加以利用。接受身体的复杂性,运用AI更系统地分析并绘制疾病侵袭身体时产生的一系列连锁效应图谱。以此开发能够应对各类疾病的药物组合,正是他的目标。
科恩与研究团队还把AI用于“再定位(repurposing)”研究,即把多种现有药物结合起来,产生各自单独给药时无法获得的治疗效果。通过机器学习,比以慢著称的大型制药公司高效得多地建立新药候选群,是研究团队的长期目标。在说明研究进展时,科恩看似困倦的双眼因热情而睁大。“非常好(Très bien)。”他接着用法语说,“非常经济(Très économique)。”
在这一领域,Pharnext的竞争对手从谷歌、IBM等大企业,到Insilico Medicine、Recursion Pharmaceuticals、BenevolentAI等风险企业,各式各样。它们都在投资利用AI分析数百万件医药与患者数据,以找出有意义的模式。但2007年成立的Pharnext比这些竞争对手中的大多数领先数年。若再考虑科恩过去数十年积累的基因组学与多效性研究,其优势更为明显。
尤为重要的是,Pharnext在研究医疗领域AI应用十余年之后,终于抵达关键拐点。去年10月,Pharnext的复方药物之一在以人为对象的三期临床中取得了积极结果。这种名为PXT3003的药物,是神经退行性疾病之一——夏科-马里-图斯病(CMT)的治疗药。该病目前无法治愈,首要原因是特定基因的重复,由此启动引发各种恶性问题的“下坡路”。保护神经的施万(Schwann)细胞退化为干细胞,不再执行使命。细胞内轴突开始坏死,失控的肌肉最终萎缩。
据Pharnext称,三期临床试验结果(尚未经过同行评议)显示,PXT3003不仅稳定了CMT,还通过细胞再生使病情得到一定程度的改善。按科恩的说法,CMT的既有治疗药只能延缓病情进展。相比之下,接受PXT3003的患者在两种障碍量表上均显示出具统计学意义的改善。基于这一结果,美国FDA批准PXT3003适用“快速通道”,这是仅适用于被判定在重症疾病治疗中显示“优异效果”药物的加速审评程序。
PXT3003无疑是对抗罕见病的希望一步。而技术在缩短Pharnext研究周期的同时,也带来了药物设计耗时缩短数年等令人期待的长期效果。前期临床试验与临床试验通常需要8~10年,若要从零开发全新药物,还要额外耗费7年甚至更长时间。相比之下,PXT3003开发团队利用AI对三种现有药物进行了再定位:肌肉松弛剂巴氯芬、鸦片成瘾治疗药纳曲酮,以及用作镇静剂的降血糖药山梨醇。由于都是已在使用的药,Pharnext可以跳过通常为安全性所要求的一期临床,无需“从零出发”。
得益于FDA的快速通道决定,PXT3003最早有望在2020年内上市。Pharnext还在开发许多其他药物。不久还将启动阿尔茨海默病早期症状治疗药的第二次二期临床试验,以及肌萎缩侧索硬化(ALS,俗称卢·格里克病)的首次二期临床试验。两种候选新药均由现有药物再定位组合而成。
若这些挑战成功,资金实力强得多的其他制药公司也能采用同样方式,这一点同样重要。曾任奥巴马政府韩国保健福祉部部长的凯瑟琳·西贝利厄斯(Kathleen Sebelius)将其解读为当下渐成气候的再定位潮流的一部分。目前担任顾问兼多家医疗健康企业董事的她解释说,由此“投资周期会大大缩短,价格点 /*译注:能够维持需求的价格/ 会显著变化,此前缺乏财务激励的罕见病治疗也可能打开新的可能性。这是一个很有魅力的领域。”隶属哥伦比亚大学卡夫利脑科学研究所(Kavli Institute for Brain Science)、同时担任Pharnext顾问的埃里克·坎德尔(Eric Kandel)认为,该公司正在引领再定位趋势。这位诺贝尔生理学或医学奖得主评价Pharnext的方法论“独创且强大”。坎德尔还补充说,关于这一路径是否会扩散,“很快就会知道”。
在现代遗传学研究刚起步时,极少有人预料到疾病的生物学会如此复杂。相当多的研究者把基因组视为一种身体使用说明书。Celera Genomics的克雷格·文特尔(Craig Venter)、美国国立卫生研究院(National Institutes of Health)的弗朗西斯·柯林斯(Francis Collins)等先驱被称为“基因猎人”而声名远扬。全世界的研究者在相信存在一种能解释特定疾病原因、并帮助找到治疗药的万能基因的前提下,开始了寻找圣杯之旅。
实际上,在一定程度上也确实找到了宝藏。例如,遗传学家南希·韦克斯勒(Nancy Wexler)在委内瑞拉花费数年收集了罕见遗传病亨廷顿病发病家族的家系图。这带来了可预测个人是否会罹患亨廷顿病的单一基因变异的发现。
但不久之后,科学家们意识到,基因图谱与其说是使用说明书,不如说更接近买宜家家具时附带的零件目录。随后,由DNA编码的蛋白质构成的蛋白质组、把DNA转化为蛋白质的核酸构成的转录组等其他目录相继被发现,作用于基因—疾病关系的变量变得更加复杂。
梦醒之后,痛苦的失望随之而来。研究者们发现,癌症、阿尔茨海默病等复杂疾病并非源自单一基因(已找到致病基因的亨廷顿病也仍没有治疗药)。如今,科恩等许多研究者认为,对简单性的执念与新药发现的减少有关。这一现实体现在新药的FDA获批率仅为十分之一的水平上。新药开发费用高涨(塔夫茨(Tufts)大学最近的研究称其为“26亿美元级”),诺华的白血病治疗药Kymriah等成功上市药物的价格也在骇人上涨,其单次给药费用高达47.5万美元。
最近医学界开始借助网络科学的力量对抗生物学复杂性。这一网络科学的代表性“布道者”是位于美国波士顿的东北大学(Northeastern University)的艾伯特-拉斯洛·巴拉巴西(Albert-László Barabási)。他2014年的著作《链接》(Linked)普及了这样一种观念:网络理论能够解释时尚潮流、性关系、疾病等众多领域。巴拉巴西等研究者认为,疾病是沿着由基因、蛋白质、细胞、组织等构成的连接网络流动的负面信号。由此产生的“微小变化”累积起来,最终形成我们所知的疾病症状。
并发症会同时产生大量结果。因为按多效性的特性,一种蛋白质可以影响身体的多个不同位点。Pharnext这类风险企业认为,药物也可以具有多效性:可以影响一种以上蛋白质,并同时作用于一种以上体内相互作用。要找出能够对抗复杂性的药物组合,就必须把对疾病作用方式的理解,与机器学习庞大的处理能力和捕捉数据模式的能力结合起来。
为此,计算机科学与生物学的关系必须进化。最近的机器学习能吸收多得多的数据,并通过组合信息间的层级关系,超越相关关系。即便如此,要把“深度学习”神经网络用作具备预测能力的架构,仍需要构建熟练算法的能力。
构建这类算法的人物,是GNS Healthcare的CEO兼创始人科林·希尔(Colin Hill)。总部位于美国马萨诸塞州剑桥(Cambridge)的GNS,用18年时间开发了取“逆向工程、正向模拟(reverse engineering, forward simulation)”首字母命名为REFS的计算机系统。GNS从大型制药公司安进的风险投资部门Amgen Ventures、生物企业Celgene等各类投资者处累计获得3800万美元投资,用于疾病模型的构建与精细化研究。在2017年首次发表于医学学术期刊《柳叶刀》(Lancet)的一系列试验中,GNS详细说明了REFS在帕金森病一类疾病治疗中的潜力。帕金森病是因多效性因素导致既有治疗药效果差异很大的疾病。
就帕金森病而言,有缺陷的基因所引发的相互作用网络具有特定形态。而最可靠反映病情进展的症状,是运动神经功能的麻痹。基于输入REFS的帕金森病患者群与对照群的遗传信息,GNS生成了100多个再现运动神经衰退变化过程的计算机模型。通过这些模型,可以找出可能加快身体功能衰退速度的基因变异。
然而这只是开始。GNS利用这一结果,用计算机模拟了5000项彼此不同的随机对照研究。每次模拟的目标都是预测各种治疗方法会如何影响疾病的进展速度。这一方式能得出与以人为对象的临床试验相同的结果,同时在速度与经济性上要优越得多。GNS正与其他制药公司建立合作关系,把类似路径引入糖尿病、卢·格里克病、多发性骨髓瘤、乳腺癌等多种疾病。
“我们现在有能力在计算机上再现并构建人类患者及其所患疾病。由此可以逐一测试药物,逐项测试改善治疗管理的干预措施,从而找出哪种治疗适合哪位患者。”这是GNS的CEO科林·希尔的话。
这种模拟不只是寻找相关关系,还提供“如果当时那样做会怎样”的答案。如果给患者X用的是B药而不是A药,会怎样?利用AI再现过去、模拟不同选择的能力是最近才出现的。这一技术重要性上升,很大程度上要归功于UCLA计算机科学教授、长期研究AI的朱迪亚·珀尔(Judea Pearl)。作为GNS技术顾问的他在去年出版并广受欢迎的《为什么》(The Book of Why)中说明,真正的智能超越单纯的模式识别。机器学习可以大规模识别模式,并据此推断可能发生过什么、推断过去的可能性。仅有数据而没有使用方法,找不到有意义的知识。珀尔指出,“数据在因果探究上根本没有用处。”希尔的表述更直白:“深度(deep)学习并没有那么‘深’。”
今年67岁的科恩,童年是在犹太教、基督教、伊斯兰教交融的突尼斯多文化环境中度过的。“所有人都优雅而和平地共存。”那段经历让科恩喜欢上了“不是复杂,而是复合”的东西。9岁时随家人移居法国巴黎的科恩,此后深深迷上了弹钢琴。意识到自己作为科学家能留下比音乐家更大的成就后,他转向医学,但对音乐的热情从未消失。他的梦想是作为伦敦皇家爱乐乐团的客座指挥,指挥柴可夫斯基第六交响曲。他开玩笑说:“成为管弦乐团指挥、CEO、科学家的倾向,都由同一个基因控制。”
科恩此前也曾凭基因组学与技术在制药界取得成功。他是美国肿瘤疾病治疗药开发商Millennium Pharmaceuticals的联合创始人,该公司参与开发了多发性骨髓瘤治疗药Velcade。
他对Pharnext的AI研究会成功持乐观态度,但也认识到AI的局限。谷歌的人工智能AlphaGo完全不借用人类过往知识,就击败了多名人类围棋高手。但科恩指出,围棋有固定数量的规则,而AlphaGo完全掌握了这全部规则。相反,在生物学中由于多效性,所有规则尚未被完全知晓,或许永远也不可能。
不过,Pharnext借助精巧设计的人工智能,基于目前已知的规则构建模型并据此作出决定。公司的发现模型从现有的1万种药物中,组合专利期已到期且“在市场上销售”的约2000种药物。也就是说,使用那些被判定具有治疗功效、且安全到可以一般销售的药物。
为开发CMT治疗药,Pharnext首先花约一年时间构建了CMT的网络模型。该模型与GNS的帕金森病图谱相似,展示了CMT相关基因变异如何导致像“瀑布”一样倾泻而下的神经与肌肉问题。计算机模型在此基础上筛选出应对“瀑布”各个阶段的57种候选药物。Pharnext对这57种逐一进行试管实验,减至22种后再进行小鼠实验。其结果就是用于人体临床试验的3种组合。通过最近公布的三期临床试验结果,确认了PXT3003确实作用于“瀑布”的多个阶段。
这一过程共耗时3年。科恩认为,如果Pharnext没有AI模型,临床前阶段会花费长得多的时间。“(在起始时点)研究2000种药物所有可能的组合会有数十亿种可能性,这就是把它们全部做试管实验所需的时间。在这一过程中会出现无数假阳性 /*译注:实际为阴性却显示为阳性/ 结果和走不通的死胡同,随之而来的将是数年的挫败。AI阻止了这种局面。”
在法国巴黎股市上市的Pharnext股价,在去年10月三期临床结果公布后上涨超过一倍。公司过去10年在研发上投入约1.2亿欧元(约1529亿韩元)。以制药业的标准衡量并不算大的金额。Pharnext从未实现盈利,但专家推算,若PXT3003上市,其营收(2018年为900万欧元)将以2020年为起点飙升(GNS Healthcare目前为非上市企业,不公开支出或营收)。
Pharnext与GNS展现的进展,不只是单纯的投资成功可能性,更展示了AI的成长以及随之而来的药理学发展可能性。推断因果的能力与假设非事实情形的能力,是AI使用者长期以来向往的目的地。两家公司的计算机模型,正在为管理并削弱极其庞大的变量提供方向。
甚至疾病的基本定义也可能进化。正如科学界最近所认识到的,此前疾病的定义过于简单。学术期刊《生物信息学》(Bioinformatics)去年刊载的一项研究,把众多治疗肿瘤的尝试此前受挫的原因,归结于癌症基因变异“根本上具有多样性”。被归入特定疾病或疾病群的患者,其症状其实共同点少而差异多。随着疾病并非人体内特定基因“关闭还是开启”便相应表现出一系列症状这一结构变得明确,制药公司不得不与复合性较量。技术可以帮助它们。
最后但同样重要的一点是,基于AI的研究在经济层面也带来希望。在新药开发费用成为巨大负担的当下,算法或许有一天会变得足够聪明,帮助医学界从已经投入药物研究的数万亿美元中创造更多价值。科恩说,理论上通过再定位“就不必再设计新药了”。“我的直觉是,有50种药就能治好所有的病。”若真如此,还有一个词的定义会改变,那就是“发现”。






