人工智能(AI)正成为新药研发的核心工具。在为AI机器学习奠定基础的研究者获得诺贝尔物理学奖之后,通过预测和设计蛋白质结构为新药研发带来革新性变化的AI开发者又夺得化学奖。木岩生命科学研究所所长申贤珍强调:“AI正成为新药研发的必备工具,并将对削减新药研发成本作出重大贡献。”他随后将AI新药研发比作自动驾驶汽车,称“目前还有很长的路要走”。同时他强调:“只是时间会推迟,但终有一天必将实现”,“我确信基于AI的新药研发同样是今后将要实现的未来”。
申所长12日在首尔中区THE PLAZA酒店举行的“首经生物医药论坛2024”上作为主讲人发表题为《AI,加速新药研发的宏大征程》的演讲,指出当前新药研发需耗时10年以上、平均花费26亿美元(约3万亿韩元),是一个艰难的过程。他说明:“新药研发失败的原因主要是疗效不足和稳定性欠缺”,“在进入临床之前尽可能筛选出有疗效且安全的候选物质十分重要”。他还表示:“在临床开发过程中,需要作出决策,妥善保留有潜力的候选物质,并迅速排除没有潜力的候选物质”,“AI可以成为帮助此类判断的强大工具”。
AI在新药研发初期阶段的应用日益活跃。据《自然评论·药物发现》,2011年仅为2件的基于AI的临床及非临床研究,2017年增至28件,2019年为121件,2021年更激增至158件。申所长强调:“通过AI研发的药物进入临床阶段的案例正在增加,但由于技术历史较短,成功获得验证的案例仍然较少”,“要通过AI得出可信的结果,充足的数据和AI基础模型的准确性十分重要”。
申所长将构建优秀AI基础模型的三大要素列为△模型泛化△充足的数据△可理解的模型。他指出:“我们可用的数据太少,而各数据持有方不公开自己的数据”,“原因在于知识产权和公司利益”。他还补充:“在数据分散的状态下,我们正在探索通过统一数据处理协议来训练AI基础模型的方法”,“通过多种概率性方法训练AI模型能否给出通用回答,相关方法已被开发并处于实验阶段”。
他还提出,要提高AI新药研发的效用,必须能够读懂AI的思考。申所长指出:“当AI给出某个答案时,只有能够理解答案是如何得出的并纠正错误之处,才能用于模型验证或新药研发的监管”,“研究AI结论的推理过程也是今后重要的研究领域”。申所长领导的木岩生命科学研究所正利用约1亿个以上的各类化合物数据,训练将化合物转换为语言形式进行学习的语言模型。并在此基础上推进研究,将其发展为可预测药物多种性质的模型。






