歡迎關注“新浪科技”的微信訂閱號：techsina 

文/李開復

來源：李開復（ID:kaifu)

在我的新書中，我和科幻作家陳楸帆創造性合作，暢想了 20 年後在人工智能等科技影響下的人類世界。

書中的 10 個短篇故事，展示了一系列的未來場景 —— 身臨其境的沉浸式娛樂方式、自如使用人類語言的虛擬伴侶、 沒有“司機”的完全自動駕駛汽車、能夠以假亂真的照片和視頻，以及基於量子計算、計算機視覺和其他 AI 技術的展開應用……

在故事《無接觸之戀》發生的時代，人類社會已經被疫情徹底改變——直到最後，新冠病毒（COVID-19）也沒有被徹底消滅，相反，它進化成了一種長期存在的、不斷變異的季節性病毒。

這當然只是一種虛構的情境。然而，在經歷了一次新冠肺炎疫情之後，不論這種病毒今後會如何變異，可以確定的是，AI 將重塑整個醫療行業，例如加快疫苗和相關藥物的研發，加速 AI 診斷與現有醫療手段進行技術集成的進程，等等。

那麼，新冠病毒如何推動這些技術的發展？

我們現在對人工智能醫療的關注尤其及時，因爲醫療行業正在數字化，而這將產生人工智能顛覆醫療所需的大量數據。2042 年當我們回顧，我們可能會看到過去20年醫療領域是AI顛覆最大的行業。

傳統藥物及疫苗研發

長期以來，藥物及疫苗的研發都是一件極其耗時、成本高昂的工作。想象一下，人類用了 100 多年時間，才完成了腦膜炎疫苗的研製和改進。而在這次新冠肺炎疫情中，正是因爲各國政府把史無前例的鉅額資金投入多條研發賽道，支撐了大量的臨牀試驗和量產嘗試，醫藥企業的疫苗研發才推進得如此迅速。

在等待了一年之後，我們終於用上了安全有效的新冠疫苗。好在新冠病毒的致死率沒有那麼高，這樣的等待才顯得可以接受。然而，如果新冠病毒進化成一種像埃博拉一樣致命的傳染病，情況就會變得完全不同。因此，考慮到未來可能出現新的傳染病，疫苗和藥物的研發速度仍然需要繼續提高。

研發藥物時，第一步先要理解病毒蛋白質（氨基酸序列）是如何摺疊成獨特的 3D 結構的。理解這種 3D 結構，對解讀病毒的工作原理並找到對抗它的方法至關重要。例如，就像鑰匙插入鎖孔中一樣，新冠病毒表面的刺突蛋白可以附着在人體細胞表面的受體上。當新冠病毒侵入人體細胞後，新冠病毒基因組（新冠病毒的 RNA）將被傳遞、整合到宿主細胞上，然後在許多器官中不斷複製，從而導致感染者表現出一系列的症狀。

針對某種病原體的小分子藥物發明，是通過將治療分子附着在病原體上來抑制其功能而起作用。這種治療分子的發現過程可以分爲以下四個步驟：

第一步，利用 mRNA 序列推導病原體的蛋白質序列（現在這一步不難實現）；

第二步，探索該蛋白質序列的三維結構（蛋白質摺疊方式）；

第三步，確定三維結構上的靶點；

第四步，生成可能有效的靶向分子，然後從中選擇最佳臨牀前候選藥物。

如果回到之前用過的類比，那麼第一、二、三步相當於摸清鎖的結構，第四步相當於打造一把適配的鑰匙。這四個步驟需要依次完成，後三個步驟的工作不僅非常耗時，而且成本高昂。

例如第二步，爲了確定病毒蛋白質序列的三維結構，科學家會使用冷凍電子顯微鏡成像等技術，直接觀察病毒蛋白，然後一步一步艱苦地摸索、推敲出 3D 蛋白質結構。

第三、第四步是找到靶點並設計出對應的靶向藥物，這是一個漫長的試錯之旅，而且需要科學傢俱備強烈的直覺、豐富的經驗和好運氣。不過，就算科學家耗費數年時間鎖定了一種臨牀前候選藥物，它也有 90% 的概率無法通過二期、三期臨牀試驗。這個探索過程會耗費相當長的時間。當然，也可以並行探索幾種不同的方法，不過這樣雖然可以縮短時間，但需要大量的資金投入。

AI 在蛋白質摺疊、藥物篩選及研發方面的潛力

目前，要研發一種有效的藥物或疫苗，需要投入 10 億 ― 20 億美元的資金和數年的研發時間。我相信，AI 將大幅提升藥物的研發速度，降低研發成本，爲患者提供更多價格在可承受範圍內的特效藥，幫助患者活得更健康、更長壽。

2020 年，DeepMind 公司針對蛋白質摺疊研究（藥物研發的第二步），推出了蛋白質摺疊預測軟件 AlphaFold，可以說，這是迄今爲止 AI 在科學領域最偉大的成就。

蛋白質是生命的基石，但對於人類來說，蛋白質的氨基酸序列如何摺疊成 3D 結構，從而成爲生命活動功能執行者的整個過程，仍是一個謎。解開這個謎，不僅具有重大的科學意義，對醫學領域也有極高的價值。恰巧，深度學習技術似乎非常適合在這個問題上“大展拳腳”。

AlphaFold 背後的訓練數據集非常龐大，包含了過去發現的所有蛋白質三維結構信息。目前，AlphaFold 已經證明了它模擬未知蛋白質三維結構的能力，其準確性與傳統方法（如上面提到的冷凍電子顯微鏡成像技術）不相上下。區別在於，傳統方法成本高、耗時長，而且只能解析所有蛋白質結構中不到 0.1% 的部分；AlphaFold 的出現，提供了一種快速擴大人類已知蛋白質數量的方法，被視爲“解決了困擾生物學界 50 年之久的巨大挑戰”，是一項劃時代的突破。

一旦掌握了蛋白質的三維結構，“藥物再利用”就成了一種能夠幫科學家快速找到有效治療手段的方法，即嘗試每一種已經證明對一些小病安全、有效的現有藥物，看看其中哪些藥物可能成功嵌入當前病毒的蛋白質三維結構。

“藥物再利用”方法有可能成爲一條捷徑，從而使人類能夠在一場嚴重的流行病發生之初就阻止病毒的傳播。因爲這些能被“再利用”的藥物均已通過不良反應測試，可以直接使用，無須再經過大範圍臨牀試驗。《無接觸之戀》中的男主角加西亞在被檢測出攜帶 COVID-Ar-41 的變體病毒後，臨牀中心就立即啓動了 AI 程序，以“再利用”一種能夠減輕他的症狀的藥物。

科學家還可以充分利用AI的優勢，發明新的化合物。AI 可以鎖定一些靶向分子可能附着的靶點（藥物研發的第三步）。如果給定一個靶點，AI模型就可以通過識別數據的內部模式，來縮小對藥物的搜索及篩選範圍，鎖定候選藥物（藥物研發的第四步）。2021 年，AI 藥物研發公司英矽智能宣佈其利用 AI 完成了治療特發性肺纖維化的新藥研發，先在三維結構上找到靶點（第三步），然後提取相關信息並找到最佳的靶點分子（第四步）。英矽智能的AI技術不僅爲藥物研發的後兩個步驟節省了 90% 的成本，還創造了一項不可思議的奇蹟：用 18 個月的時間完成了新藥研發。要知道，傳統新藥研發往往要耗時 10 年以上，耗資超過 20 億美元。

此外，AI 還可以整合多方面知識來優化第三、四步研發過程。例如，自然語言處理（NLP）技術可對海量學術論文、專利成果和公開數據進行深入挖掘，從中提取出能夠幫助鎖定靶點或有效分子排序的信息。AI 還可以根據過去的臨牀試驗結果，預測所有潛在候選新藥的有效性，爲進一步排序提供參考。這些，都可以在計算機系統上模擬完成。科學家可以站在 AI 的肩膀上，參考系統給出的推斷，排除“錯誤選項”，然後再進行下一步研究。

當然，除利用計算機模擬進行研究的“幹實驗”外，還有一種“溼實驗”，即在實驗室培養皿中對人體細胞展開藥物測試。對於這一類實驗，AI 同樣有很大的施展空間。在今天，由機器人來主導這類實驗，會比由實驗室技術員來操作更加高效，而且可以採集到更多的數據。鎂伽機器人就是這樣的先進公司，鎂伽的實驗室機器人，無須人工干預，就能進行 24 小時全天候的重複實驗，這將大大加快藥物的研發速度。