Anthropic想要開發自己的藥物

在本週早些時候的“簡報：AI for Science”活動中，Anthropic 宣布了 Cloud Science，這是一種“科學家的新 AI 工作流程”，可將分散的工具和數據集拉入單一環境，生成形狀和可視化。 Anthropic 憑藉其流行的編碼工具和強大的人工智慧模型已經在該行業佔據主導地位，該公司將其發布的產品定位為人工智慧能夠“大大加快科學發現和醫療保健幹預措施開發的步伐”，並宣傳了一長串已經使用雲的生物技術和製藥客戶。

Anthropic也更進一步，表示將開發自己的藥物。生命科學部總裁埃里克·庫德勒-艾布拉姆斯表示，該公司將專注於發現「被忽視」疾病的治療方法。

人工智慧公司一直熱衷於吸引科學和製藥客戶——OpenAI、亞馬遜、谷歌和其他公司都有自己的生命科學工具和平台。但 Anthropic 計畫的舉動是一家主要前沿人工智慧公司自行開發藥物的最直接的公開嘗試之一。這使其處於向其他潛在競爭製藥商銷售軟體的不尋常地位。 Anthropic 加入了一場更廣泛的競賽，包括 Insilico、Google DeepMind、Isomorphic Labs 等人工智慧優先的製藥公司、生物技術新創公司以及正在建造或購買自己的人工智慧工具的大型製藥公司。

Anthropic 幾乎沒有提供有關其希望在藥物開發中實現的目標的具體細節。在活動中，庫德勒-艾布拉姆斯沒有透露如果公司發現任何有前途的候選藥物將採取什麼行動。人類沒有回應 邊緣徵求意見請求尋求更多細節，包括它計劃首先針對哪些疾病，以及是否會與其他公司合作進行實驗室工作、動物測試、臨床試驗或製造。

專家表示 邊緣 Anthropic 計畫的不確定性反映了人工智慧藥物熱潮本身更廣泛的不確定性。 「人工智慧藥物發現」可以有很多意義。 「這是一個非常廣泛的術語，」劍橋大學教授、人工智慧新創公司 CardiaTec 聯合創始人 Namshik Han 解釋道。他說，人工智慧正在應用於“藥物發現的每個階段”，從發現和改進新化合物到支援研究、數據分析、臨床試驗，甚至製造。他表示，每家大型製藥公司都會以某種方式使用人工智慧。倫敦大學學院藥物發現教授馬修·托德（Matthew Todd）呼應了人工智慧已經蔓延到藥物發現和研究領域的觀點，並稱其是一個“朗朗上口的短語”，因為它具有廣泛的用途。

毫無疑問，人工智慧正在改變藥物的發展。哈恩在談到阿斯特捷利康、諾和諾德和葛蘭素史克等製藥巨頭的眾多舉措時表示，人工智慧已經可以幫助產生潛在的藥物創意，例如提出可以與身體部位相互作用的新分子，例如已知與特定疾病有關或作為現有藥物靶標的細胞受體。托德說，它對於加速研究和幫助「道路測試」新藥創意非常有用。鑑於 Anthropic 在開創性模型方面的工作，該公司預計將使用生成式人工智慧來搜尋巨大的化學和生物學可能性，並幫助研究人員建立否則可能難以或緩慢找到的聯繫，從而可能提出新的藥物想法、識別新的疾病目標或尋找現有藥物的新用途。

但人工智慧設計的藥物到達患者手中還有很長的路要走。托德表示，該領域距離獲得監管部門批准用於人類使用的人工智慧設計藥物「還有很長的路要走」。他補充說，藥物發現過程不會獨立進行，任何時候都需要人工投入和監督。托德和哈恩都指出，缺乏公開的高品質實驗數據，例如不同化學物質在體內的行為方式，也會減慢藥物開發的速度，並強調，即使對於經過充分研究的生物學領域，我們對事物運作原理的理解仍然存在很大差距。

人工智慧無法解決藥物發現過程中許多較慢的部分。牛津大學化學結構生物學教授、牛津藥物發現中心蛋白質晶體學系主任 Frank von Delft 表示，人們對先進的人工智慧模型感到興奮是正確的，但它們「還沒有接近讓實驗變得不必要的程度」。候選藥物尚未在現實世界中進行測試，以確認其有效性和毒性，以及它們是否具有允許它們作為藥物安全製備、儲存和交付的實用特性。所有這些都需要熟練的勞動力、大量的金錢、時間，尤其是人類的臨床工作——這是許多有前途的候選藥物失敗的地方。馮·代爾夫特說，如果 Anthropic 想要開發一種藥物，「就必須在試驗上花費大量資金」。

人類學家可能願意嘗試。在過去的一年裡，該公司一直在積極招募生物學家並建立自己的濕實驗室，截至撰寫本文時，有幾份正在招聘的生命科學職位的申請。哈恩說，Anthropic 也在該地區“積極招聘”，並補充說該公司已經聯繫了幾位學者同事。哈恩沒有透露姓名，但他相信 Anthropic 已經成功招募了大型製藥公司和著名學術機構之外的少數候選人。

考慮到這種複雜性，無論人類學選擇哪種疾病，任何回報都可能很遙遠——至少需要十年的時間，因為新藥通常需要多長時間才能通過臨床試驗。托德說，藥物測試「總是會出現巨大的延遲」。 「需要時間來透過實驗證明某些東西是安全的。」迄今為止，還沒有人工智慧設計的藥物通過臨床試驗和 FDA 批准進入市場。一些人工智慧開發的候選藥物已經進入臨床試驗，但很難知道人工智慧貢獻了多少，在這個過程中被用在了哪裡，或者這些候選藥物是否優於傳統藥物。人工智慧可以加快一些研究的速度，但藥物仍然需要以老式的方式證明自己：透過在現實世界中進行緩慢、有條理的試驗。