药物发现既费时又昂贵，但人工智能可以为人类节省时间和金钱，为有需要的患者带来新的疗法和治疗方法。根据制药行业研究和倡导组织PhRMA的数据，这种药物平均需要10年以上和2亿美元才能进入市场。该小组还指出，进入临床试验的药物中只有6%的药物获得了美国食品和药物管理局的批准。 西北大学范伯格医学院医学人工智能研究所所长罗袁博士表示，药物的研究和开发依赖于大量的试验和错误。“这是个赌注，”罗博士说。“万一失败了怎么办？然后多年的投资就白费了。 罗博士和其他关注人工智能在药物发现领域的专家表示，机器将帮助人类减少完成重复任务所需的时间。“我们可以将最有前途的候选药物转移到临床试验中，节省时间和资源，”罗博士说。“人工智能使药物发现过程更加高效，而且速度要快得多，”首席执行官Mike Gamson说。Evozyne总部位于芝加哥的林肯公园附近，创造了新的蛋白质，这些蛋白质可能会导致新的疗法和治疗方法。 “蛋白质是大自然的机器，”Gamson说。“这些非常复杂和不可思议的微型机器可以完成你身体中的所有工作，以及自然界中的所有工作。甘森说，人类已经发现了数百万种蛋白质，但还有更多的蛋白质尚未被发现。“想象一下，你正在四处走动......像太阳系一样大的东西，你正在寻找一粒沙子，“甘森说。“这是关于理解蛋白质可能是什么的可能性范围的正确心理图像。太阳系中有多少沙粒，因此存在许多不同种类的蛋白质。随着时间的流逝，人类已经了解了很多关于蛋白质规则的知识。根据Gamson的说法，科学家可以将这些规则传授给机器，以帮助人类更快地找到新的蛋白质。 “人工智能......使我们能够非常专注，并使用工程方法来探索巨大的设计空间，提出我们永远无法通过随机选择找到的解决方案，“Gamson说。罗博士说，以前在治疗和治愈方面的突破依赖于一些运气。“我认为以前在医学上的成功更像是一个偶然事件，”罗博士说。“你发现了这些发现，有点中了大奖。 他说，人工智能给这个领域带来了巨大的转变，使科学家能够减少“徘徊”，增加发现。“这有点像GPS，”罗博士说。“它将把我们带到我们正在寻找的社区，并在此过程中推进我们对人类生物学的现有知识。教机器分子或蛋白质的规则和特征的想法建立在与生成式人工智能相同的前提之上，后者为Chat GPT或谷歌的Bard等聊天机器人提供动力。“人们没有想到的是，这些大型语言模型：它们适用于任何语言，”制药巨头艾伯维（Abbvie）的人工智能主管布莱恩·马丁（Brian Martin）说。如果我们将DNA视为生物学或蛋白质序列的语言......许多这些生成式语言模型在这些领域都有潜力。马丁和他的团队专注于制造机床，为科学家腾出时间，对人类健康结果做出更重要的决定。他说，这个过程始于一个问题。 “我们如何加速扩大规模并扩大我们的科学家已经在做的事情？”马丁说。马丁向NBC芝加哥展示了两种成像工具，他说这些工具可以大大减少艾伯维研究人员花在重复性任务上的时间。其中一种工具适用于晶体学图像，这是寻找新药的早期部分。“如果我们能够将[这个过程]从数周或数小时自动化到几秒钟，那么时间就会回到科学家手中，从而加速并帮助我们缩短整个过程，”马丁说。另一个工具可以立即计算组织样本中的细胞数量，甚至可以识别它们的形状。“想象一下，科学家不得不花费数小时进入图像中，选择和计算单个细胞，”马丁说。“这些图像的大小是普通人必须从手机上使用的图像的200倍。虽然人工智能迅速提高了帮助人类的能力，但对这些工具的监管仍在争论中。药物发现已经是一个受监管的领域，世界各国政府都在测试安全性和有效性，但可能需要更多的规则。 “我认为我们应该打下坚实的基础，这样一旦我们开始使用它，这个东西就不会失控，”罗博士说。被要求生成有益物质的人工智能模型也可以生成有毒物质，但实际上，一旦它们被识别出来，就创建这些材料完全是另一回事。Gamson和Martin都表示，更美好的未来取决于让人类掌控一切。“负责确保安全性和有效性的监管程序的男性和女性，这些角色不会改变，”Gamson说。在一个旨在帮助重要发现并从中获利的行业中，首先为患者服务将是将人工智能与医学的未来交配在一起的关键。“就我们而言，我们以严谨、尊重和负责任的框架行事，”马丁说。“这有助于定义决策，而不是我们是否可以做某事，而是我们是否应该做某事。