你发现了什么？在数学领域，有一个老问题，即是发现新的数学方法，还是发明新的数学方法。同样的问题也适用于现代药物发现。当人工智能被用来识别候选药物时，这些新的候选药物是被开发出来的，还是在筛选和过滤后自然被数学和科学方法所抛弃？这些新的候选人是被发现还是设计出来的？这可能是没有什么区别的。

利用人工智能"发现"加速研发的新药

现代疫苗接种方案，一家生物技术公司，保存在美国佛罗里达州好莱坞研究中心，2020年8月13日。

结论是否隐藏在我们的视线之外？

要回答这个问题，我们需要更深入地研究人工智能在药物发现和相关领域的应用，以了解这一新兴技术的实际和商业意义。"人工智能确实被广泛应用于药物发现。基于这些技术的早期工作成果，研究实验室将其转化为商业阶段，并探索药物开发与可学习算法之间的交集。"在这个过程中，英伟达甚至参与其中。两者对接的重要载体之一就是计算，即在计算机中‘测试’多个分子组合。"另一种方法是从潜在信息中发现洞察力，这在药物发现以外的领域已经很常见。"大数据分析开发了一套令人兴奋的新技术，可以从现有数据中提取新的见解。"例如，《自然》杂志最近提出的一种方法可以评估大型研究论文中提到的不同材料与其化学性质之间的关系。"在加州大学伯克利分校和劳伦斯伯克利国家实验室的研究中，研究人员不再直接看这些材料的分子数据，而是直接利用无监督学习来总结材料科学知识，从而找到与功能需求相匹配的材料选择。"在新药发现方面，这种新知识隐藏在视线下的想法其实很有趣。"2017年，东京中央大学的一名研究人员在《自然》杂志上发表了另一项令人瞩目的技术，该技术确定了一组可以与基因和药物相互作用并显著重叠的基因和化合物。"利用这项技术，研究人员最终确定了两个有前途的治疗靶基因，并将其蛋白产物确定为治疗肝硬化（一种常见疾病，但很少有好的治疗方法）的有前途的候选药物。"。

BigData大数据

根据德勤最近的一份报告，人工智能在药物发现领域的应用确实可以加快药物发现周期，降低药物发现成本。过去，从药物开发到临床前试验，整个周期往往需要五六年。上市平均需要10到20年的时间，每种药物的发现和生产成本约为20亿美元。但在将新药投放市场后，根据德勤的数据，预期投资回报率不到2%。人工智能无疑是最有希望的新药早期开发解决方案。根据德勤的报告，人工智能解决方案可以显著缩短药物发现阶段的时间要求，将从研发到临床前阶段的周期缩短至之前的周期。因为这样的项目需要大量的数据挖掘并必然涉及大量的微调，整个过程更像是科学和发现--而不是工程和设计。但也许真相其实就在两者之间。"。

发现还是设计？

软件需要广泛应用于大规模项目，如人类基因组项目，公司充分利用人工智能技术进行药物发现和研究，甚至整个药物发现过程也开始受到人工智能软件的驱动，所有这些都可能在2030年左右实现。到那时，从筛选到临床前测试的周期将大大缩短，能够治疗极端特定病理的新药将不再是"罕见的礼物"。

所以让我们回到正题--人工智能途径真的是在发现新药，还是通过优化流程来设计？也许答案应该是发现，而不是设计。毕竟，用人工智能找出药物本身就是"运气"，虽然方法本身也在不断优化，但要得到"正确"的解决方案还是需要好运气的。这就像试图从工具箱中拔出一把螺丝刀，直到你找到一把与螺丝刀相匹配的螺丝刀。它是可行的，但这仍然不是一件事，以发明一个前所未有的新螺丝刀。接下来，我们再问你一个问题:这到底是发明还是发现？正如你所看到的，生产新候选药物的机器模型仍在从数据中学习，进行优化，并选择合适的模式。所以，答案还是要一探究竟。但无论如何，这是一个起步领域，前景看好。我们期待AI在医学领域的力量得到充分展现！"。