颠覆传统医疗科研：借助人工智能研发抗癌药物

　　100 多名癌症患者——包括胰腺癌、乳腺癌、肝癌和脑肿瘤——参与到了使用算法发现的一种新药 BPM 31510 的临床试验中。

　　BPM 31510 的故事开始于从 1000 多位病人的健康组织和癌组织样本中提取生物数据。然后这些数据被交由人工智能算法进行处理，这些算法对这些数据进行了分析并建议了可能的药物治疗方法。我们基本上颠倒了做医疗科学研究的方法。研发 BPM 31510 的波士顿制药创业公司 Berg 的 38 岁联合创始人兼总裁 Niven R Narain 说，不再使用先入为主的假设指导我们的实验和生成特定类型的数据，而是让患者的生物数据指导我们进行假设。

　　据 Narain 说，开发一种有效的抗癌药物是一个非常艰难的过程，制药公司完成研发和生产的花费的费用高达 26 亿美元，时间成本为 12 到 14 年。最后进入临床试验的抗癌药中只有百分之一被证明有效。价格昂贵而且开发过程也长得不可原谅，Narain 说，「要是在其它任何行业，我们就会全都失业。

　　在 Narain 看来，问题出在制药公司开发抗癌药物的方法上。科学家首先想出一种假设，比如说，一种特定的异常蛋白质是造成某种特定类型的癌症的原因。他说，然后制药公司测试这个假设，从数百万种化合物中筛选这种目标蛋白质的，寻找其中可能发生化学反应和成为潜在药物的少数几种。这是这种研究方法教科书式的描述。这个过程被 Narain 称为「命中和错失（hit-and-miss），是一种飞镖盘式的治疗疾病的方法。他相信他能通过不同的思维方式在时间和金钱成本降低一半的情况下做到更好。

　　Berg 联合创始人兼总裁 Niven R Narain

　　BPM 31510 是一种使用在细胞代谢中发挥关键作用的酶制成的化合物，也是 Berg 的人工智能建议的第一种治疗药物。这种药物的开发实际上开始于 2009 年，那时该创业公司从全美国的各种医学院购买了 1000 多个患者的癌组织样本。这些样本包含 40 多种不同的癌细胞——多种类型的乳腺癌、前列腺癌、肝癌、肾癌、肺癌、脑癌——另外还有提取自相同患者的健康组织样本。

　　Narain 并不想将他的研究限制在一种癌症上。相反，他想要开发一个能够看到不同癌症的共性的模型。Berg 的研究者使用这些样本进行了体外细胞培养，让他们可以进行更进一步的实验。为了模拟细胞在人体中体验到的微环境，他们在不同水平的糖分和氧分的皮氏培养皿中培养这些细胞，并通过持续鉴定和检测它们产生的脂质、代谢物、蛋白质和酶来追踪它们的演化。「我们当时是在检测数据是怎么随环境发生改变的，Narain 说，除了基因组信息之外，我们在单个组织样本中有 14 万亿个数据点。

　　这种生物数据的洪流帮助 Berg 的科学家在前所未有的细节上测绘了发生在细胞中的分子反应的级联过程——从基因到蛋白质到脂质和代谢物。然后他们使用人工智能比较了健康细胞和病变细胞的数据。（人工）处理所有那些数据是不可能的，甚至不可能从逻辑的角度上理解它。Narain 说，你需要使用人工智能来寻找正常细胞演化过程是如何被打断的、这会怎样导致疾病以及潜在的治疗方法是什么。很多人说，这不是开发药物的方式。我对此的答案是：确实如此，因为这才是应有的药物开发方式。

　　25 岁时， Niven R Narain 得出了「由假设驱动的科学是有缺陷的」的结论，那时他是迈阿密大学米勒医学院的一位肿瘤学家。2003 年 7 月 22 日，他使用皮式培养皿中的黑素瘤细胞进行了一次实验。他使用一种包含 CoQ10 的药膏对其进行了处理，CoQ10 是一种位于线粒体——细胞的能量源——中的酶。让他惊讶的是，到第二天皮式培养皿中几乎所有的癌细胞都死了。之后他在患有黑素瘤的小鼠身上重复了这一实验。30 天后，肿瘤平均缩小的 55%。但是 Narain 对这一过程发生的原因毫无头绪。

　　那是在人类基因组计划（Human Genome Project）完成的两年后，Narain 说，当时人们相信癌症主要是由基因驱动的。在基因组测序之后，大多数人相信我们所要做的就是找到对癌症负责的基因，调节它们，然后治愈大部分癌症。Narain 那时已经成为了米勒医学院皮肤肿瘤学和疗法研究的研究助理，在华人研究者 Sung 「Bob」 Hsia 的指导下工作；Hsia 曾与维生素 K 和雌激素的共同发现者、诺贝尔奖得主 Edward Doisy 共事过。

那时候 Hsia 已近 80 岁了，Narain 回忆道，他会说：『我没掌握这些新的基因技术，但不要忘记生物化学是人体的基矗这就是健康延续或疾病发作研究的终点。』Narain 没有忘记这些话。他与