0

0
0

文字

分享

0
0
0

AlphaGo既不是起點也不會是終點,從頭述說人工智慧走過的這70年

活躍星系核_96
・2016/03/10 ・6900字 ・閱讀時間約 14 分鐘 ・SR值 550 ・八年級
  • 作者:沐陽浸月(中國科學院自動化所複雜系統國家重點實驗室研究生,主攻機器人與人工智慧。)
  • 原文刊載於雷鋒網,經作者同意後授權轉載。

前不久,在人工智慧領域發生了兩件大事,一個就是是偉大的人工智慧先驅馬文 ·明斯基教授逝世,一個是 Google AlphaGo 擊敗歐洲圍棋冠軍,職業圍棋二段樊麾。(2016/3 編按:2016年3月,在一場五番棋比賽中,AlphaGo於前三局以及最後一局均擊敗頂尖職業棋士李世乭,成為第一個不藉助讓子而擊敗圍棋職業九段棋士的電腦圍棋程式。)

50e38fe40d2e419f962148746c7c30b6

馬文·明斯基教授是幾乎見證了從人工智慧作為一門學科的興起直至今日成就的所有大風大浪的人,或者可以說教授本人就是這些大風浪的前鋒,他對人工智慧發展的影響意義十分深遠。而 Google AlphaGo 此次取得的成就,也可以算是人工智慧領域一次里程碑式的創舉,它的成功標誌著人工智慧領域又進入了一個新高度。

這篇文章,我們將從馬文·明斯基還是哈佛大學本科生的時候講起,一直到今日 AlphaGo 的勝利,梳理一下人工智慧是怎樣從初見萌芽一步一步走到今日的輝煌成就的。

56adfdfedbfb3

要是從宏觀的角度來講,人工智慧的歷史按照所使用的方法,可以分為兩個階段,分水嶺大概在 1986 年神經網絡的回歸——

前半段歷史中,我們主要使用的方法和思路是基於規則的方法,也就是我們試圖找到人類認知事物的方法,模仿人類智慧和思維方法,找到一套方法,模擬出人類思維的過程,解決人工智慧的問題。

後半段的歷史,也就是我們現在所處的這個時期,我們主要採取的方法是基於統計的方法,也就是我們現在發現,有的時候我們不需要把人類的思維過程模擬出一套規則來教給計算機,我們可以在一個大的數量集裡面來訓練計算機,讓它自己找到規律從而完成人工智慧遇到的問題。

這個轉化也可以用一個形象的例子來描述,就像我們想造出飛機,就觀察鳥是怎麼樣飛的,然後模仿鳥的動作就行,不需要什麼空氣動力學什麼的,這種思想在人類歷史上也被稱為“鳥飛派”。但是我們都知道,懷特兄弟造出飛機靠的是空氣動力學,而不是仿生學。

不過我們不能就因為這一點就笑話人工智慧前半段各位研究人員和前輩的努力和心血,因為這是人類認知事物的普遍規律,其實現在也有不少人會認為,電腦可以讀懂文字、看懂圖片靠的是依靠和我們人類一樣的認知過程。

56adfe066a2f6

在研究基於規則的探索中,人工智慧經歷了三個主要階段——興起、繁盛和蕭條。會有這樣的過程,一個重要原因是基於規則方法的局限性。好了,那我們就先扒一扒這段歷史。

一、萌芽階段

人工智慧的萌芽時期大概出現在 20 世紀中葉,第一位需要介紹的人物便是馬文·明斯基(Marvin Lee Minsky)。明斯基於1946年進入哈佛大學主修物理專業,但他選修的課程相當廣泛,從電氣工程、數學,到遺傳學、心理學等涉及多個學科專業,後來他放棄物理改修數學。

1950年,也就是明斯基本科的最後一年,他和他的同學Dean Edmonds建造了世界上第一台神經元網路模擬器,並命名其為SNARC(Stochastic Neural Analog Reinforcement Calculator)。這台計算機是由3000個真空管和B-24轟炸機上一個多餘的自動指示裝置來模擬40個神經元組成的網絡的。後來,明斯基又到普林斯頓大學攻讀數學博士學位,並以「神經網絡和腦模型問題」為題完成博士論文,但是當時的評審委員會並不認為這可以看做是數學。

480px-Marvin_Minsky_at_OLPCb
馬文·明斯基。圖 / By Bcjordan @ wiki

明斯基的這些成果雖然可以被稱作人工智慧的早期工作,但是鑑於當時的明斯基還是一個青澀的毛頭小子,所做的博士論文都不能得到相應的認可,所以影響力有限。

接著上場的第二位人物影響力就大很多,那就是電腦科學之父艾倫·圖靈(Alan Mathison Turing),他是被認為最早提出機器智慧設想的人。圖靈在1950年的時候(也就是明斯基還在讀本科的時候)在雜誌《思想》(Mind)發表了一篇名為「計算機器與智能」的文章,在文章中,圖靈並沒有提出什麼具體的研究方法,但是文章中提到的好多概念,諸如圖靈測試、機器學習、遺傳算法和強化學習等,至今都是人工智慧領域十分重要的分支。

56ae00212bc23
圖靈在1950年的時候在雜誌《思想》(Mind)發表的名為「計算機器與智能」的文章。

介紹完以上兩大人物,接下來標誌著人工智慧作為一個獨立領域而誕生的盛會——達特茅斯研討會就要粉墨登場了。

不過在介紹達特茅斯研討會之前,我們不得不介紹這第三位重量級的人物,那就是約翰·麥卡錫,因為他正是這次研討會的發起人。約翰·麥卡錫於1948年獲得加州理工學院數學學士學位,1951年獲得普林斯頓大學數學博士學位。然後又在那裡作為老師工作了兩年,接著短暫地為斯坦福大學供職後到了達特茅斯大學,正是這個時期,它組織了達特茅斯研討會。

在這次大會上,麥卡錫的術語人工智慧第一次被正式使用,所以麥卡錫也被稱作人工智慧之父。其實麥卡錫在達特茅斯會議前後,他的主要研究方向正是電腦下棋。

640px-John_McCarthy_Stanford
約翰·麥卡錫。圖 / By null0 @ wiki

下棋程序的關鍵之一是如何減少計算機需要考慮的棋步。麥卡錫經過艱苦探索,終於發明了著名的α-β搜索法,使搜索能有效進行。α-β搜索法說核心就是,算法在採取最佳招數的情況下允許忽略一些未來不會發生的事情。說的有點抽象,我們來舉個十分簡單的例子。

假如你面前有兩個口袋和一個你的敵人,每個口袋放著面值不等的錢幣,你來選擇口袋,你的敵人決定給你這個口袋裡哪張面值的錢。假設你一次只能找一隻口袋,在找口袋時一次只能從裡面摸出一次。當然你希望面值越大越好,你的敵人自然希望面值越小越好。假如你選擇了第一個口袋。現在我們從第一個口袋開始,看每一張面值,並對口袋作出評價。比方說口袋裡有一張5元的和一張10元的。如果你挑了這只口袋敵人自然會給你5元的,10元的就是無關緊要的了。

現在你開始翻第二個口袋,你每次看一張面值,都會跟你能得到的最好的那張面值(5元)去比較。所以此時你肯定就去找這個口袋裡面面值最小的,因為只要最少的要比5元好,那麼你就可以挑這個口袋。假如你在第二個口袋摸出一張1元的,那麼你就不用考慮這個口袋了,因為如果你挑了這個口袋,敵人肯定會給你1元面值的,那當然要選擇最小面值的5元的那個口袋啦。

56ae00c73e2ea
基於α-β剪枝算法的智能五子棋

雖然有點繞,不過我覺得你應該大概已經理解了這個思路。這就是α-β搜索法,因為這種算法在低於或者超過我們搜索中的α或者β值時就不再搜索,所以這種算法也稱為α-β剪枝算法。這種算法至今仍是解決人工智慧問題中一種常用的高效方法。

當年IBM的深藍國際象棋程序,因為打敗世界冠軍卡斯帕羅夫而聞名世界,它靠的正是在30個IBM RS/6000處理器的並行計算機上運行的α-β搜索法。

但是需要注意的是,前不久的Google AlphaGo,由於棋盤是19×19的,幾乎所有的交叉點都可以走子,初始的分支因子為361,這對於常規的α-β搜索來說太令人生畏了,所以別看名字裡面帶了一個α(Alpha,有可能這個名字是為了紀念麥卡錫的α-β搜索算法),AlphaGo採用的是卻是蒙特卡洛搜索樹(MCTS),它是一種隨機採樣的搜索樹算法,它解決了在有限時間內要遍歷十分寬的樹而犧牲深度的問題。

56ae0197820b0

後來麥卡錫有從達特茅斯搬到了MIT,在那裡他又做出了三項十分重要的貢獻。第一個是他定義了高級語言Lisp語言,從此Lisp語言長期以來壟斷著人工智慧領域的應用,而且人們也有了可以拿來用的得力工具了,但是稀少而且昂貴的計算資源仍是問題。於是麥卡錫和他的同事又發明了分時技術。然後,麥卡錫發表了題為「有常識的程序」的文章,文中他描述了一種系統,取名為意見接收者,任務是使用知識來搜索問題的解,這個假想也被看成是第一個完整的人工智慧係統。

同年,明斯基也搬到了MIT,他們共同創建了世界上第一座人工智慧實驗室——MIT AI Lab實驗室。儘管後來麥卡錫和明斯基在某些觀點上產生了分歧導致他們的合作並沒有繼續,但這是後話。

56ae02a91385d
MIT AI Lab實驗室

二、人工智慧的誕生

好了,前期的一些大人物介紹完了,讓我們一起回到1956年那個意義非凡的夏天。

那年,28歲的約翰·麥卡錫,同齡的馬文·明斯基,37歲的羅切斯特和40歲的夏農一共四個人,提議在麥卡錫工作的達特茅斯學院開一個頭腦風暴式的研討會,他們稱之為「達特茅斯夏季人工智慧研究會議」。參加會議的除了以上這四位,還有6位年輕的科學家,其中包括40歲的赫伯特·西蒙和28歲的艾倫·紐維爾。

在這次研討會上,大家討論了當時計算機科學領域尚未解決的問題,包括人工智慧、自然語言處理和神經網絡等。人工智慧這個提法便是這次會議上提出的,上文也有提到。在這個具有歷史意義的會議上,明斯基的SNARC,麥卡錫的α-β搜索法,以及西蒙和紐維爾的「邏輯理論家」是會議的三個亮點。前面已經對明斯基的SNARC,麥卡錫的α-β搜索法有所介紹,下面我們再來看一下西蒙和紐維爾的「邏輯理論家」又是什麼。

西蒙和紐維爾均是來自卡內基梅隆大學(當時還叫卡內基技術學院)的研究者,他們的研究成果在這次盛會上十分引人注意。「邏輯理論家」是西蒙和紐維爾研究出來的一個推理程序,他們聲稱這個程序可以進行非數值的思考。然後在這次研討會之後不久,他們的程序就能證明羅素和懷特海德的《數學原理》第二章的大部分定理。但是歷史往往對新鮮事物總是反應遲緩,他們將一篇與邏輯理論家合著的論文提交到《符號邏輯雜誌》的時候,編輯們拒絕了他們。

56ae06a12be70

我們現在來看看這個研討會的成果,或者說叫意義。遺憾的是,由於歷史的局限,這個世界上最聰明的頭腦一個月的火花碰撞,並沒有產生任何新的突破,他們對自然語言處理的理解,合在一起甚至不如今天一位世界上一流大學的博士畢業生。但是這次研討會卻讓人工智慧領域主要的人物基本上全部登場。在隨後的20年,人工智慧領域就被這些人以及他們在MIT、CMU、斯坦福和IBM的學生和同事們支配了。

我們看看這10個人,除了夏農,當時其實大多數都沒什麼名氣,但是不久之後便一個個開始嶄露頭角,其中包括四位圖靈獎的獲得者(麥卡錫,明斯基,西蒙和紐維爾),這四位也是我上文主要介紹的四個人。當然,夏農也不用得圖靈獎,作為信息論的發明人,他在科學史上的地位也圖靈也差不多了。

ClaudeShannon_MFO3807
克勞德·夏農。圖 / By Konrad @ wiki

三、短暫的繁榮與困境

從這次會議之後,人工智慧迎來了它的一個春天,因為鑑於計算機一直被認為是只能進行數值計算的機器,所以,它稍微做一點看起來有智能的事情,人們都驚訝不已。

因為鑑於當時簡單的計算機與編程工具,研究者們主要著眼於一些比較特定的問題。例如 Herbert Gelernter 建造了一個幾何定理證明器,可以證明一些學生會感到棘手的幾何定理;阿瑟·薩繆爾編寫了西洋跳棋程序,水平能達到業餘高手;James Slagle 的SAINT程序能求解大學一年級的閉合式微積分問題;還有就是結合了多項技術的積木世界問題,它可以使用一隻每次能拿起一塊積木的機器手按照某種方式調整這些木塊。

56ae07351a3e5
馬文·明斯基與他的積木機器人

雖然這些早期的人工智慧項目看起來擁有著巨大的熱情和期望,但是由於方法的局限性,人工智慧領域的研究者越來越意識到他們所遇到的瓶頸和困難,再加上沒有真正令人振奮人心的項目出來而導致資助的停止,人工智慧陷入了一個低潮。

產生這些現實困難的原因主要有三點。

第一點是大部分早期程序對要完成的任務的主題一無所知。

就拿機器翻譯來說,給程序一個句子,會用的方法只是進行句法分割然後對分割後的成分進行詞典翻譯,那這樣就很容易產生歧義。例如I went to the bank,bank既有銀行也有河岸的意思,如果只是單純的分割加單詞翻譯,這句話根本沒法解釋。

第二點是問題的難解性

上面我已經提到,早期的人工智慧程序主要解決特定的問題,因為特定的問題對象少,複雜度低啊,但是一旦問題的維度上來了,程序立馬就捉襟見肘了。

第三點就是程序本身的結構就有問題。

例如明斯基在1969年證明了兩輸入的感知機連何時輸入是相同的都判斷不了。

56ae07f2b07bb
感知機模型

綜上,由於種種困難,再加上資助的減少,人工智慧步入了寒冬。這便是人工智慧歷史的上半段。

四、人工智慧的重生

上個世紀80年代中期,當初於1969年由Bryson和Ho建立的反傳學習算法被重新發明,然後統計學在人工智能領域的使用以及良好的效果也讓科學界為之一振。於是在新的結構和新的方法下,人工智慧又重獲新生。

首先興起的是語音識別領域,在這個方面的成就一個重要的原因是隱馬爾可夫模型的方法開始主導這個領域。隱馬爾可夫模型包含「隱含」和「馬爾可夫鏈」兩個概念,馬爾可夫鍊是具有這樣一種特性的鏈條,就是現在的狀態只和前一個狀態有關,而和再往前的狀態沒有關係。所以我們遇到這樣一個鏈條的時候,我們可以隨機選擇一個狀態作為初始狀態,然後按照上述規則隨機選擇後續狀態。

「隱含」的意思則是在這個馬爾可夫鏈上再加一個限制就是,任意時刻的狀態我們是不可知的,但是這個狀態會輸出一個結果,這個結果只和這個狀態相關,所以這個也稱為獨立輸出假設。

通過這麼一解釋我們就能看出,隱馬爾可夫模型是基於嚴格的數學理論基礎,這允許語音研究者以其他領域中發展數十年的數學成果為依據。其次這個模型的這種隨機性可以通過大量的真實語音進行訓練,這就保證了性能的強健性

56ae083a61d96
隱馬爾可夫模型簡圖

在馬爾可夫鏈的基礎上還誕生了一個以對不確定性知識進行有效表示和嚴格推理的形式化方法——貝葉斯網絡。貝葉斯網絡是一個加權的有向圖,是馬爾可夫鏈的拓展。馬爾可夫鏈保證了網絡中的每一個狀態只跟與其直接相連的狀態有關,而跟與它間接相連的狀態沒有關係,那麼這就是貝葉斯網絡。在這個網絡中,每個節點的概率,都可以用貝葉斯公式來計算,貝葉斯網絡因此得名。

貝葉斯網絡極大地克服了20世紀60年代和70年代概率推理系統的很多問題,它目前主導著不確定推理和專家系統中的人工智慧研究。而且這種方法允許根據經驗進行學習,並且結合了經典人工智慧和神經網絡最好的部分。所以極大的推動的人工智慧領域走向現在我們正處的這個巔峰時代。

56ae085d8a42d
一個簡單的貝葉斯網絡。雨水影響灑水器是否有動作,且雨水及灑水器二者均可影響草是否濕潤。

除了 這種算法上的革新,還有兩個重要推動因素就是互聯網的興起以及極大數據集的可用性。就像我們用Siri的時候必須聯網一樣,人工智慧係統基於Web的應用變得越來越普遍;我之前在文章《2015年,機器人界發生了哪些神奇瘋狂的故事?(下)》中介紹的HitchBOT,它可以拍照、自動識別路人的語言,並將回答顯示在屏幕上,這個能力也是通過在網絡上搜索相應的答案而實現的。

由於我們現在採用的方法已經基本上變為是基於概率的方法,所以我們便需要有大量的數據集對我們的系統進行訓練,以完成監督學習。而現在的互聯網環境讓這種極大數據集的獲得變得越來越方便和容易。就如我們所熟知的ImageNet,ImageNet是一個帶有標記信息的圖片庫,裡面的圖片均已經由人對圖片內容進行了標記。它就好比是一個用於測試計算機視覺系統識別能力的「題庫」,包含超過百萬道「題目」。題目由圖像和對應的單詞(80%為名詞)組成,考察的方式是計算機視覺系統能否識別圖像中的物體並返回正確的單詞。ImageNet使用訓練題對計算機視覺系統進行「培訓」,然後用測試題測試其識別能力。

56ae08a0536d8
ImageNet 數據集

又如AlphaGo,在DeepMind的主頁裡,AlphaGo是這樣被介紹的:它是一種電腦玩圍棋的新方法,這種方法運用了基於深度神經網絡的蒙特卡洛搜索樹,而這個深度神經網絡一方面是通過運用人類專家級圍棋棋局進行監督學習來訓練,另一方面還通過程序通過電腦自己與自己博弈的增強學習來進行訓練,可見AlphaGo的成果也離不開通過學習人類專家級棋譜進行監督學習的這個大量數據集的使用。

56ae08b98be2d
DeepMind 的主頁裡 AlphaGo 的頁面

今天這篇文章,我們從人工智慧的萌芽一直到今天AlphaGo打敗擊敗歐洲冠軍樊麾職業二段這個里程碑式的事件截止,介紹了人工智慧能走到今天這個成就的一路的艱難險阻與大風大浪。我相信,隨著計算機運算能力以及更加優化的算法,以及大數據集和數據挖掘等技術的幫助,人工智慧的路一定會繼續高歌猛進。


數感宇宙探索課程,現正募資中!

文章難易度
活躍星系核_96
755 篇文章 ・ 89 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia


0

0
0

文字

分享

0
0
0

Paxlovid能有效降低死亡風險嗎?COVID-19口服藥現況

台灣科技媒體中心_96
・2022/05/17 ・2421字 ・閱讀時間約 5 分鐘
示意圖/envato elements

今年四月台灣宣布將走向「重症清零,輕症管控」:非放任病毒肆虐式「與病毒共存」(living with covid-19) 的控管疫情策略。 若需要達到「重症清零,輕症管控」的目標,醫療人員的支援與 COVID-19 藥物的使用,將是關鍵手段,對於感染後容易導致重症的個案,也需要有抗病毒藥物來治療或預防惡化

目前有哪些治療新冠肺癌的藥物?

目前首度獲得美國 FDA 許可的抗新冠藥物「Remdesivir」 (瑞德西韋),是透過抑制病毒的 RNA 合成酶達到藥效。美國 FDA 更在近期批准,注射液劑型的 Remdesivir 適用於「出生 28 天及以上、至少 3 公斤」的嬰幼兒染疫患者,成為首款嬰幼兒的新冠療法

然而注射液劑型需要專業的打針技術,並非一般民眾可居家自行使用,因此抗新冠口服藥物的開發,各國一直都很重視。現行已通過美國 FDA 緊急使用授權(EUA)的抗新冠口服藥物,有輝瑞公司研發的「Paxlovid」,以及默克(或稱默沙東)公司研發的「Molnupiravir」(莫納皮拉韋)

而 Paxlovid 是由 Nirmatrelvir(奈瑪特韋)和 Ritonavir(利托那韋)兩種藥物所搭配使用,其中 Nirmatrelvir 主要作用是抑制新冠病毒的 Mpro 蛋白酶活性,進而干擾病毒的複製,達到抗病毒的效果。而 Ritonavir 則是能延長 Nirmatrelvir 在人體內的血中濃度,透過抑制人體內正常酵素 CYP3A4 酵素活性,避免 CYP3A4 快速將 Nirmatrelvir 代謝掉,而失去 Nirmatrelvir 該有的藥效。

這兩個藥物所構成的 Paxlovid 好像一對好夥伴互相協助,成為具有高效力的口服抗新冠藥物

Paxlovid 能有效降低死亡風險?

Paxlovid。圖/ Kches16414 , CC BY-SA 4.0

根據文獻指出,Paxlovid 能降低 COVID-19 感染後的 85-89% 住院或死亡風險,是目前對抗新冠肺炎最佳的選項之一。《新英格蘭醫學期刊》(NEJM)期刊於上個月發表最新 Paxlovid 臨床試驗的研究報告:「Oral Nirmatrelvir for High-Risk, Nonhospitalized Adults with Covid-19」證實,使用 Paxlovid 治療未施打疫苗且有症狀的 Covid-19 患者,能將 Covid-19 的重症風險降低 89%,且藥物的安全性在臨床上可接受,且沒有明顯的安全問題。

不過,此研究個案限於未施打疫苗者,而目前大多數人已經接種過新冠肺炎疫苗,情況略有不同。已有將此藥使用於已施打過疫苗者的研究正進行中,但若在未施打者有幫助,對於施打過疫苗而可能具有部分保護力的人,推測仍應會有治療效果,此研究是在症狀出現三天內給藥得到良好的效果,至於再晚一些時後才給藥,就沒有數據可參考。

但需要注意的是,有在服用其他藥物的患者(如:降血脂、抗腫瘤藥或神經精神藥物等),若服用 Paxlovid 會影響 CYP3A4 的作用,可能也會改變其他藥物的作用效果,若藥物在血中濃度無法被安全控制,往往對病情有負面的影響。因此服用 Paxlovid 需要有專業醫師的評估並開立處方簽才能使用,民眾無法自由服用

Paxlovid 需要有專業醫師的評估並開立處方簽。圖/envato elements

Molnupiravir 口服藥的表現又是如何?

病毒在複製的過程當中,往往需要大量的核糖核苷(ribonucleoside),作為合成新的病毒所需要的材料。而 Molnupiravir 口服藥,是一種「核糖核苷類似物」,也就是病毒在複製所需要的「冒牌」材料,透過這樣的方式干擾病毒的複製過程,進而阻止病毒的繁殖

Molnupiravir 不會像 Paxlovid 去影響到其他藥物在體內的作用,然而這些核糖核苷類似物在人體細胞進行複製的時候也會使用,所以可能具有誘導基因突變的風險

雖然一般來說,口服 Molnupiravir 的療程只有 5 天,在這樣的時間周期來說,對一般成人造成基因突變的風險是很低。但是,Molnupiravir 對於胎兒或哺乳中的嬰兒,風險就顯得高出許多。所以,Molnupiravir 在默克公司的官方網站有聲明,不建議孕婦及哺乳中的女性服用

此外,根據新英格蘭醫學期刊在今年三月的報告中,發現將 Molnupiravir 用於非住院的新冠患者治療中,僅僅將高危新冠患者的住院和死亡風險降低了 30%,低於早前估計的 50%。

Molnupiravir 不建議孕婦及哺乳中的女性服用。圖/envato elements

「老藥新用」的開發策略

環顧目前的抗新冠藥物,大都是利用「老藥新用」(drug repurposing)的藥物開發策略,才能在這麼短的時間達到如此的成就。「老藥」是指已被核准做為臨床使用的藥物,「新用」則是指由原來已核准的藥物中發現新的適應症用途或是新的用法。

老藥的好處就是其藥物臨床前的數據都已經被建立,其中包含藥理實驗、藥物動力學、代謝途徑、副作用等,這些數據對藥物開發相當重要。

在目前這些新冠藥物中,瑞德西韋一開始是用來開發對抗伊波拉病毒,而 Paxlovid 中的 Nirmatrelvir 原先用以治療愛滋病,此外 Molnupiravir 則是為了治療流感。這樣的成功經驗相信能提供政府與學者參考,期望台灣開發新冠藥物有亮眼的成績,也讓我們未來在對抗 COVID-19 疫情當中有更好的手段。

引用文獻

  1. Hammond, Jennifer, et al. “Oral nirmatrelvir for high-risk, nonhospitalized adults with COVID-19.” New England Journal of Medicine 386.15 (2022): 1397-1408.
  2. Coronavirus (COVID-19) Update: FDA Approves First COVID-19 Treatment for Young Children
  3. Coronavirus (COVID-19) Update: FDA Authorizes First Oral Antiviral for Treatment of COVID-19
  4.  Coronavirus (COVID-19) Update: FDA Authorizes Additional Oral Antiviral for Treatment of COVID-19 in Certain Adults
  5. Hammond, Jennifer, et al. “Oral nirmatrelvir for high-risk, nonhospitalized adults with COVID-19.” New England Journal of Medicine 386.15 (2022): 1397-1408.
  6. Cox, Robert M., Josef D. Wolf, and Richard K. Plemper. “Therapeutically administered ribonucleoside analogue MK-4482/EIDD-2801 blocks SARS-CoV-2 transmission in ferrets.” Nature microbiology 6.1 (2021): 11-18.
  7. Jayk Bernal, Angélica, et al. “Molnupiravir for oral treatment of Covid-19 in nonhospitalized patients.” New England Journal of Medicine 386.6 (2022): 509-520.

臨床試驗

  • EPIC-HR: Study of Oral PF-07321332/Ritonavir Compared With Placebo in Nonhospitalized High Risk Adults With COVID-19(NCT04960202

數感宇宙探索課程,現正募資中!

台灣科技媒體中心_96
9 篇文章 ・ 7 位粉絲
台灣科技媒體中心希望架構一個具跨領域溝通性質的科學新聞平台,提供正確的科學新聞素材與科學新聞專題探討。