自動化藥物開發過程的目標是在縮減找出潛在藥物標的到研發出候選藥物的時間。然而,AI 在此領域的用途不只有藥物開發,還可預測實驗性藥物的正確劑量。由於最佳藥物劑量可能取決於每個個體身上的許多變數,如年齡、性別、體重、基因體、蛋白質體學及腸道微生物體等,因此是建立模型與使用深度學習演算法的理想題材。目前的確有許多針對 AI 與藥物開發的炒作,但唯有時間才能證明,這些致力於加速藥物開發的各種方法,是否真的能夠實現。
成功辨識並驗證新的候選藥物是生物醫學最大、絕對也是最昂貴的挑戰。由於耗資甚鉅,失敗風險也高,因此任何有望減少藥物研發費用或難度的技術,業界都樂於迅速採用。十年前,他們將大量資源投入硬體,採用自動化機器來執行分子的高通量大規模篩選。現在,他們則將重點轉移到能自動化的演算法上。2018 年時,就已經有超過 60 家的新創公司與 16 家製藥公司使用 AI 進行藥物開發。這些公司在運用 AI 時採用的策略差異很大,因此我將簡單扼要地介紹一些案例,讓各位能夠了解 AI 可能帶來的影響。