雖然生成式 AI 是相對較新的詞彙，但藥物研發公司 Insilico Medicine 多年來一直使用生成式 AI 開發治療衰弱性疾病的新療法。
該公司對深度學習的早期投資正開始有所成果——使用其AI平台發現的一個候選藥物現在進入第二階段臨床試驗，用於治療特發性肺纖維化，這是一種相對較罕見的呼吸系統疾病，會導致肺功能逐漸下降。
Insilico在臨床前藥物發現過程的每個步驟都使用生成式 AI 來識別藥物化合物可以靶向的分子、產生新的候選藥物、評估這些候選藥物與目標的結合程度，甚至預測臨床試驗的結果。
使用傳統的方式成本可能超過 4 億美元，並需要長達六年的努力。但透過生成式 AI，Insilico 成功地以十分之一的成本和三分之一的時間完成了這些步驟，專案開始後僅兩年半就進入了臨床實驗的第一階段。
Insilico Medicine 執行長 Alex Zhavoronkov 表示：「這個第一個進入第二階段的候選藥物是我們用端到端方法將生物學和化學與深度學習相結合起來的真正亮點。這不僅對我們來說是一個重要的里程碑，也對於人工智慧加速藥物發現領域的每一個人來說都是一個重要里程碑。」
Insilico Medicine 是 NVIDIA Inception 的傑出成員，這是一個免費計劃，為頂尖的新創公司提供技術培訓、市場支援和AI平台指導。該公司在其生成式 AI 藥物設計引擎 Chemistry42 中使用 NVIDIA Tensor Core GPU 來生成新穎的分子結構，並且是 2015 年 NVIDIA DGX 系統早期先驅的首批採用者之一。
AI 支援端到端的臨床前藥物發現
Insilico 的 Pharma.AI 平台包括多個 AI 模型，這些模型受過數百萬數據樣本的訓練，用於執行各種任務。其中一個名為 PandaOmics 的 AI 工具，能夠快速識別和優先考慮在疾病有效性中扮演重要角色的標靶，例如引起 COVID-19 的病毒上的棘蛋白 (spike protein)。
另一個稱為 Chemisty42 的引擎可以在數天內設計出新的潛在藥物化合物，用於靶向 PandaOmics 所識別出來的蛋白質。這個生成式化學工具使用深度學習從零開始生成類似藥物的分子結構。
Insilico 的 AI 平台負責人 Petrina Kamya 表示：「通常，在藥物研發領域，AI 公司要麼專注於生物學，要麼專注於化學。從一開始，Insilico 一直將相同的深度學習方法應用於這兩個領域，既用 AI 來發現藥物標靶，也用於生成小分子的化學結構。」
多年來，Insilico 團隊採用了不同類型的深度神經網絡用於藥物發現，包括生成對抗網絡和 Transformer 模型。他們現在正在使用 NVIDIA BioNeMo 透過生成式 AI 加速早期藥物發現過程。
在茫茫 AI 領域精準找到關鍵
為開發其肺纖維化候選藥物，Insilico 採用 Pharma.AI 設計和合成了大約 80 個分子，達到前所未有的臨床前候選藥物的成功率。從確定目標到提出有潛力的候選藥物進行試驗的整個過程耗時不到18個月。
在第二期臨床試驗中，Insilico 的肺纖維化藥物將在美國和中國數百名患有該疾病的患者身上進行試驗。整個過程將需要數個月，但與此同時，該公司還有 30 多個針對其他疾病的計畫正在醞釀中，其中包括許多抗癌藥物。
Zhavoronkov 表示：「當我們第一次展示我們的成果時，人們只是不相信生成式 AI 系統可以實現這種程度的的多樣性、創新性和準確性，現在我們擁有一整套有潛力的候選藥物，人們意識到這確實有效。」
欲詳細了解 Insilico Medicine 用於 AI 加速候選藥物篩選的 Chemistry42 平台，請觀賞其在 NVIDIA GTC 的演講。