人口高齡化。出現抗生素抗藥性的感染。數百人身上仍有無法治癒的病痛。
現在我們對於新藥的需求，比起過去任何時候都還要更高，然而想將這些新藥上市的成本和時間也是高的嚇人。美國食品藥品監督管理局指出開發新藥可能耗資數十億美元及長達14年的時間，儘管如此也只有 8% 的藥物能夠順利上市。
「我們得對開發及測試的潛在藥物，做出更明智的決定。」位於舊金山之新創公司 Atomwise 的共同創辦人 Abraham Heifets 說。
成立六年的 Atomwise，同時也是 NVIDIA Inception 新創公司育成計畫的成員，致力於使用 GPU 加速深度學習技術來預測哪些分子最有可能創造出治療成果。該公司已經小有成就，為多發性硬化症與致命的伊波拉病毒找出可能的治療藥物。
Atomwise 如何找出候選藥物
瞭解 Atomwise 的運作方式，便能對藥物發現的過程有些許認識。
研究人員先確認造成某項疾病在生物學方面的原因（通常是蛋白質），並以治療為目標，像是蛋白質是造成腫瘤生長或引起炎症的原因。接著他們尋找能達到該治療目標的藥物，抑制或促進其功效。
該公司的 AtomNet 深度學習軟體篩選了數百萬種可能對治療有成效的分子，然後分析刺激作用的結果，展示潛在藥物在人體內會出現什麼作用。
該軟體預測藥物是否對目標有治療效果、會如何影響身體的其它部位、毒性及可能的副作用。Atomwise 使用我們的 Tesla V100 和其它 NVIDIA GPU，對 AtomNet 進行訓練和推論。
在完成評估後，Atomwise 會將候選藥物交給大型藥廠默克（Merck）等客戶，還有哈佛大學丹娜法伯癌症研究院（Dana Farber Cancer Institute）、史丹佛大學和貝勒醫學院等頂尖研究機構，這些組織進行更深入的研究，以確定化合物是否可用於獲得同意的治療活動。
這項模擬內容顯示了JAK-3 （Janus kinas 3）激酶，其中隱含著癌症和免疫功能。圖片由 Atomwise 由提供。
模擬所帶來的啟示
Heifets 表示數百萬人都可能親身測試過每一個成為藥物的分子，並且判斷為不合適。使用人工智慧來分析模擬內容，Atomwise 減少了研究人員花在構建和測試最終不適合之新型藥物上的時間。
「每種其它製造型態都會在實際製作前，先模擬建立出它的原型。我們的目標就是為製藥業提供跟其它產業相同的優勢。」他又說。
Heifets 指出該公司的方法較高通量篩選快了一百倍。高通量篩選是一種常用的藥品化合物評估自動化技術；也比使用客製化合成技術的藥物化學家，在速度上快了一百萬倍。他說這套方法的命中率，較濕式實驗室實驗高出一萬倍。
掃描電子顯微鏡彩色影像裡的伊波拉病毒顆粒（藍色）。圖片由國家過敏與傳染病研究所提供。
鎖定伊波拉病毒、多發性硬化症
Atomwise 已經對於治療伊波拉病毒及多發性硬化症的藥物研究方面有所進展，只不過目前缺乏充足的治療方法。伊波拉病毒自1976年出現以來，致死率高達 90%，已經造成數千人死亡。Atomwise 發現了一種或許能阻止伊波拉病毒進入健康細胞的候選藥物。
根據美國國家多發性節結硬化症協會的統計數字，多發性硬化症是一種可能使得腦部和脊髓失能的疾病，影響全球約230萬人。設計一種能夠到達大腦的治療方法極為困難，血腦屏障（blood-brain barrier）的作用力會阻止大多數分子進入腦部，潛在的治療方法必須得穿越這個障礙。
Atomwise 探索了820萬個分子，找出多個或許能證明有治療效果的候選藥物。這些藥物在動物試驗中有發揮療效，已授權給英國某藥廠進行更深入的研究。
「我希望我們能解決這些棘手的問題，找出可以治療疾病的分子。」Heifets 說。
深入瞭解 NVIDIA 的技術如何推動醫療保健產業採用深度學習技術。
*本文主要圖片顯示了 Atomwise 的模擬藥物研究畫面，其中神經網路學習辨識化學官能基。圖片由 Atomwise 提供。