人工智慧 (Artificial Intelligence, AI) 的快速進展從深度學習 (Deep Learning) 走向「對抗式生成網路 (Generative Adversarial Networks, GANs)」。GANs 的運作模式為生成器與判別器之間互相較量，在競爭中訓練兩組模型相互設法矇騙過關；就好比警察與偽幣製造商間的拉扯，警察竭力驗證出假幣，然而偽幣製造商試圖偷渡假幣，兩者能力相互提升，直至無法辨識原始樣本與人造樣本間的差別。
英科智能 (Insilico Taiwan) 致力於與各大製藥企業合作，運用人工智慧輔助生醫產業開發藥物分子結構與模擬交互作用，甚至是基因檢測的開發，在癌症、中樞神經疾病、代謝疾病等各方面皆有所著墨。
「應用人工智慧篩選藥物結構，可望解決藥物設計上許多困難，是非常令人驚豔的。」史丹佛大學結構生物學教授 Michael Levitt (2013年諾貝爾化學獎得主) 表示。
藥物研發時程往往短至三年、長則數十年，然而，AI 可望加速藥物研發過程，僅在數周內創造全新藥物分子。日前，英科智能發表相關文獻刊載於《Nature Biotechnology》期刊，其研究透過其人工智慧系統「生成性張力強化學習(Generative Tensorial Reiforcement, GENTRL)」，運用 GANs 理論基礎，成功在 21 天內設計出六個全新的藥物，其中分別有四種化合物通過生化檢測 (biochemical assay)、兩種通過細胞學檢測 (cell-based assay) ，其中一種甚至在小鼠模型中顯示良好的藥物動力學反應。
前艾伯維 (Abbvie) 藥物技術研發副總裁 Dr. Stevan Djuric 亦指出，「英科智能利用 GANs 人工智慧技術縮短藥物研發的時間及金錢成本，對於製藥產業未來發展是極其重要的」，我們期盼人工智能不僅提高藥物開發效率，更能為各種疾病亞型帶來更精確的治療品質。
延伸閱讀：BIO Asia Taiwan— AI正夯，數據驅動製藥產業的未來
參考文獻
https://www.nature.com/articles/s41587-019-0224-x
©www.geneonline.news. All rights reserved. 基因線上版權所有 未經授權不得轉載。合作請聯繫：service@geneonlineasia.com
