无需真人安慰剂机器学习法推算虚拟对照组数据

药物开发是艰困耗时的过程，也需要投入大量资金及人力、设备，研发时间平均10年，其中临床试验就占去7年左右，更不用说处方药的投入金额可能高达20亿欧元。不仅如此，临床药物试验可能涉及的伦理问题逐渐受到重视，在随机对照临床试验中，接受安慰剂的组别其受试者权益应有足够的保护。

德国拜耳集团（Bayer）与芬兰 Aalto 大学合作，在临床试验中应用人工智能，减少或消除某些试验中对于对照组的需求，方法是从医学数据库中创建一个“虚拟”对照组，如此便能有更大比例的患者接受研究药物、更少比例的患者被分配到安慰剂或标准治疗。

拜耳看重芬兰拥有高品质健康数据

拜耳这项为期三年的“Future 临床试验（Future Clinical Trials，FCT）”计画，选择与 Aalto 大学及赫尔辛基大学医院合作，于2021年6月启动，重点是让患者更容易参与药物试验。除了对患者进行远端监控以减少就诊次数之外，正在进行使用人工智能提高临床药物研究的安全性及效率评估。

Aalto 大学及芬兰人工智能中心（FCAI）教授 Harri Lähdesmäki 表示，使用人工智能的医疗数据库形成虚拟控制组，对照组就不需要招募患者，同时也提升了药物发展的成本效率。

拜耳集团数据科学家 Jussi Leinonen 则指出，目标是让基于 AI 的算法识别出与药物副作用相关的罕见讯息，同时提高灵敏度；目前也仍在寻找减少临床试验所需患者人数的可能性，同时确保试验的安全性及可靠性。

人工智能仍无法做出独立决定

临床研究的起始点是开放性，各方合作方式及流程监测都可以接受审核及验证，这些特点对于 AI 研究人员而言同样重要，重视资料与算法的公开性，而 FCAI 目前的研究领域之一是开发人工智能的方法来寻找适合药物成分的分子。Harri Lähdesmäki 说明，研究人员正试图找到以往必须透过数百万种不同药物分子进行实验的替代解决方案，取而代之的是机器学习方法，可以提出建议某些分子值得在实验室环境中进行更深入的探索，将使药物开发能够以更少的资源、更快的方式完成。

Jussi Leinonen 同时也解释，人工智能不会在临床试验中完全取代人类，在不久的将来，人工智能本身不会做出独立决定，而是会识别需要做出反应的情况或将反应引导至某个方向，这同样适用于医师面对患者时所使用的人工智能技术。

延伸阅读：50 年未解之谜，蛋白质折叠在 AI 协助下终拨云见日？

参考资料：
1. https://pharmaphorum.com/news/bayer-led-project-on-ai-in-trials-eyes-virtual-placebo-groups/?utm_source=pharmaphorum+Daily+Newsletter&utm_campaign=c1f4ca4b4a-EMAIL_CAMPAIGN_2019_09_24_10_10_COPY_01&utm_medium=email&utm_term=0_a54496134b-c1f4ca4b4a-444274614
2. https://www.aalto.fi/en/news/bayer-aalto-and-hus-expand-collaboration-artificial-intelligence-to-support-clinical-drug