药物开发的最大瓶颈通常发生在研究的早期阶段，尤其是从确定潜在疾病目标到测试候选药物是否能够达到目标所需的时间。许多欧美大厂商已嗅到这趋势，标榜以人工智能（AI）辅助新药开发的新创公司如雨后春笋般创立，例如 Atomwise、Insilico Medicine 等，也吸引全球如Pfizer、Merck 等大药厂与这些新创公司合作，希望以 AI 强化产品开发的核心竞争力。日本的制药公司、医疗保健公司、IT相关公司和研究组织也于 2016 年成立“生活智慧联盟”（Life Intelligence Consortium, LINC），致力于 AI 应用于预测疾病发作到治疗的药物开发过程。
今年 BioJapan 邀请京都大学医学院荒木通启（Michihiro Araki）教授和横河电机株式会社商业计划部门总监下田聪一郎 （Soichiro Shimoda） 先生分享如何透过 AI 开创全新的生物制药过程。
机器学习让 AI 更聪明
Michihiro Araki 教授表示，要了解 AI，就须先知道大数据、机器学习（machine learning）、自动化、神经网络（neural network）。机器学习就是让电脑能够自行从大数据中，不断学习一套技能，然后渐渐学会并且不断精进。它可分为监督式学习（supervised learning）和非监督式学习（unsupervised learning）二种。前者就是在训练的过程中告诉机器答案，也就是“有标签”（label）的资料，比如给机器各看了不同的笔迹，然后询问机器新的一张照片中笔迹是谁的。后者为训练资料没有标准答案、不需要事先以人力输入标签，故机器在学习时并不知道其分类结果是否正确。
京都大学医学院荒木通启（Michihiro Araki）教授
人工神经网络是一种由大量简单处理单元以某种方式相互连接而成，对连续的输入做出状态反应的动态讯息处理系统。它能模拟人类大脑生物神经网络系统处理讯息的方式，借由经验而不是通过设计好的程序进行学习、训练，具有联想记忆、并行处理、自主学习、适应、预测及决策等能力。
AI 能以低成本提供大量且品质稳定的细胞
Michihiro Araki 教授接着表示，在生物制药早期研发中，大多仰赖人类正常细胞或癌细胞培养，进行测试药物的效力和毒性。然而，传统上，细胞的质量控制别无选择，只能依赖于有经验的操作者的经验和感受，因此稳定性为最大的问题，进而影响药物测试的准确度。因此，如何透过 AI 生产大量且稳定的细胞成为重要开发项目。
首先需先收集大量文献数据，包含细胞图像、细胞培养优化条件（包含细胞培养液体的组成和培养箱的温度、湿度、氧气、氮气、二氧化碳）、培养失败条件纪录等，然后将大数据透过 AI 进行机器学习，最后建立细胞培养的神经网络。接着，研究人员将操作参数输入系统机器人内，包括体积、温度、时间和特定的机器人动作。因此，他们在简单的系统操作培训之后，就能轻松依照实验要求培养出所需要的细胞数量，并且能随时监控且保证细胞品质。
延伸阅读：AI 辅助新药开发，速度与效果的加乘作用AI 全自动化的细胞培养系统 成为生物制药研发新宠儿
Soichiro Shimoda 总监则分享 AI 全自动化的细胞培养系统的元件及操作流程。该系统能透过感应器来监控细胞状况，并且直接透过指引器、营养保存处、帮浦、执行器、控制器以及资料处理器，执行培养液更换、细胞采收、冲洗、胰蛋白酶处理、废料处理等自动化动作。机器人动作非常平稳缓和，能精确模仿操作人员的每一个步骤，确保不会对脆弱的细胞产生破坏。
河电机株式会社商业计划总监 下田聪一郎 （Soichiro Shimoda）
透过 AI 全自动化系统培养细胞，除了减省时间和花费，也能大量降低温染的机会，让细胞更健康，其价值和品质也更高，进而最大程度地减少药物测试间的差异。
目前生物制药领域的细胞培养 AI 自动化需求也正在逐步提升，透过机器人不断提升在复杂实验室操作上的精确性、可靠性及持续性，也逐渐成为日本生物制药研发的新宠儿。
延伸阅读：《AI，医疗，大数据》 ── 专访北医大医学科技学院院长 李友专教授撰文/Parker Yang
©www.geneonline.news. All rights reserved. 基因线上版权所有 未经授权不得转载。合作请联系：service@geneonlineasia.com
