我們可以用算法設計出抗體，實現個性化免疫治療，整個生物制藥會更加精準、更安全、更經濟、更普惠。
人工智能是計算機技術發展到高級階段，是融合了數學、統計學、概率、邏輯、倫理等多學科于一身的復雜系統。從1956年達特茅斯學院助理教授約翰·麥卡錫正式提出人工智能的定義，人工智能已經走過60多年。
根據經濟學家Richard Lipsey和Kenneth Carlaw對通用目的技術（GPT）的標準，人類發展史走到今天總共有26種通用目的技術，而人工智能就是其中一種。硅谷創業教父史蒂夫·霍夫曼認為，人工智能是一股極強的趨勢，它會改變地球上的一切行業。
在生命科學領域，人工智能和機器學習帶來的數字化轉型正在影響價值鏈的幾乎每一個方面。將人工智能應用于生命科學領域，可以幫助公司重塑商業模式，加速生物制藥生產周期。
清華大學惠妍講席教授、智能產業研究院（AIR）首席科學家馬維英教授在人工智能領域已經深耕20余年。此前，他曾任字節跳動副總裁兼人工智能實驗室主任、前微軟亞洲研究院常務副院長。他的研究方向包括人工智能的幾個核心領域（搜索與推薦、大數據挖掘、機器學習、自然語言理解與生成、計算機視覺）以及人工智能在生命科學、生物制藥、基因工程、以及個體化精準醫療等領域的跨學科研究與應用。
“我們現在正在經歷數字3.0時代，這是一個將信息與物理世界、生物世界融合的智能感知時代。健康計算就是在生物世界的數字化與智能化的大趨勢下，以人工智能和數據驅動的第四科學研究范式，輔助人類探索并解決生命健康的問題。”馬維英教授對本刊表示。
馬維英教授預測，隨著健康計算的發展，人類有望提前預測新冠病毒的變異毒株模型，甚至有望在未來解決癌癥難題。
問：您為什么會對AI在生命科學領域的應用產生興趣？
馬維英：過去20年我一直在互聯網做搜索、推薦和內容生成，基本上都是比較傳統的AI，例如計算機視覺、自然語言處理、機器翻譯、個性化推薦算法等，在這些方面我做了非常多的工作。大約在2018、2019年，我意識到機器學習和生成模型如果能用到生命科學領域，或許會產生更有意義的價值。
舉個例子，我們訓練AI寫文章的時候，每個字都可以被看成是一個離散的字符，把這些離散的符號放在一起，還要有結構、符合語法、語意連貫，是一件很難的事情，但機器可以利用大量的詩詞文章數據、用算法不斷學習，所以機器現在寫出的文章不僅有模有樣，甚至如果我們把文章的中間一段拿掉，機器還能把文章還原回來。我們現在轉換一下，把原子、分子、氨基酸等化學物質按照某種有意義的順序，三維地建構在一起，最后它會形成一個有化學功能和性質的化合物，這種小分子或大分子化合物可以跟某個藥物靶點結合，這問題也可以用機器學習的方法來解決。
所以，自然語言生成與化合物合成，問題抽象到一定程度后，背后的原理和數學問題是類似的，都是把一些離散的符號或單元組合起來，最后生成文章或化合物。用氨基酸合成出蛋白質或者大分子藥，或者學物質小分子藥。一旦理解了這些科學原理之后，AI技術和數據驅動的科研范式就可以應用于生命科學和生物制藥領域了。
我非常鼓勵做AI的人，如果對生命科學感興趣，現在是一個非常好的加入時機，這個領域有點像互聯網的元年。雖然我在過去20年里一直在做傳統AI，但我認為生物世界的數字化會有巨大的發展前景，這是一片藍海。這的確需要克服跨學科的門檻，有很多新的專業知識需要學。在我看來，由人工智能賦能的生命科學與生物醫藥領域，包括個人健康管理、新藥研發，個體化精準醫療等是未來十年最大的機會。
問：在生命科學領域，您現在專注于哪個方向？
馬維英：在清華大學智能產業研究院（AIR），我們的團隊致力于打破AI與生命科學領域的壁壘，推動生命科學，生物醫藥等領域從孤立、開環向協同、閉環發展，提出了AI生命科學的“破壁計劃”。目前團隊主要聚焦在三個研究方向：數字治療（Digital Therapeutic），AI驅動的藥物設計（AI-powered Drug Discovery），以及精準治療（Precision Medicine）。這三個方向分別對應四種“藥”：數字藥、化學藥、生物藥和基因藥，我們想做“藥神”（笑）。拿數字藥來說，如果我們有一個智能健康助手，越用越智能，越用越了解你，它可以通過個性化學習幫助管理你的健康，你的健康數據可以通過所佩戴的可穿戴式設備來獲取，這樣就可以實現從測量、評估、指導和干預整個健康管理環節，形成閉環，這就是AI增強個人健康。
我們另一個工作是AI制藥，抗體設計就很適合用AI的方式輔助，一個病毒出現后，對應的中和抗體的氨基酸序列應該是什么樣？如果有了病毒的基因序列，解析出了抗原的表位結構，同時又能解析出病毒與人類的交互方式，我們就可以利用AI和計算的方法快速把抗體設計出來。
此外，AIR蘭艷艷教授也帶領學生做了一些基因測序方面的工作，并在2021年的創新工場Deecamp競賽中獲得了冠軍。我們已知基因90%是未編碼的，團隊利用基因的未編碼部分，結合前沿的預訓練技術構造了一個全新的模態。
這些技術一旦突破，會產生巨大的影響力，相當于人類多了一個“外掛”的計算免疫系統。
問：現在中國這一領域研究，達到了一個什么樣的水平，跟世界水平相比如何？
馬維英：過去10年人工智能在中國飛速發展，也涌現出了很多優秀的青年AI人才，尤其是在移動端互聯網的發展，中國可以說是“彎道超車”，引領了世界AI發展的新浪潮。但在生命科學領域里的AI應用，總體來說目前還尚處在開始階段，發展空間很大。頂尖的跨界人才的數量和歐美相比還是有差距，由于AI和生命科學領域的知識鴻溝較大，相比于其他傳統AI領域，例如CV（計算機視覺）、NLP（自然語言處理）等領域，智慧醫療領域更需要能夠跨界的人才。
另外生命科學領域的數據的“成熟度”較低，機器還無法直接利用學習，而且還要做到數據“可用不可見”，保護隱私。在數據集的建立方面，中國還需要進一步發展。例如，目前美國有一個非常大的癌癥病人數據庫，但是這個數據庫缺乏中國人的數據，他們有五十幾種癌癥病種數據庫，而我們只有五種。現在有新的基因測序技術，我認為中國可以建立一個更好、更全的癌癥病理庫，對于癌癥早篩和治療這是非常寶貴的。在這個方面，中國有非常多的機會。
問：您對于AI和生命科學結合在應用層面的遠景怎么看？
馬維英：生命科學領域的前景，我認為還非常值得想象。例如在未來，個性化藥物會出現。現在每個藥的研發平均要花10年時間，平均投入25億美元。將來，如果我們能夠用AI的技術，加快藥物研發的周期，并針對個體的基因序列和新抗原設計出對應的藥物精準治療，實現個性化的免疫療法，整個生物制藥會更加精準、更安全、更經濟、更普惠。
我個人有這樣一個夢想和希望：未來人類一定可以攻克癌癥。
問：癌癥會有不同的類型，都可以解決嗎？
馬維英：癌癥有非常多亞型，這的確是個難題。即使患有相同的癌癥，每個病人基因變異或者癌癥亞型可能都不太一樣。如果我們能夠對癌癥的機理了解得更深，能快速設計并生產出個體化的靶向藥物，對癌癥死亡率會有一個極大的壓制。數據顯示，中國癌癥病人占全世界的25%，接近1/3的癌癥死亡率發生在中國，所以精準醫療技術的進步對我們非常重要。
問：在人工智能的格局中，大藥廠會是什么位置？
馬維英：整個生物制藥的流程，AI是有機會重新定義的，在新的范式下，產業有機會重新分工，我相信AI將引領生物制藥未來十年、二十年的創新。
問：您認為新的產業格局會被新的力量改變，會以什么樣的方式改變？
馬維英：舉個例子，目前做抗體藥，要從康復病人里面去篩選，但這個過程比較像碰運氣。每個人的體質與免疫系統的健康程度有關，免疫系統好、人就不容易生病，面對新冠時，如果本身有一些基礎病，或者免疫系統比較弱，對抗病毒就很吃力。抗體藥就是通過注射的方式，暫時提高人的免疫力。比如醫護人員去疫區，打抗體藥后，就可以短暫地提高他的免疫力；或者患病初期、剛剛出現癥狀時，用抗體藥也有幫助，這就是傳統意義上抗體藥的原理。
我們最近孵化了一家AI制藥公司叫華深智藥，由AIR彭健教授帶隊，與清華大學醫學院張林琦教授的團隊合作，研發了一個智能抗體設計平臺，利用機器學習技術對現有抗體開展了系統設計和優化。團隊用AI設計出了一種抗體，展示出了高效又廣譜的中和效果。這是目前全球首個用AI設計的新冠抗體，大大提高了對現有新冠抗體的抗病毒能力，為新一代抗體藥物的研發開創了全新的路徑和范式。另外，AI驅動的新藥發現和生物學實驗一旦形成閉環，將在快速設計出有效抗體方面發揮巨大的潛力。你可以想象這是一個人類的“外掛系統”，一個可被計算的數字免疫系統。
問：這個研究成果現在在商業化的什么階段？
馬維英：目前AI設計的抗體還需要進一步走臨床實驗，一般大概需要1.5年的時間，但這個AI設計抗體的成功研制預示著一個新的未來。有些科學家預測，新冠病毒可能會變成一種流行病，會反復出現、不斷變異，最后與人類共存。在AI的幫助下，我們可以模擬并預測出它未來可能的變異，提前準備，在新病毒出現后很快設計出對應的中和抗體，并加速臨床實驗。
問：這些預測所需要的數據從哪里來？
馬維英：一部分來自自公開數據，同時我們現在也關注納米抗體，納米抗體的來源是羊駝，它在野外經過長年的生存演化以及和各種病毒的接觸，體內有非常多種類的抗體，它的抗體表位更小，能夠對應到更小的靶點，可以以組合的方式識別不同的表位，對未來抗體藥的研發提供更多可能性。
問：生命科學領域是不是存在一個公平性的問題？是不是富人先享有免疫外掛、先擁有個性化的藥物，或者他們的癌癥最先被治療？
馬維英：AI反而會讓生物醫藥領域更經濟、更普惠、更公平。目前已有的癌癥免疫療法沒有能夠規模化，并且成本極高，大約在25萬美元。現在我們做這件事情就是為了讓它的成本更低、速度更快，效果更好。未來如果從國家層面去支持這件事情，人人都會受益。
文 | 《巴倫周刊》中文版撰稿人郭慧萍
編輯 |樸鳶兒
版權聲明：
《巴倫周刊》(barronschina)原創文章，未經許可，不得轉載。
（本文僅供讀者參考，并不構成提供或賴以作為投資、會計、法律或稅務建議。）
本文首發于微信公眾號：巴倫周刊。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。
關鍵詞： 人工智能
