MIT尝试以机器学习技术改变药物研发流程

据报导，麻省理工学院(MIT)成立药物研发合成之机器学习协会(MLPDS)，试图改变药物研发制造流程，目前已有8个产业合作伙伴，皆为制药领域龙头，包括Amgen、BASF、Bayer、Lilly、NovarTIs、Pfizer、Sunovion和WuXi等。

药物研发所费不赀又耗时，但机器学习可望分析大量化学资料，提高研发效率，对于研发流程和结果皆有帮助。MLPDS协会将结合MIT研究团队和产业的力量，首要目标是把机器学习引进药物研发流程中。

2018年4月时，MIT举办高峰会，由计算机科学教授Regina Barzilay和电子工程教授Erna Viterbi等人领军，召集MIT研究者以及科技、生技和管制单位的龙头，探讨如何以数码科技和人工智能(AI)克服生物医疗和医疗照护的重大挑战。

MLPDS协会起初受到美国国防高等研究计画署(DARPA)Make-It计画所资助，目标是以机器学习和自动系统来合成药物，先后于2017年5月和9月跟制药产业的企业代表会商，无论产业界或MIT皆有浓厚兴趣展开合作。

材料科学工程教授Klavs Jensen表示，合作厂商满怀热忱，加上机器学习技术潜力无限，这些将是化学和制药产业科学家的强力后盾，机器学习有助于规划化学合成路径，带领我们探索新的化学领域，提升化学的多样性，将更有机会找出具备特殊功能的化合物。

2018年5月MLPDS协会再度聚集产业合作伙伴，透过教学和合作研究计画，让他们对于机器学习有基本概念。Barzilay为大家讲授基础的监督式学习(supervised learning)，亦即机器学习的其中一种方法，也涵盖神经模型和表征学习(representaTIon learning)。

Barzilay表示，只是刚开始探索这个新领域，但未来潜力无穷，可望改善人们的生活，这次跟制药产业合作，相信会是合作顺利的关键，他向来从产业界获益良多，发现不少值得思考的新问题。

协会的目标之一是建立评估标准和标竿资料集，以确认机器学习方法的准确度，目前大多数研究团队都是基于内部资料集来进行评估，有碍不同模型之间互相比较，进而拖慢科学进程，更糟糕的是，公开资料及通常无法呈现制药研究所面对的复杂性。

MIT透过新协会进行跨领域合作，包括机器学习、化学和化学工程等。这对于新科技的研究者和使用者都有好处，有助于了解目前的发展程度，以及机器学习新科技的发展潜力。Jaakkola也表示，结合现代机器学习技术和化学知识，可望开启药物研发、改良和合成的新途径。

化学工程研究生Connor Coley表示，虽然药物合成规划软件由来已久，但仍未获得广泛采用，合成规划对于初期药物研发阶段至关重要，可快速发现新的合成策略，减少反复研发、合成、测试的时间。

合作厂商也看好机器学习技术的潜力，Amgen的Shawn Walker表示，机器学习可望加速药物研发，更快速把新药交到病患手上。诺瓦德氏生物医疗研究机构(NIBR)表示，他们很期待加入MIT所成立的新协会，可望加速制作更安全而有效的药物。