用AI研發個性化藥物，CytoReason為癌症治療打開新大門

從讀取X射線和掃描幫助診斷到識別患者的潛在疾病，AI在醫療行業的應用挽救了生命並降低了醫療成本。

創立於2016年10月的CytoReason位於以色列特拉維夫，是一家用AI模型來針對各種病症做治療研究的公司，CytoReason一直與Haifa的Rambam醫療保健園區和特拉維夫的Sourasky醫療中心合作，應用他們的AI模型來提高醫療效率。

一方面，通過免疫系統的AI模型，CytoReason發現了一種獨特的生物標誌物，可以用來檢測抗TNF藥物會對哪些患者起效，縮短了藥物療效的鑒別過程。

抗TNF藥物，也稱為TNF抑製劑，是用於治療類風濕性關節炎，牛皮癬性關節炎，幼年型關節炎，炎性腸病（包括克羅恩病和潰瘍性結腸炎），強直性脊柱炎和牛皮癬等炎症的藥物。

以往，觀察抗TNF藥物能否起效需要三個多月，不僅需要依賴臨床試驗，還容易發生誤差，使患者面臨潛在的副作用和不必要的成本。利用免疫系統的AI模型，CytoReason將藥物起效的患者與藥物無效的患者的基因組數據進行對比。比較兩組數據後，CytoReason發現了血液和組織樣本中特定的生物標誌物，幾乎可以立刻判斷像英夫利昔單抗（Remicade）等抗TNF藥物對患者能否起效。

在CytoReason驗證結果中，組織生物標誌物準確率為82％（炎症評分超過2.5的患者），而血液生物標誌物準確率達到了94％。

另一方面，CytoReason正在利用AI模型來加速其他治療效果的鑒別，尤其是在新葯研發領域的運用。

由於AI無法直接確定單抗TNF藥物治療的療效，CytoReason還需要再進行耐葯試驗。這也是生命科學AI應用的一大特點：生命科學所引入的每種新技術都可以並且應該在實驗室或臨床試驗中得到驗證。但AI正在改變臨床試驗的目的和方式。

AI不僅為免疫學家提供了系統級的免疫反應理論，還降低了製藥公司在開發周期中的資金、時間和風險。除了幫助預防安全問題，CytoReason還可以創建更加個性化的醫療體驗並減少不必要的處方。

同時，CytoReason已經獲得了一小部分使用傳統手段治療的臨床試驗數據，但在癌症方面AI應用才剛剛起步。聯合創始人兼總裁David Harel表示，CytoReason也正在嘗試對某些皮膚科、心血管和神經系統的治療進行測試。

目前，CytoReason的合作方有輝瑞等製藥公司和帕克癌症免疫治療研究所等研究機構。

AI+醫療一直是學界、工業界和投資界中的熱門研究方向。但AI+影像的商業化前景尚不明朗，新葯研發領域的AI應用，很可能後來居上。AI+新葯研髮型的公司也是動態不斷：2016年12月，輝瑞與 IBM Watson Health簽署協議，將Watson的超級計算能力用於其研發新型抗癌藥中；美國創業公司Atomwise通過IBM超級計算機分析資料庫，利用深度學習神經網路分析化合物的構效關係，一周時間就發現了抗擊埃博拉病毒的潛在藥物，比傳統藥物研發節約數年時間。

藥物研發的商業化路徑也更清晰，成功研發新葯或轉讓或售賣均可獲得動輒上億美元的回報。同時新葯研發的科學性和邏輯性更強，對技術的要求更高，更純粹，有利於企業建立有效的技術壁壘。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！