阿斯利康(AstraZeneca)的Claus Bendtsen揭示了如何使用AI来增进对疾病的了解，帮助确定病因并帮助药物发现。
人工智能（AI）在R＆D中具有广泛的应用，包括在疾病研究或疾病理解方面。例如，机器学习可以系统地分析数据以找到数据点之间的链接，然后可以使用基于AI的推理来推断以前未知的连接。然后，可以使用这些知识来开发对疾病的新见解并确定有希望的新靶标。
药物靶标研究中心的Victoria Rees与阿斯利康研究与开发的数据科学与定量生物学负责人克劳斯·本德森(Claus Bendtsen)进行了交流，探讨了如何利用AI更好地理解疾病。Bendtsen将AI描述为一种模拟人类行为的方法，它使用计算方法来执行认知任务，并且将机器学习作为一种算法，因为随着时间的推移它们会接触更多的数据，因此性能得到了改善。
用于疾病理解
Bendtsen解释说，AI可用于识别疾病的类型-将疾病分为不同类别的分子机制。了解疾病如何表现对于发现和研究导致疾病和导致疾病的原因至关重要；这使研究人员能够找到潜在的新疗法。
Bendtsen声称AI可以减少人类偏见在疾病理解过程中的影响，因为AI“对于分析各种数据源采取了一种更加不可知论和整体的方法。”
使用AI的一个例子是阿斯利康对慢性肾脏疾病的研究。Bendtsen解释说，通过与BenevolentAI合作，人工智能被用来识别导致疾病的潜在机制。他说AI公司的靶标识别平台及其生物医学知识图有潜力在寻找疾病的新疗法方面发挥作用。
Bendtsen解释说，人工智能被用来筛选大量科学文献，以确定新的联系和可能的靶标。随着研究人员现在可获得的大量信息，人工智能可以协助分析成千上万的数据点，揭示新的假设并生成更大的可能药物靶标库。
疾病分组
人工智能可以用来帮助理解导致疾病的潜在机制。Bendtsen解释说，疾病的表型可能会对临床医生对病因的诊断产生很大影响。但是，无论表型如何，这些机制对于人们来说可能更加个性化。
Bendtsen解释说，他的角色涉及使用AI来识别导致疾病的常见生物学机制。例如，在研究病因时，对患者样本进行剖析，并创建代表疾病的生物学模型系统，以鉴定途径和信号传导途径。Bendtsen还说，正在使用更动态的分析，例如基因组学、转录组学、蛋白质组学和代谢组学。他评论说，查看这些数据集以识别分组患者中的模式可以揭示某些疾病的机制。但是，所有这些都会导致大型数据集，而AI可以提供帮助。
因此，疾病理解的一个关键方面是对疾病进行分组，这可以使数据以更加特定和完善的方式进行分析。Bendtsen说，有很多方法可以做到这一点，这就是为什么可以将AI用于进一步分析的原因。
药物发现与开发
Bendtsen说，了解疾病对于药物的发现和开发至关重要，使用AI可以极大地改善研发以发现新的靶标。他解释说，一旦了解了疾病，下一步就是“尝试找到一种分子或实体，一种可能与引起疾病的途径或子系统相互作用的化合物”，目的是逆转疾病的表型。
人工智能被用来创造机会追求新靶标。从历史上看，这些都是从文献中产生的，而AI可以挖掘所有以前可用的信息。Bendtsen解释说，一旦发现了靶标，下一步就是进入临床试验之前的靶标验证过程。但是，进行此步骤最多可能需要五年。
Bendtsen说：“在最初的发现阶段，使用AI来帮助评估针对每个特定靶标生成的体外和体内数据的质量。”他评论说，AI可以评估模型系统（例如细胞）来发现会在患者中观察到的相同影响。
通过复制计算模型中的条件，人工智能可以帮助研究人员了解患者的疾病状况。这有助于评估药物是否有效以及是否可以进行临床试验。因此，AI在药物发现和开发中有很大的用途。
人工智能对疾病理解的挑战
尽管AI在疾病理解方面有好处，但并非没有挑战。Bendtsen说，由于信息量巨大，因此AI的最大困难在于处理数据。但是，他说，现在数据被认为比以前有价值得多，研究者将其视为战略资产。
因此，存储信息对于将来的研究至关重要，但这也意味着研究人员正在“研究如何确保数据质量”。Bendtsen说，这意味着必须正确地管理信息，并且要运用“公平”（可发现，可访问，可互操作，可重用)的原则。
Bendtsen强调组织这么多数据非常复杂。当数据是高质量的并且得到正确管理时，它可能会非常有用，“否则，无论您使用什么算法，无论您的算法多么复杂，都无法实现。”
为了应对这一挑战，Bendtsen认为，随着对数据的适当处理的不断努力，这种模式将发生转变。一旦科学家进行了调整，在疾病理解中使用AI就能产生出色的结果。
改变对疾病的认识
将来，将AI用于疾病理解的方式可能会有所不同。Bendtsen预计在疾病理解过程中将更多地采用AI。尽管在不久的将来可能会有采矿文献和使用AI的混合体，但除此之外，Bendtsen相信将会逐渐转向仅使用AI。“研究人员因此将围绕类型发现的过程视为对药物发现更为关键的过程，并且需要与外部组织建立大量合作伙伴关系。”
Bendtsen认为，这种以数据驱动的方法进行的新的定型研究重点应该加快将药物推向市场的时间。“此外，失败率应该要低得多。”
Bendtsen预测，随着机器学习将用于开发药用分子，人工智能将在这一领域发展。因此，他预计在疾病理解过程中会更早地确定更好的药物靶标，从而节省重要资源。
结论
总之，人工智能正在成为理解疾病的关键工具，并有可能取代更传统的研发方法，从而为研究人员提供一种经济有效的方法来确定新的药物靶标。Bendtsen相信AI将使这一领域更加成功。