图：中大计算机科学与工程学系助理教授李煜，正与百图生科进行三项与AI有关的研究，预料能为新药研发带来灵感。

　　编者按

　　“AI技术超越人类智慧后，最明显的影响将体现在医疗领域。”入选时代杂志“AI百大影响力人物”的库兹威尔在今年大胆预测，人工智能在2032年后就能让人类停止老化，且未来AI与人类大脑连接后，可大幅增进人类智力，治癒大部分疾病。

　　对于AI医疗发展抱有乐观态度的专家不在少数，2024年诺贝尔奖化学奖得主，借自行研发的Alpha fold 2 AI模型，攻克了预测蛋白质复杂结构的世纪难题。三位得奖者展现出强烈的信心，宣称模型的发明将会在2036年治疗人类所有的疾病，人类寿命有望延长至150岁。

　　这一充满无限想像的领域，吸引愈来愈多的探索者加入。那么真实情况到底如何？《大公报》记者邀请香港高校相关的研究学者，从药物研发、癌症诊断、影像分析、居家健康护理等角度，全面剖析香港学术界在AI医疗发展方面的成绩和现况。其中有学者赞同AI医疗将给人类健康护理带来转折性的改革，但认为这是一个逐步前进和变化的过程，而非突变式的改革。

　　AI时代的到来，将会为医疗行业带来怎样的奇迹？美国AI企业Anthropic执行长Dario Amodei使用“压缩的21世纪”一词来总结他对AI发展的乐观看法。他说，人类可能在未来5至10年取得相当于50至100年的进展，例如治癒癌症、应付传染病并找出预防阿兹海默症的方法。

　　愈来愈多的研究似乎都在证明着AI作为“医疗发展加速器”的角色，香港中文大学计算机科学与工程学系助理教授李煜及其团队，正与百图生科（BioMap）进行相关的三项研究，其中AI药物协同预测项目，可帮助预判多个药物组合使用的效果，有望为医生提供新的治疗方案，以及为新药研发带来灵感。“在药物研发十年期间，大概有三至四年是做药物筛选；而在AI的帮助下，这个过程可缩短至一年左右。”李煜说道。\大公报记者 汤嘉平（文） 林少权（图）

　　传统的新药开发领域普遍存在所谓的“双十法则”，意思是指一款创新药物的研发通常需耗时十年、投入约十亿美元，且成功率偏低。这使得许多罕见疾病所需的特殊药物，难以获得足够的研发资源。

　　预测药物组合效果 免人手测试

　　李煜教授表示，临床上常需采用联合用药策略去治疗疾病，因为单一药物往往效果有限。然而，哪些药物的搭配能起到一加一大于二的效果，哪些药物的搭配又会导致效果相互抵销甚至变差，就需要科研人员逐一地去尝试，“就像钥匙和锁一样，钥匙是药物，锁是发生病变的蛋白质。”科研人员需要制造出一把最适合的钥匙去开这个锁，而这个钥匙需要经过多种材料和不同的凹口设计组合，打磨成千百种不同的模样去开不同的锁，让病变之处恢复正常。

　　“传统的方法，就是我给你一万把钥匙，你就一个个慢慢去试，总有一个能打开。然后现在我们的AI药物协同预测项目，就是会直接告诉你，哪些药物组合是可行的，即哪些潜在的钥匙是能开这个锁的，然后你直接去试就好。”李煜解释，这就是药物研发必须经过的药物筛选阶段，该阶段一般需要三至四年，而AI药物协同预测项目则有望将时间缩短至一年，即整体的新药研发时间，可能从原先的十年缩短至七年左右，甚至是更短的时间。

　　此外，经过实验发现，AI药物协同预测项目预测药物组合效果的准确率，会比现有技术提升10%至30%，即使是未见过的新药也能准确地预测效果。

　　谈及该项目所运用的AI大模型，李煜介绍，该AI大模型是以蛋白质语言为核心的大模型，在预训练阶段学习多模态大规模生物资讯（包括药物、细胞系和疾病）和图结构，并进行微调，即针对特定的预测任务进行模型参数的调整和优化。（见药物组合协同作用预测模型框架图）

　　发现逾300种胰腺癌药物组合

　　至于蛋白质语言，李煜教授解释，正如人类拥有语言，生命世界也有一套由胺基酸序列构成的“分子语言”，即蛋白质。而人工智能（AI）领域的蛋白质语言模型（PLM）展现出解码这套语言的强大能力，能够精准预测蛋白质的结构与功能。“我们根据这个蛋白质的结构，才能去设计或者发现药物。”

　　目前，该AI药物协同预测项目已针对胰腺癌的治疗，发现300多个具有协同作用的新组合。李煜透露，团队现时也在用此技术研究抗生素抗性药物，以及包括治疗渐冻症在内的罕见病的药物。对于疾病数据稀缺、模型面临“小样本学习”的挑战，李煜指团队也在想办法去扩展数据的来源，“不光是用这一个疾病的数据，我们可以用很多不同疾病的数据，如果这些疾病是相关的。比如说神经退行性疾病，那么不光是有渐冻症，其实还有一些其他的跟运动神经相关的疾病，这些疾病的数据都是有可能帮助模型去学习。”