导读
Foreword
抗微生物药物耐药性（AMR）被世界卫生组织列为全球十大公共卫生威胁之一，涉及抗生素、抗病毒药物等多种药物的耐药问题。面对这一挑战，全球努力仍显不足。本文提出了利用生成式人工智能和优化政策的创新方案，以对抗使抗生素失效的“超级细菌”。抗微生物药物的研发耗资巨大、持续时间长，生成式人工智能具有创造新化合物结构的潜力，能大幅缩短研发周期并降低成本。然而，仅靠技术突破还不足以解决问题，文章进一步阐释了公共政策的重要作用。作者强调，跨部门合作能将技术的潜力转化为实际解决方案，有助于重振抗生素市场，而社会创投、学术研究与公共政策的协同合作，是确保我们在这场医疗危机中保持领先的关键所在。
人工智能（AI）的快速发展，为应对世界上最紧迫的一些挑战（尤其在医疗保健领域）提供了突破性的机遇。虽然每项新技术都存在一定程度的风险，但生成式人工智能有潜力拯救数百万人的生命，尤其是它可以帮助解决近年来全球医疗面临最紧迫的威胁之一——抗微生物药物耐药性（antimicrobial resistance，简称AMR，指对包括抗生素、抗病毒药物、抗支原体等化学合成药物产生抵抗，从而使药物失效）危机。
过去几十年来，耐药性“超级细菌”的稳步增长预示着在不久的将来，抗生素将无法保护我们免受致命致病菌（pathogen）的侵害。届时，我们所熟知的现代医学将无法发挥作用。我们必须积极努力发明、制造和销售新的更好的抗生素（antibiotics）以防患于未然。人们发现完成这项任务困难重重，许多障碍是经济因素，然而人工智能的发展则带来一线生机。
生成式人工智能可以大大加快抗生素研发过程，并结合适当的公共政策在解决抗微生物药物耐药性问题中发挥作用。然而，这需要跨部门合作。将社会创投推动创新、学术研究人员挖掘新的科学洞见以及政府支持相结合，才能突破和实现市场化。这是一项全员参与的挑战，协调一致的行动可以将人工智能的潜力转化为现实解决方案，确保我们在这场日益严峻的医疗危机中保持领先身位。
▍现代医学的转型机遇
抗微生物药物耐药性威胁的（庞大）规模和严重性使该问题迫在眉睫。《柳叶刀》（Lancet）评论刊的一份新报告估计，到 2050 年，抗生素耐药性（antibiotic resistance）将直接导致全球近 4000 万人死亡，并威胁全球近 1.7 亿人生命。
如果缺乏有效的抗生素，所有医疗程序（从髋关节置换术、剖腹产、白内障手术到心脏移植）都不再安全。即使是如膝盖擦伤和耳部感染等小伤小病，在抗生素不起作用的情况下也可能发展成致命感染。
这种危机已然来临：美国每年有超过280万例耐药感染病例。根据美国疾病控制与预防中心（CDC）于今年早些时候发布的一份报告，在新冠疫情期间，七种耐药致病菌（包括耐碳青霉烯肠杆菌目细菌和多重耐药铜绿假单胞菌）引起的医院内感染率上升了 20%。
如果没有新一代药物来抗击耐药菌感染（drug-resistant infections），现有的抗微生物药物的效用将越来越小。然而多年来，发明和销售新药物的不断努力却因经济生态系统的失调而功亏一篑。
▍跨越第二座“死亡之谷”
对于从事药物开发的科学家和研究人员来说，有一种说法叫“死亡之谷”（valley of death），即一项科学发现在实验室中取得成功，但由于缺乏资金或科学成就而无法进入人体临床试验环节（的现象）。包括抗生素在内的所有候选药物都必须跨越“死亡之谷”，才能获得美国食品及药物管理局（FDA）的批准。
跨越“死亡之谷”的每一步都困难重重。将一种新药推向市场可能需要超过十年的时间，并且常常需要花费数十亿美元。对于许多公司来说，当他们获得FDA批准的药物（如抗癌药物或治疗心脏病的新药）拥有广阔的市场时，时间和金钱的投入就会得到良好的回报。但抗生素市场则有所不同。
抗生素的广泛使用增加了细菌成为耐药性“超级细菌”的风险。因此，这些药物的使用必须谨慎克制。此外，鉴于市场高度非专利化的性质，即使是新批准的抗生素品牌也面临着与旧式低成本治疗药物定价相似的压力。因为这两点，新出一种抗生素的销售量通常低于平均水平，预期的销售收入也相当微薄。结果，公司收回开发成本的可能性通常接近于零。因此，初创公司很难筹集足够的资金让新型抗生素从实验室走向医院药房。
这是获得 FDA 批准的新抗生素难以被患者所用的原因之一。更有甚之，这些抗生素的开发商通常会在获得批准后陷入第二个“死亡之谷”——抗生素市场特有的财务困境。自 2017 年，获得FDA批准生产新抗生素的小公司中，除了一家之外，其余都已经申请破产、停业或被其他公司收购。
更重要的是，这些新药品并不属于新类型的抗生素。这意味着它们杀死细菌的方式与现有抗生素相同，而不是一种可以更好地对抗耐药性菌株的新方法。
解决抗微生物药物研发中独特挑战的方法之一是简化和加速发现新抗生素的过程，而这恰好是人工智能的强项。
许多生命科学公司——包括辉瑞（Pfizer）、阿斯利康（AstraZeneca）和杨森（Janssen）——已经采用了传统的预测性人工智能来简化药物开发流程。常见用途包括识别潜在的化学实体以进行更深入的研究、寻找临床试验对象、整理试验数据，甚至在药物的FDA审批过程中起草文件和报告。
生成式人工智能为抗生素的加速开发带来了巨大的飞跃并开辟了新的可能性。具体来说，它可以比以前更早、更快地发现潜在的抗微生物药物。
与利用大量数据提出建议的传统人工智能不同，生成式人工智能可以生成新的化合物结构，即开发抗生素所需的分子构建模块。这种创造能力对于像我们这样致力于将新型抗生素推向市场的公司来说，是非常有益的。
在学术合作伙伴的帮助下，我们正在采用生成式人工智能模型来简化劳动力密集型的抗生素研发工作。我的公司最近获得了一笔资金，以优化我们的生成式人工智能平台，并针对高优先级致病菌开发了十几种由人工智能设计的新型抗生素。
现在，让我们来介绍一下生成式人工智能平台的运作方式。首先，我们的研究人员将数千种不同的化学物质引入到特定的目标致病菌中，辨别并收集可以抵抗感染的化学物质。然后，我们将训练数据整合到合作方麻省理工学院柯林斯实验室（Collins Lab at the Massachusetts Institute of Technology）开发的生成式人工智能平台中。
接下来，该平台将分析数据集内的数百万种化学特性，以识别具有已证实抗菌活性的分子之间一致的模式和化学关系。随后，生成式人工智能平台利用这些模式和特性（在计算机中进行虚拟模拟），为抗击目标致病菌的潜在抗生素提出新的结构。通过缩小化合物范围，我们的团队对候选化合物进行物理测试，以确定哪些化合物值得继续研究。
这种技术既省钱又省时。通常，一种新药从药物发现到预研阶段需要花费高达 1000 万美元和四年半的时间。根据我们早期的研究，生成式人工智能可以将这一时间缩短至两年半，同时将成本降低三分之二。
未来，我们将通过收集特定药物属性的训练数据来进一步增强平台的设计能力，这样我们不仅可以设计出可能具有强抗菌活性的新型化学结构，还可以“过滤掉”那些毒性水平可能较高或特定药物吸收问题严重的结构。这些训练数据集将在一个开放访问的数据库中共享，供研究人员学习并用于人工智能驱动的抗生素研究。
通过这种方式，生成式人工智能很快就能消除一些障碍，为患者带来新的抗微生物药物。但即使是这些显著的进步也不足以完全跨越第二个“死亡之谷”。
▍人工智能与公共政策相结合
为了全面应对抗微生物药物耐药性危机，政策制定者需要找到新方法，帮助药物开发商渡过获批后的第二个“死亡之谷”，以维持抗生素开发市场。美国国会正在考虑一项极具潜力的提案，以实现这一目标。
《巴斯德法案》（PASTEUR Act，鼓励开发抗微生物药物来对抗致命感染，为患者人们提供急需的新型药物）将创建一套认购型系统，政府会与生物技术公司签订购买新型抗生素的合同。政府将向公司提供可预测的年度付款，以换取在联邦医疗保健计划中使用任意数量的新药，无论其规模大小。
通过将抗生素的盈利与销售量脱钩，这一重大调整将彻底改变目前管控这些救命药物市场的经济激励机制。这样一来，它可能会带来抗生素研发的转型，让医学界在战胜“超级细菌”的挑战中获得巨大优势。
英国已经在部署类似的模式。2019年，英国政府开启了一项试点计划，该计划确定了两种可供政府订购的候选抗生素。今年5月，英国政府批准将该实验转变为一项永久性计划，使其成为世界上第一个抗生素订购的官方系统。日本和加拿大也在考虑类似的试点计划。
社会创投在生成式人工智能等领域取得开创性进展，学术研究人员推动新发现，以及有针对性的公共政策，这三者相结合，可以为人类在抗击抗微生物药物耐药性方面带来真正的优势。但这还处于初级阶段。我们需要更多公司利用这种开发抗微生物药物的新工具，以及更多国家通过类似于《巴斯德法案》这样富有创意的激励计划来支持这些努力。
展望未来，生成式人工智能可以帮助我们开发新型抗生素，从而彻底转变医学发展道路。它在推荐治疗方案、识别风险、加快疫苗开发以及更快更精准地增强癌症等疾病筛查方面也具有巨大潜力。短期内，我们应该行动起来，通过跨研发领域的通力协作，努力解决耐药性难题并战胜抗微生物药物耐药性危机。
阿基拉·科萨拉朱（Akhila Kosaraju） 博士是 Phare Bio 的首席执行官兼总裁，Phare Bio 是一家致力于终结超级细菌危机的社会企业，由麻省理工学院和布罗德研究所的研究实验室支持，并得到 Audacious Project 的支持。她还是斯坦福大学生物安全与流行病中心的高级顾问。
来源：《斯坦福社会创新评论》英文网站2024年10月24日
原标题：Combining AI Breakthroughs and Better Policy to Defeat Superbugs