在治疗焦虑和抑郁等疾病时，寻找合适的药物往往很困难。医生通常会先让患者尝试一种普遍耐受性好且有效的药物，但这种药物可能对某些患者完全无效，甚至会产生严重的副作用。有时需要经过数月的反复试验才能找到有效的药物。
在周三的西南偏南 (SXSW) 大会上，Priscilla Chan 博士向观众表示，如果医生能够通过生成式 AI 模型来验证药物对个人细胞和系统的影响，这个过程可以得到优化。Chan 与其丈夫、Meta 创始人兼首席执行官 Mark Zuckerberg 共同创立了陈-扎克伯格计划。她认为使用 AI 可能是生物医学研究的下一个重大突破。
Chan 表示："我们希望通过这些模型能够解答生物学领域最困难的问题。"
自 2022 年底 ChatGPT AI 聊天机器人问世以来，人工智能已成为几乎所有人关注的热门话题。本周在德克萨斯州奥斯汀举行的 SXSW 大会上，人工智能成为主要焦点，围绕信任、责任和工作未来展开讨论。
去年，Google DeepMind AI 部门的两位科学家因使用 AI 预测蛋白质结构的研究获得了诺贝尔化学奖。
这项技术要在科学和医学领域取得进展可能需要数年甚至数十年时间。这些 AI 模型可能只会加快实验室研究的速度，而不是取代它。但 Chan 看到了无限可能。
我们对自身的未知之处
作为一名儿科医生，Chan 表示科学界对人体运作方式的很多方面仍然知之甚少。虽然研究人员在几十年前就破译了人类基因组，但基因只提供了一张路线图。Chan 用《星球大战》中千年隼乐高套装作为比喻——基因码就像说明书。然而，我们仍然不知道各个零件是如何组合成飞船的。当某个部分出现问题时，这就需要医学介入。
除了对生物学知识的认知差距外，我们对个体生物学运作的理解也很有限。我们基于少量样本推断人体应该如何运作，但这个微小的数据集远不能代表人类的多样性。
AI 模型可以帮助描述个体细胞中发生的情况——实现医疗个性化，使你的治疗方案与我的不同。
Chan 说："如果我们建立正确的数据和 AI 模型，我们就能更好地理解是什么让我们保持健康，什么让我们生病。"
AI 能加快生物医学研究吗？
目前开发新药物和治疗方法的研究技术耗时且昂贵。想法必须在实验室环境中进行测试，这需要大量时间和资源。
Chan 并不建议取消现有的实验室"湿实验"研究。但机器学习模型——AI 的标志性特征——可以帮助识别更有可能有效的药物候选者，这意味着可能需要更少的实际测试就能找到可行的解决方案。
这些模型并非总是正确的。它们会提供一些不可行的解决方案和想法，甚至可能是物理上不可能实现的想法，这就是为什么需要真实的科学家来筛选模型产生的想法。
"它不会给我们完整的答案，"Chan 说。"我不希望你们认为科学家只需要与模型对话就能得到所需的所有答案。"
Chan 表示，机器可以帮助科学家找到更好的问题。"它将成为假设生成器，"她说。
虽然许多公司和研究人员都在研究如何在医院和患者治疗中使用 AI，但 Chan 的重点是推进能促进未来进步的基础生物学研究。她认为 AI 可能是科学的一个重大飞跃，就像显微镜、X 射线、核磁共振或人类基因组测序的发明一样。
"健康和医学是以跳跃式发展的，"她说。"研究可能会停滞数十年，然后有人发明了一项新技术，完全改变了我们对人体的认识。"