從被拒門外到加快應用AI靠實力逆襲
◎張佳星
記得兩年前,某計算所學者告訴我,爲了讓智能算法走進藥物篩選領域,自己經常自掏腰包,前往藥學學術會議進行交流。他想用自己的研究結果告訴人們,過去需要數千小時的篩選工作,藉助新技術幾十小時就能完成。
當時,相信者寥寥。他的經歷,讓我腦中晃過一個詞——“佈道者”。新技術誕生後,不乏“佈道者”。
2024年底,在我參加的多個藥學相關學術會議中,人工智能、算法、模型等作爲關鍵詞在學術報告中頻頻被提及。在綜述性報告中,一些落地見成效的成果見諸知名期刊;在學術分享報告中,不少新藥物的研發已經在人工智能輔助下進入臨牀試驗階段。
值得一提的是,這些成功的案例多來自聯合研究團隊,這些學術會議的嘉賓也愈加背景多樣,他們中有算法工程師、臨牀醫學學者、藥學學者、遺傳學者……誠然,隔行依然隔山,不同學科的學術語言體系仍然存在隔閡。爲了克服跨界融合的理解障礙,每一個時代的科研者都要不斷學習新的研究體系。
一位受訪者的感慨,可能代表着科技工作者的心聲:在AI引發的技術革命浪潮中,研究者如果不行動起來,就是在等着被淘汰。
“日益複雜的科學問題需要探索跨學科團隊合作的科研模式。”中國工程院院士、北京大學第三醫院研究員董尓丹表示,尤其是在生物醫學、健康等領域,要取得變革性研究成果,必須開展“有組織的科研”。
就像互聯網打破了人類地域的概念,人工智能也在擊碎“數據井”的壁壘。生成式人工智能能夠處理的參數和數據以億爲單位。AI的能力正在倒逼不同來源的生物醫學研究數據進行整合。如何提高數據的可訪問性和互操作性,已經成爲“有組織科研”的課題之一。
在我們身邊,醫療數據的互認、共享正在成爲常態;在保障數據安全的前提下,數據“柏林牆”正在被推倒……這些,爲人工智能+醫藥領域“有組織的科研”奠定了數據基礎。
相關部門也通過政策法規積極引導。國家衛生健康委等部門日前發佈的《衛生健康行業人工智能應用場景參考指引》,從4大領域給出了84個應用場景,以推進衛生健康行業“人工智能+”的應用創新發展。
如今,再同前述的數據學者聊起來,他告訴我,智能計算的應用早已開始,他們提供技術支持的罕見病藥物已經在等待臨牀試驗許可,他們還在爲免疫治療藥物敏感性進行評估、爲老藥尋找新的適應證……
從被拒門外到被熱情擁抱,AI靠實力成爲藥物學家的常規工具。生命數字化的研究已經在如火如荼開展,模擬生命活動的精度在持續提高,生命活動的模擬和預測將帶來什麼,或許下一個兩年就有眉目。
來源:科技日報