輝瑞牽手IBM華生開發更好的免疫療法

　　【新聞事件】：最近輝瑞和IBM開始一個合作項目，將使用其智能軟件“華生新藥發現”幫助輝瑞尋找更好的免疫療法。華生是一個智能搜索加工軟件，不僅可以快速搜索海量文獻（2500萬摘要，100多萬文章），更重要的是可以從這些文獻中提取智能信息。華生已經有多個不同專業化版本，用于不同的領域如腫瘤基因測序。今天JAMA就有一篇文章介紹人工智能在診斷方面的應用。但與輝瑞這個合作是人工智能第一次進入新藥發現。

　　【藥源解析】：新藥研發高度復雜，所以不斷有新技術號稱能顯著提高研發效率。也正因為這個過程高度復雜，所以極少有任何單一技術能顯著提高總體效率。很多人聽到這個合作的第一反應是“not again”，認為這是和CADD、組合化學、各種組學一樣雷聲大雨點小。當然這個看法有情可原，連設計合成路線這樣相對簡單的任務現在計算機都難以戰勝優秀的化學家，找新藥可能確實還有差距。但另一方面IBM深藍已經是世界象棋第一高手，谷歌阿法狗去年也4：1擊敗圍棋頂級高手李世石。現在的人工智能已經達到相當水準。

　　尋找新藥相關信息類似尋找民間高手。華生可能比人能更高效找到所有自封的民間高手，但卻不一定有能力從大量江湖術士中挑出少數真正高手。這是新藥研發和百科知識的關鍵不同。新藥相關研究魚目混雜，大部分無法重復。很多都是垃圾，而鑒別真偽不是計算機長項。另外也很難培訓華生，因為新藥研發個體化嚴重。每個公司都有不同套路，同一公司不同科學家對同一問題也看法不同。另外真正知識（所謂tacit knowledge）很少發表，多數公開發表的東西都是經過包裝過的，只能誤導華生。最后真正有可能有突破潛力研究的一般發表在比較高端雜志，也會被高頻率引用。需要華生這樣超級軟件才能找到的研究極少會是很重要的。

　　但是華生也可能為新藥研發做出一定貢獻，因為華生可以高效提供很多有幫助的線索。比如你的化合物出現PK/PD失聯，華生可以告訴你有人在1982年報道一系列化合物和你的化合物有70%類似，但調控另一個靶點。這樣你可以更快找到可能的脫靶蛋白。或60年代有人在尋找免疫抑制劑時意外發現免疫激活作用，但當時不知如何使用這些另類化合物。這些功能類似寫文章的同義詞提示，即使最優秀的作家也可以從同義詞提示得到一些幫助。

　　今天最新統計大藥廠的內部投入回報已經降到3.7%這個幾乎不可持續的水平，所以任何能夠幫助提高研發效率的工具都是有益的。華生是根據IBM首任CEO Tom Watson命名，但是恰巧大偵探福爾摩斯的助手也叫華生（John Watson）。我們首先要把華生當作助手而不是對手，華生短時間內還不能取代Vagelos，做決定的還是科學家。