轉載從: Tech News 科技新報
英國牛津大學曾在 2013 年發表了一份名為「就業的未來」（The Future Of Employment）研究報告，提到最容易被機器人給取代的人類工作：如法律助理、個人金融顧問、程式設計師等，洋洋灑灑列了一長列名單，但如果醫藥界以為可以隔岸觀火，對人工智慧崛起視若無睹，接下來的訊息可能會讓你傷點腦筋。
英國劍橋大學和曼徹斯特大學合作開發出機器人科學家（Robot scientist）──「夏娃」（Eve），她專長在於推動新型藥物的發明，讓新藥開發速度更快、價格更低廉。
其實早在 2009 年，科學家就嘗試將人工智慧介入科學，當時阿伯里斯特威斯（Aberystwyth and Cambridge University researchers）和劍橋大學的研究人員設計了「亞當（Adam）」，這是第一個能獨立發現新科學知識的機器人。亞當專職研究麵包中的酵母菌，其內建所有關於酵母菌的生理學知識，然後就像人類科學家一樣，訂定目標反覆實驗出個結果，而這過程是不須人類介入，完全靠機器智慧獨力完成。
▲ 機器人亞當（Source：YouTube）
然而這只是一個原型機（Prototype），它的創造者羅斯金（Ross King）博士為亞當打造出一個更優質的機器人伴侶「夏娃」，應用於早期藥物研發設計。
談起現今的藥物研發，從發現到成為真正有用的新藥，都非常費時、耗費金錢。當一個具有藥理活性的先導藥物（Lead compound）被開發出來，需再試驗千百種衍生物讓先導藥物的結構和活性關係（Quantitative Structure–Activity Relationship，簡稱 QSAR）更明確，經過優化之後的藥物必須評估活性、毒性、安定性、藥物動力學，再選出候選藥物（Candidate）進入下一階段臨床試驗，這之中的篩檢規模龐大，也因此製藥界著手自動化發展。
每天能篩選萬種化合物
而 2.0 版的機器人科學家夏娃，強化人工智慧的功能，專長就在於「自動辨別藥物」和「主動學習」。她會就觀察設定一個假說，之後反覆測試。和傳統自動化篩選的不同點在於，夏娃一開始隨機選擇資料庫中的一個子集，找出第一個測試成功的化合物，之後經過多次反覆測試以降低假陽性結果的概率，並根據早期篩選的經驗紀錄，再利用統計學和機器學習程序來分析藥物與生物體結構的相互反應，並在過程中學習成功的經驗，藉此設計出更好的衍生物以提高藥效、降低副作用。
雖然目前夏娃還沒有自行合成化合物的能力，但她每天可自動化篩選超過一萬種化合物，這能降低成本和不確定性，並且節省研發時間。此外，夏娃可以非常精確地記錄包含實驗構思、執行細節，且所有過程都是數位化保存，對於日後其他新藥開發非常有幫助。
有感於近年來開發新藥常偏重於心血管疾病、抗癌或婦女疾病（乳癌、骨質疏鬆）類，研發團隊率先著手在全球需求量大的熱帶疾病藥物開發，根據皇家學會期刊登載，夏娃在一個大約含有 1,500 種經臨床批准應用的化合物庫中進行測試，她找出一種抗癌化合物 TNP-470，能夠同時抑制疾間日瘧原蟲（Plasmodium vivax）體內必需酶──二氫葉酸還原酶（dihydrofolate reductase, DHFR）， 阻斷瘧原蟲繁衍，進而達到藥物治療目的。
▲ 夏娃發現阻斷瘧原蟲繁衍的抗癌化合物。（Source：皇家學會期刊）
儘管有科學家指出夏娃發明出來的瘧疾新藥，效果比不上現有既存的藥物，也有藥物探索專家批評這僅是就現有資料用電腦去組合出結果，並非真的突破性藥物的發展。但不可否認的，一個好的藥物可能需要 10 年、數十億美金才能創造出來，在這漫長的研發期間，可能已有數百萬人罹病受苦，或者現有藥物已出現抗藥性。當人工智慧介入藥品研發，人類科學家能更專注於新醫療發明，能更大為降低研發藥物的成本和時間，如此一些真正被人們需要但較不具經濟價值的藥物比如寄生蟲、瘧疾等熱帶疾病，或者治療罕見疾病的孤兒藥（Orphan drug），也許就不再被製藥市場給邊緣化。
（首圖來源：medicaldaily）