李开复：人工智能能否帮助人类从根源上预防疫情？

《AI未来进行式》

李开复 陈楸帆 著

浙江人民出版社出版

人工智能专家李开复与科幻作家陈楸帆创造性合作，畅想了20年后在人工智能等科技影响下的人类世界。

书中10个短篇故事，展示了一系列令人大开眼界的未来场景——身临其境的沉浸式娱乐方式、自如使用人类语言的虚拟伴侣、 没有“司机”的完全自动驾驶汽车、能够以假乱真的照片和视频，以及基于量子计算、计算机视觉和其他 AI 技术的展开应用……

在这些故事给读者带来惊奇体验的同时，每一个故事之后的科技评论则让我们进行突破性的深度思考——人工智能能否帮助人类从根源上预防疫情？人们该如何应对未来的职场挑战？在人工智能主导的世界中，该如何确保文化多样性？人们如何教导下一代适应人类与人工智能共存的新社会？如何面对人工智能带来的社会问题，及其所隐含的人性拉锯战？

在故事《无接触之恋》发生的时代，人类社会已经被疫情彻底改变——直到最后，新冠病毒（COVID-19）也没有被彻底消灭，相反，它进化成了一种长期存在的、不断变异的季节性病毒。

这当然只是一种虚构的情境。然而，在经历了一次新冠肺炎疫情之后，不论这种病毒今后会如何变异，可以确定的是，AI将重塑整个医疗行业，例如加快疫苗和相关药物的研发，加速AI诊断与现有医疗手段进行技术集成的进程，等等。在本章，我将对新冠病毒如何推动这些技术的发展进行讨论。我们现在对人工智能医疗的关注尤其及时，因为医疗行业正在数字化，而这将产生人工智能颠覆医疗所需的大量数据。2042年当我们回顾，我们可能会看到过去20年医疗领域是AI颠覆最大的行业。

长期以来，药物及疫苗的研发都是一件极其耗时、成本高昂的工作。想象一下，人类用了100多年时间，才完成了脑膜炎疫苗的研制和改进。而在这次新冠肺炎疫情中，正是因为各国政府把史无前例的巨额资金投入多条研发赛道，支撑了大量的临床试验和量产尝试，医药企业的疫苗研发才推进得如此迅速。

在等待了一年之后，我们终于用上了安全有效的新冠疫苗。好在新冠病毒的致死率没有那么高，这样的等待才显得可以接受。然而，如果新冠病毒进化成一种像埃博拉一样致命的传染病，情况就会变得完全不同。因此，考虑到未来可能出现新的传染病，疫苗和药物的研发速度仍然需要继续提高。

研发药物时，第一步先要理解病毒蛋白质（氨基酸序列）是如何折叠成独特的3D结构的。理解这种3D结构，对解读病毒的工作原理并找到对抗它的方法至关重要。例如，就像钥匙插入锁孔中一样，新冠病毒表面的刺突蛋白可以附着在人体细胞表面的受体上。当新冠病毒侵入人体细胞后，新冠病毒基因组（新冠病毒的RNA）将被传递、整合到宿主细胞上，然后在许多器官中不断复制，从而导致感染者表现出一系列的症状。

针对某种病原体的小分子药物发明，是通过将治疗分子附着在病原体上来抑制其功能而起作用。这种治疗分子的发现过程可以分为以下四个步骤：

第一步，利用mRNA序列推导病原体的蛋白质序列（现在这一步不难实现）；

第二步，探索该蛋白质序列的三维结构（蛋白质折叠方式）；

第三步，确定三维结构上的靶点；

第四步，生成可能有效的靶向分子，然后从中选择最佳临床前候选药物。

如果回到之前用过的类比，那么第一、二、三步相当于摸清锁的结构，第四步相当于打造一把适配的钥匙。这四个步骤需要依次完成，后三个步骤的工作不仅非常耗时，而且成本高昂。

例如第二步，为了确定病毒蛋白质序列的三维结构，科学家会使用冷冻电子显微镜成像等技术，直接观察病毒蛋白，然后一步一步艰苦地摸索、推敲出3D蛋白质结构。

第三、第四步是找到靶点并设计出对应的靶向药物，这是一个漫长的试错之旅，而且需要科学家具备强烈的直觉、丰富的经验和好运气。不过，就算科学家耗费数年时间锁定了一种临床前候选药物，它也有90%的概率无法通过二期、三期临床试验。这个探索过程会耗费相当长的时间。当然，也可以并行探索几种不同的方法，不过这样虽然可以缩短时间，但需要大量的资金投入。

目前，要研发一种有效的药物或疫苗，需要投入10亿―20亿美元的资金和数年的研发时间。我相信，AI将大幅提升药物的研发速度，降低研发成本，为患者提供更多价格在可承受范围内的特效药，帮助患者活得更健康、更长寿。

2020年，DeepMind公司针对蛋白质折叠研究（药物研发的第二步），推出了蛋白质折叠预测软件AlphaFold，可以说，这是迄今为止AI在科学领域最伟大的成就。

蛋白质是生命的基石，但对于人类来说，蛋白质的氨基酸序列如何折叠成3D结构，从而成为生命活动功能执行者的整个过程，仍是一个谜。解开这个谜，不仅具有重大的科学意义，对医学领域也有极高的价值。恰巧，深度学习技术似乎非常适合在这个问题上“大展拳脚”。

AlphaFold背后的训练数据集非常庞大，包含了过去发现的所有蛋白质三维结构信息。目前，AlphaFold已经证明了它模拟未知蛋白质三维结构的能力，其准确性与传统方法（如上面提到的冷冻电子显微镜成像技术）不相上下。区别在于，传统方法成本高、耗时长，而且只能解析所有蛋白质结构中不到0.1%的部分；AlphaFold的出现，提供了一种快速扩大人类已知蛋白质数量的方法，被视为“解决了困扰生物学界50年之久的巨大挑战”，是一项划时代的突破。

一旦掌握了蛋白质的三维结构，“药物再利用”就成了一种能够帮科学家快速找到有效治疗手段的方法，即尝试每一种已经证明对一些小病安全、有效的现有药物，看看其中哪些药物可能成功嵌入当前病毒的蛋白质三维结构。

“药物再利用”方法有可能成为一条捷径，从而使人类能够在一场严重的流行病发生之初就阻止病毒的传播。因为这些能被“再利用”的药物均已通过不良反应测试，可以直接使用，无须再经过大范围临床试验。《无接触之恋》中的男主角加西亚在被检测出携带COVID-Ar-41的变体病毒后，临床中心就立即启动了AI程序，以“再利用”一种能够减轻他的症状的药物。

科学家还可以充分利用AI的优势，发明新的化合物。AI可以锁定一些靶向分子可能附着的靶点（药物研发的第三步）。如果给定一个靶点，AI模型就可以通过识别数据的内部模式，来缩小对药物的搜索及筛选范围，锁定候选药物（药物研发的第四步）。2021年，AI药物研发公司英矽智能宣布其利用AI完成了治疗特发性肺纤维化的新药研发，先在三维结构上找到靶点（第三步），然后提取相关信息并找到最佳的靶点分子（第四步）。英矽智能的AI技术不仅为药物研发的后两个步骤节省了90%的成本，还创造了一项不可思议的奇迹：用18个月的时间完成了新药研发。要知道，传统新药研发往往要耗时10年以上，耗资超过20亿美元。

此外，AI还可以整合多方面知识来优化第三、四步研发过程。例如，自然语言处理（NLP）技术可对海量学术论文、专利成果和公开数据进行深入挖掘，从中提取出能够帮助锁定靶点或有效分子排序的信息。AI还可以根据过去的临床试验结果，预测所有潜在候选新药的有效性，为进一步排序提供参考。这些，都可以在计算机系统上模拟完成。科学家可以站在AI的肩膀上，参考系统给出的推断，排除“错误选项”，然后再进行下一步研究。

当然，除利用计算机模拟进行研究的“干实验”外，还有一种“湿实验”，即在实验室培养皿中对人体细胞展开药物测试。对于这一类实验，AI同样有很大的施展空间。在今天，由机器人来主导这类实验，会比由实验室技术员来操作更加高效，而且可以采集到更多的数据。镁伽机器人就是这样的先进公司，镁伽的实验室机器人，无须人工干预，就能进行24小时全天候的重复实验，这将大大加快药物的研发速度。

李开复，卡内基梅隆大学计算机科学博士。曾担任谷歌全球副总裁兼大中华区总裁。2009年创立创新工场，致力帮助创业者成长与发展。

陈楸帆，科幻作家、编剧、翻译、策展人。中国科普作家协会副理事长，世界华人科幻协会名誉会长。

作者：李开复 陈楸帆