人工智能是如何辅助药物研发的？
现在测试很多药物都要先经过动物实验，但是一项最新研究说，用机器学习的方法来分析大数据，可以让电脑在判断一些药物的毒性时，表现得比动物实验还要好。
美国约翰霍普金斯大学（Joh
现在测试很多药物都要先经过动物实验，但是一项最新研究说，用机器学习的方法来分析大数据，可以让电脑在判断一些药物的毒性时，表现得比动物实验还要好。
美国约翰霍普金斯大学（Johns Hopkins University）的研究人员近日在《毒理科学》（Toxicological Sciences）上报告说，他们设计了一套机器学习的程序，让它学习了已有的关于化合物毒性的大数据，这些数据涉及1万种化合物，建立在80万次动物实验的基础上。
电脑在对这些海量数据进行分析后，总结出化合物中哪些分子结构可能对动物有哪些毒性，随后给电脑一种新化合物，它就能判断出这种化合物的毒性如何。
与需要消耗较长时间的动物实验相比，让电脑判断化合物毒性不仅更快，并且在某些时候结果更好。因为在动物实验中，不同动物因为个体差异所给出的反应不同，往往需要多批次动物实验，才能得到较可靠的结果。研究人员在论文中说，电脑的判断结果常常更好，其可靠性超过任何单次的动物实验。
但是，这种用来预测药物毒性的人工智能也有缺陷，就是还只能分析一些简单的毒性，比如化合物混在空气中被吸入后立即产生的毒性等，而对于一些长时间和复杂的毒性反应，比如对于癌症和生殖系统的影响，这种电脑程序还无法替代动物实验。
展望未来，研究人员认为随着数据的不断积累和人工智能算法的提高，用电脑软件预测药物可能引起的反应，而不是依靠动物实验，是一种逐渐兴起的趋势。据介绍，美国国家卫生研究院（National Institutes of Health）和欧洲化学品管理局（European Chemicals Agency）等机构都在推动这方面的发展。
也许将来宇航员到了外星球，发现一种新物质后，用电脑软件一分析，就能知道是穿肠毒药还是灵丹妙药呢。
