人工智能（AI）和机器学习正逐渐成为药物发现和开发的一部分，从识别新的化合物开始，以构建和设计临床试验并针对临床试验人群。

最近的一个例子来自瑞典的林雪平大学。研究人员利用人工神经网络，根据不同基因或蛋白质如何相互作用来创建生物网络图中国化工网okmart.com。他们利用了一个大型数据库，其中包含有关一大群人中20,000个基因的表达模式的信息。然后教AI查找基因表达模式。

2月中旬，使用AI开发的药物开始在人体临床试验中进行测试。DSP-1181分子目前正处于强迫症的I期临床试验中。该化合物是使用AI开发的长效强效5-羟色胺5-HT1A受体激动剂，是日本住友大日本制药公司与英国Escientia合作的一部分。人工智能公司在大约12个月内开发了该化合物，相比之下，更典型的五年过程则是如此。

大约一周后，麻省理工学院（MIT）的研究人员使用机器学习算法来识别新的抗生素。该计算机模型可以在几天内筛选出超过1亿种化合物。它被编程为选择与现有药物相比具有不同作用机理的潜在抗生素。

对于非技术人员来说，人工智能和机器学习之间的区别并不十分清楚。即使查看定义，差异也不是很清楚。一般而言，人工智能旨在模拟自然智能来解决复杂问题，并且似乎是定义的关键，因此可以做出决策。

另一方面，机器学习是机器（即计算机）无需明确编程即可自行学习的地方。它是AI的应用。

另一个方面是，人工智能将尝试寻找最佳解决方案，而机器学习将尝试寻找最佳与否的解决方案。

尽管许多生物制药公司正在与AI公司建立合作伙伴关系，以缩短药物开发过程，但正如Escientia和Sumitomo Dainippon Pharma所举例说明的那样，我们还处于早期阶段。

运用AI和机器学习来重组和提供临床试验设计和招募信息似乎还有进一步的发展。Leapcure的联合创始人兼首席执行官Zachary Gobst与BioSpace就公司以及AI和机器学习的这一方面进行了交谈。

Leapcure成立于2015年，在美国和欧洲设有办事处，与药品赞助商，合同研究组织（CRO）和研究人员合作，通过AI和机器学习促进患者参与早期临床开发。该公司专注于公众意识，协议级别的可行性和站点选择。

 “在Leapcure之前，我的背景是与虚拟和移动临床试验领域的初创公司合作。我在帮助寻找那些研究的患者时注意到的是，我们能够与倡导团体合作，并在所有适应症中帮助有影响力的人，我们得到了更好的研究结果，”戈布斯特说。“拥护者将是可及的。他们告诉我们的内容是准确的。基本上，这是按时且顺利完成研究的最有影响力的方法。当我们开始Leapcure时，它回答了这个问题：我们如何在整个过程中使倡导小组在临床试验中发出声音？”

哥布斯特（Gobst）指出，传统上，几乎有一半的临床试验无法达到指定的入组目标，而15％的站点无法招募一名患者。

“我们做的主要工作是帮助招募，但从帮助改进研究设计的角度来看，我们正在挑选更多的项目。我们知道病人的声音。从本质上讲，我们能够在患者参与度，拥护度和数字平台方面进行预测，有助于提供解决方案，为发起人和正确选择患者最佳参与度的方案设计提供正确的方案。”

他说，例如，他们可以招募赞助商公司，并根据他们的招聘协议告诉他们，在查看招聘信息的16个人中，有10个人是否会拒绝接受护理标准或继续进行标准护理，或寻求其他审判。而且，如果患者必须旅行，他们可以帮助确定患者旅行的地点以及所要解决的问题。

戈布斯特说：“有了我们的平台，当我们引入患者并从患者那里获取信息时，他们告诉我们他们的兴趣水平时，我们的平台就能自然地消化这些信息。” “然后，如果您要针对患者群体，那么您如何理解关键字以寻找将要继续注册并参加试验的患者，而不只是使用会增加广告流量的关键字。”

换句话说，他们的AI平台会收集患者数据，并能够帮助确定哪些患者更有可能注册该试验，以及如何使用更具针对性的广告来吸引这些患者。

例如，他们的AI平台允许Leapcure以每次转化费用或每次引荐费用为基础而不是每次点击费用为Google AdWords定位，以获取“质量更好的患者”。

哥布斯特（Gobst）指出了AI和机器学习的区别是如何发挥作用的。“您如何捕获可行的数据？那不是机器学习，那是人工智能。我们有一个数据库，可以接收信号数据并以一种可以与赞助商进行交流的方式将其推出，以帮助他们进行权衡。”

另一方面，他说：“我们的重新定位是由机器学习驱动的。某人注册的个人资料中有几百万个东西是什么？我们如何预测拥有一百万个个人资料的下一个人的结果，并说：“嘿，我们将比其他人高价使用这些关键字。” 因此，从我们的角度来看，人工智能是广泛的，而机器学习对我们来说有特定的用例。”

更具体地讲，Leapcure拥有30到40个案例研究，显示每个赞助商可以节省30万到300万美元。“这很重要，这是真实的。它已经交付了，”戈布斯特说。

他说，通常Leapcure之所以被引入，是因为临床试验的时间紧迫，可能已经超出预算。“现在，他们开始让我们参与进来，以减少他们需要构建的基础架构数量。在明年或我们预期，这实际上将是确保您可以围绕真实数据规划临床试验，并确保方案与之匹配。在我们提供服务之前，赞助商公司可能会举行焦点小组讨论或与精明的医生交谈，但他们最终往往会试图花时间解决问题，而不是使用患者数据来驱动他们的策略。”

最重要的一点是，“哥布斯特意味着对这是如何工作的理解以及公司的底线是：“当您谈论投资组合计划并使用实际数据来推动市场准入和其他临床方面时，倡导模型的试用过程中，您需要对高级用户有更深入的了解，并根据他们的需求做出决策以提供更好的研究结果。