虽然生成式AI是相对较新的词汇，但药物研发公司Insilico Medicine多年来一直使用生成式AI开发治疗衰弱性疾病的新疗法。

Insilico Medicine 是NVIDIA Inception计画的成员之一，透过其AI平台发现的候选药物正开始进行第二阶段临床试验

该公司对深度学习的早期投资正开始有所成果使用其AI平台发现的一个候选药物现在进入第二阶段临床试验，用於治疗特发性肺纤维化，这是一种相对较罕见的呼吸系统疾病，会导致肺功能逐渐下降。

Insilico在临床前药物发现过程的每个步骤都使用生成式AI来识别药物化合物可以靶向的分子、产生新的候选药物、评估这些候选药物与目标的结合程度，甚至预测临床试验的结果。

使用传统的方式成本可能超过4亿美元，并需要长达六年的努力。但透过生成式AI，Insilico成功地以十分之一的成本和三分之一的时间完成了这些步骤，专案开始後仅两年半就进入了临床实验的第一阶段。

Insilico Medicine 执行长 Alex Zhavoronkov 表示：「这个第一个进入第二阶段的候选药物是我们用端到端方法将生物学和化学与深度学习相结合起来的真正亮点。这不仅对我们来说是一个重要的里程碑，也对於人工智慧加速药物发现领域的每一个人来说都是一个重要里程碑。」

Insilico Medicine是NVIDIA Inception的杰出成员，这是一个免费计划，为顶尖的新创公司提供技术培训、市场支援和AI平台指导。该公司在其生成式 AI 药物设计引擎 Chemistry42 中使用 NVIDIA Tensor Core GPU 来生成新颖的分子结构，并且是 2015 年 NVIDIA DGX系统早期先驱的首批采用者之一。

AI支援端到端的临床前药物发现

Insilico的Pharma.AI平台包括多个AI模型，这些模型受过数百万数据样本的训练，用於执行各种任务。其中一个名为PandaOmics的AI工具，能够快速识别和优先考虑在疾病有效性中扮演重要角色的标靶，例如引起COVID-19的病毒上的棘蛋白(spike protein)。

另一个称为Chemisty42的引擎可以在数天内设计出新的潜在药物化合物，用於靶向PandaOmics所识别出来的蛋白质。这个生成式化学工具使用深度学习从零开始生成类似药物的分子结构。

Insilico的AI平台负责人Petrina Kamya表示：「通常，在药物研发领域，AI公司要麽专注於生物学，要麽专注於化学。从一开始，Insilico一直将相同的深度学习方法应用於这两个领域，既用AI来发现药物标靶，也用於生成小分子的化学结构。」

多年来，Insilico团队采用了不同类型的深度神经网络用於药物发现，包括生成对抗网络和Transformer模型。他们现在正在使用NVIDIA BioNeMo透过生成式AI加速早期药物发现过程。

在茫茫AI领域精准找到关键

为开发其肺纤维化候选药物，Insilico采用Pharma.AI设计和合成了大约80个分子，达到前所未有的临床前候选药物的成功率。从确定目标到提出有潜力的候选药物进行试验的整个过程耗时不到18个月。

在第二期临床试验中，Insilico的肺纤维化药物将在美国和中国数百名患有该疾病的患者身上进行试验。整个过程将需要数个月，但与此同时，该公司还有30多个针对其他疾病的计画正在酝酿中，其中包括许多抗癌药物。

Zhavoronkov 表示：「当我们第一次展示我们的成果时，人们只是不相信生成式AI系统可以实现这种程度的的多样性、创新性和准确性，现在我们拥有一整套有潜力的候选药物，人们意识到这确实有效。」