【科技.未來】全球疫情大爆發 科學家如何利用AI抗疫?

撰文:
最後更新日期:

截至周日(2月23日),源於武漢的新型冠狀病毒肺炎(COVID-19)在全球確診逾7.88萬人,有逾2,460人死亡。防控和治療是當下最迫切的任務,除了檢疫隔離和加強衞生等措施外,科學家正進行各種研究,務求令疫情盡早結束。短短十七年內,我們經歷了嚴重急性呼吸系統綜合症(SARS,俗稱「沙士」)、中東呼吸綜合症(MERS)大規模疫症爆發,在應對疫情的同時,應如何做好防備工作?

今年1月9日,世界衞生組織向全球公告武漢爆發新型冠狀病毒肺炎。然而,早於去年12月31日,加拿大人工智能(AI)公司BlueDot已向客戶發出避免前往武漢的警告。BlueDot之所以能比世衞快兩周響起警號,在於使用了自然語言處理(NLP)和機器學習來梳理多個來源的資訊,包括每天消化65種語言共10萬份新聞報告。這些數據會與航空記錄對照,以助預測病毒爆發規律,也會結合某地區的氣候、溫度甚至本土禽畜的資訊,來預測當地一名受感染人士會否造成大規模爆發。當數據自動篩濾完成後,再由人類流行病學家檢查在科學上是否合理,最後才發出報告。另一間傳染病監控公司Metabiota也使用了類似方法,在泰國、韓國、日本和台灣公布有確診個案前一周,已判斷病毒會在這些地區出現。

BlueDot行政總裁及感染科醫生Kamran Khan解釋:「官方資訊不一定及時。是一個旅客感染還是會大規模爆發,視乎前線醫護人員是否察覺有某種疫症出現,這可以預防疫情真正爆發。」AI的能力不限於追蹤和監控疫情,科學家正試圖以AI尋找治療新型肺炎的藥物。

早於去年12月31日,加拿大人工智能(AI)公司BlueDot已向客戶發出避免前往武漢的警告。(路透社)

機器學習尋找妙藥

至截稿為止,尚未有特效藥可專門醫治新型肺炎,現時用藥主要從現有的其他抗病毒藥來測試成效,例如中國正在武漢以美國藥廠吉利德(Gilead)的抗病毒藥瑞德西韋(Remdesivir)作臨床試驗,也試過用抗愛滋的快利佳(Kaletra),本月中頒布的《新冠肺炎診療方案(試行第六版)》加入了用於甲型和乙型流感的阿比朵爾(Arbidol)和另一抗病毒藥利巴韋林(Ribavirin),另有10間醫院以逾100人測試抗瘧疾藥磷酸氯喹(Chloroquine Phosphate);泰國亦曾同時以抗愛滋藥配合抗流感藥奧司他韋(Oseltamivir)治療。此外,日本富山化工研發的抗流感藥法匹拉韋(Favipiravir)在深圳一個70人的臨床測試中初步有效;中國亦正試驗以康復者的血清治療。

一些公司則希望以AI從茫茫藥海中找出特效藥。美國生物科技公司Insilico上月底決定嘗試找出治療新型肺炎藥物的線索,公司行政總裁Alex Zhavoronkov對《南華早報》解釋:「把設計為治療愛滋病等其他疾病的現有藥物改變用途重新使用,在短期內是正確的策略,因為已確認它們安全。但那未必是最理想的做法,因為這些藥物本來設計作其他用途。我們的方法更為長遠,目標是找出針對那種病毒的專門分子。當大家相信我們的演算法,就會願意投放資源到分子的合成和試驗。」

至截稿為止,尚未有特效藥可專門醫治新型肺炎,現時用藥主要從現有的其他抗病毒藥來測試成效。(路透社)

Insilico研究了位於北京的全球健康藥物研發中心所發表的新型肺炎潛在治療清單,決定從當中一種對冠狀病毒繁殖甚為關鍵、名為3C-樣蛋白酶(3C-like protease)的酵素着手。他們先以28個不同機器學習模型設計新的分子,希望能與3C-樣蛋白酶結合,從而抑制其功能。當中部份技術採用了製作「深偽影像」(deepfakes)背後的機器學習技術對抗生成網絡(GAN),以圖找出可與該蛋白酶結合的適合結構。之後再以機器學習篩選這些分子設計,具「類似藥物」特性和化學活性的會有更高分數,從而剔除一些不太能作為藥物的選項,例如金屬化合物。他們也會篩走一些與現有、已知結構的分子設計相似的選項,確保不同設計之間具多樣性,以擴大測試範圍。

Insilico的AI系統花了四天時間分辨出數以千計可能對新型肺炎病毒有效的分子,該公司聲稱會合成最有可能成功的100個分子,以測試成效,並會把它產生的分子結構資料開放予其他研究者使用。他們希望透過這種方式能縮減尋找新療法和進行臨床測試的時間,由以往數以年計減至僅一、兩周。Zhavronkov期望透過開源,顯示他們的演算法能快速設計新藥,不論在今次疫情或預防下一次傳染病爆發中也能發揮作用。

類似的公司還有英國AI初創公司BenevolentAI,該公司計劃從已核准的藥物中找出哪些或有可能阻止感染過程。他們的AI系統根據大量醫療數據和科學文獻中已知的冠狀病毒化學特性尋找藥物,在得出幾個選項後,系統最終建議用於類風濕關節炎的Baricitinib可作為潛在治療藥物來測試。

英國AI初創公司BenevolentAI計劃從已核准的藥物中找出哪些或有可能阻止感染過程。他們的AI系統根據大量醫療數據和科學文獻中已知的冠狀病毒化學特性尋找藥物。(資料圖片/BenevolentAI)

更便宜的合成病毒

在應用新科技的同時,疫症爆發後的一些基礎科研也相比過往進行得更有效率。在一些實驗室,研究人員正爭相嘗試合成複製出新型肺炎病毒來研究。在過往疫症爆發時,科學家要等數月甚至數年才知道病毒的模樣,但是次新型肺炎病毒,世衞在1月12日已宣布收到由上海復旦大學學者上載分享的完整基因序列,可供全球公共衞生機構及科研人員索取。

新型肺炎病毒約有三萬個鹼基對,由稱為RNA的遺傳物質構成,科學家一般會將之轉換成DNA以方便研究。美國北卡羅萊納大學(UNC)冠狀病毒專家Ralph Baric的團隊預計可藉此重新製造出整個新型肺炎病毒。他的團隊上月已從一間生產商落單,訂製生產與新型肺炎病毒基因序列近乎一樣的DNA。貨到後,Baric會注入遺傳指令到細胞中,順利的話,應可製造出真正具感染性的病毒粒。

之所以能憑着遺傳指示「重啟」病毒,全賴IDT、Twist Bioscience、Atum等DNA分子訂製生產商。一般花費數千美元便可訂製適當的基因,將之縫合起來就可製造出冠狀病毒複本,最後把遺傳物質注入,就可激活病毒。

在一些實驗室,研究人員正爭相嘗試合成複製出新型肺炎病毒來研究。(Getty Images)

合成病毒與真正病毒基本上應該一樣。但合成病毒可以不斷複製,UNC全球公共衞生副教授及冠狀病毒專家Timothy Sheahan說,「我們有一個DNA複本,可以不斷重複製造基因相同的病毒。」有了這些複製病毒,科學家可以嘗試移除或增加基因、研究它的散播方式、如何進入人體細胞等。例如Sheahan想試試以這病毒感染老鼠,再給牠們不同藥物,看看哪種有效。

人工合成病毒也可助科學家緊貼難以預測的疫症爆發路徑。美國艾奧瓦大學(The University of Iowa)微生物學及免疫學家Stanley Perlman解釋:「我擔心這病毒將會在疫症中突變,利用合成病毒就可讓我研究突變會有什麼效果。合成病毒只是真正病毒的替代品,但有了DNA,你可以嘗試操縱它,找出弱點並研發治療。」一眾DNA生產商最近就收到來自生物科技公司、政府、大學等大量訂單,製造出病毒的不同部份,包括那些可用作驗證診斷測試的,或需要用來研發疫苗的。

基因合成技術並非全新事物,2000年代初,紐約州立大學(SUNY)有研究人員單憑基因序列和致電訂購的預製DNA,製成脊髓灰質炎病毒。但隨着基因合成技術的發展,成本比二十年前便宜得多。Twist Bioscience行政總裁Emily Leproust回想:「若你回到2000年,製造一對DNA鹼基要10美元,但在2010年只要1美元,所以你可以造十倍的量。到今天,每對只要9美仙,又多了十倍。」科研人員因而有更多的合成版本可作實驗。「在生物研究,第一次實驗幾乎從來不會成功,你要試很多次才達到目標。我們提供了機會給大家更快作出更多嘗試,令他們更快找到答案。」Leproust說。

繼續閱讀:【科技.未來】疫苗研發姍姍來遲 只能預防下次爆發?

相關文章︰

AI診症匹敵人類醫生 可否知疾病成因?

不問「為什麼」 AI可有真正智能?

新藥研發低迷 AI可如何顛覆生態

AI用數據研製新藥 反而是它的最大局限?

未來製藥專家 將由AI取代人類?

上文節錄自第202期《香港01》周報(2020年2月24日)《只能預防下次爆發? 科研抗疫總姍姍來遲》。

更多周報文章︰【01周報專頁】

《香港01》周報,各大書報攤、OK便利店及Vango便利店有售。你亦可按此訂閱周報,閱讀更多深度報道。



X
X
請使用下列任何一種瀏覽器瀏覽以達至最佳的用戶體驗:Google Chrome、Mozilla Firefox、Microsoft Edge 或 Safari。為避免使用網頁時發生問題,請確保你的網頁瀏覽器已更新至最新版本。