過去，專家必須花費三至五年摸索藥物、尋求解方；如今，前IBM首席科學家、圖策科技創辦人林清詠與AI協作，找出打開疾病鎖的藥物鑰匙。他運用了大規模資料分析和圖論領域的專業，建立Graphene Atom平台、納入143種藥物工具，只要五到六天，就能找出結果。
當找尋藥物的腳步加快、成本下降，圖策科技開始投入改善療效不佳的常見藥物、尋找罕見疾病的解答。他如何運用AI，找出治療新希望？本集未來城市邀請林清詠分享他的開發經驗及運用思考。
未來城市Podcast EP.102
▹ 未來主持人：未來城市頻道資深總監 陳芳毓
▹ 未來大來賓：圖策科技創辦人 林清詠
▹ 訪談精華一次收藏：
問：你曾是國際商業機器公司（IBM）首席科學家，但在IBM20年後，你為什麼決定離開，在生物醫療產業領域創業「圖策科技」（Graphen）？
林清詠（以下簡稱林）：2019年，我發生心肌梗塞，我躺在手術床上問醫生：「為什麼是我？」因為其他病患大多是7、80歲的人，我當時還不到50歲，醫生判斷可能是基因問題，這讓我開始研究基因檢測。
在這之前，我做過基因技術公司「23andMe」的單核苷酸多態性（SNP）分析和全基因組測序（WGS），但基因報告並沒有告訴我心肌梗塞的風險發生率。於是，我憑藉在大規模資料分析和圖論研究由節點（頂點）和連接節點的邊所組成的數學結構。它可以模擬複雜系統中的關係網絡，廣泛應用於網絡分析、路徑規劃、社交網絡分析等領域。方面的專長，開始自主開發基因分析工具。
我們挖掘了文獻、理解自然語言處理（NLP）和神經網路分析，最後開發全基因組測序分析工具，且能找到患病原因及發生機率，結果令人驚艷。
大家都認為，癌症可能與環境有關，但基因可能才是主因。我受到中央研究院前化學所所長陳玉如的「2016年，中研院加入美國發起的「癌症登月計畫」，並運用蛋白基因體學分析癌症病患、探索疾病發生機制、治療方式等。」的啟發，她難以解決的癌症問題，就是圖策的專業優勢，我們可以突破生物醫學領域的障礙。我希望能善用AI、幫助更多人，讓悲劇不再重演。
問：在國外，相關研究的公司還不少，比如前陣子拿到諾貝爾獎的DeepMind的AlphaFold，他們透過人工智慧了解蛋白質的結構，你們跟他們的研究有哪些不同？
林：我們不太一樣，但出發點都在蛋白質結構預測。AlphaFold橫向發展，著重於預測所有蛋白質的結構；Graphen則是縱向發展，我們認為，預測結構和發能解決健康問題和藥物間的關係。也就是說，了解蛋白質結構只是第一步，完成基因檢測分析後，還必須有藥，才能醫治疾病。
藥物設計有很多程序，例如，藥物吸收消化問題，與它能不能溶於水、是口服或注射藥物等有關。為了考慮這些因素，我們得先開發許多工具，才能運用AI設計藥物。所以，我們建立了一個Graphen Atom平台，納入12類、共143種工具，並建模、整理出蛋白質網路的特性及相互影響作用，希望能對人類的健康帶來革命性影響。
問：很久之前就有人嘗試以AI開發藥物，但是早期的失敗率頗高，你認為和現在開發藥物的差異在哪裡？為什麼運用AI開發藥物，能省下許多時間和成本？
林：過去製造藥物無法掌握預測性，需要化學家、生物學家各司其職、篩選候選藥物，長達三到五年才能找到一個候選藥物。你想像，我們製藥時，就像打一把鑰匙（藥）開鎖（蛋白質），但過去，我們不知道鎖的模樣，只能不斷試錯，直到拿到可以打開的鑰匙。換句話說，藥物開發成本高、時間長，且不一定是最佳解藥。
目前，製造藥物幾乎全由AI輔助藥物設計（AI assisted drug design）。現在是藥物設計的牛頓時代——就像牛頓發現萬有引力、動力學公式後，人類可以預測物體的運動及原因，這也造就工業革命與現代生活。
現在，生物醫學正在轉變，不再只是實驗再實驗的科學，而是能預測成功、驗證結果。
從我們的經驗來看，過去開發一支藥的成本，現在可以開發1,300支藥——因為我們與AI虛擬專家協作，它不只是助理，還是藥物開發的代理（Agents）。
在我們的模型中，代理人可24小時協作。只需輸入指令和條件，並提出所有願望清單，AI會輸出所有可能的結果；接下來，由代理人專家共同評估，判斷此方案是否符合要求，並給出最佳解決方案。現在，只需要五、六天，AI就能完成討論、得出結果。
目前，驗證仍靠傳統方式，藥物必須通過生物及人體實驗，並請第三方實驗，證明模型結果。截至現在，這些藥物結果幾乎完美證明了模型所預測的結果。（延伸閱讀｜15億筆資料看台灣長照：AI如何一年減輕100位護理師的負擔？）
問：你們研究了哪些傳統藥物無法解決的問題，如今看到了新的希望？對藥物的未來想像，你們有哪些思考？
林：目前有兩大方向：
第一個方向在於罕見病患者。因為開發一支藥往往需要數十億美金（超過新台幣300億元），罕病常被忽視、患者幾乎無藥可治。因此，公司提出「No one left untreated」（不遺漏任何患者）口號，希望能為所有人帶來治療希望。我們與美國罕見病基金會合作，推動罕病藥物開發研究；各國也逐步加入，若認識罕病朋友，也歡迎聯繫我們。
運用AI預測蛋白質結構，可加速藥物設計效率，突破更多疾病治療難題。圖片來源：Shutterstock
另一方向是人類常見疾病。由於許多藥物不一定是最佳選擇，我們努力找出更好的解方。以關節炎為例，治療方式多是抑制疼痛；但我們的藥物設計是使其不再腫脹、促進再生。在動物實驗中，有關節炎的老鼠，兩隻腳的重量比重是30%比70%；28天後，變成50%比50%，且切片檢查後，也確認了老鼠的軟骨再生。
另一支肝纖維化藥物也滿成功，當肝有問題，可能會走向脂肪肝、肝硬化及纖維化。但我們在動物實驗中，看到纖維化階段已有一定程度的逆轉。
我們的藥物能對症下藥，且沒有交互作用和毒性，這讓我們期待能提升藥量、改善治療效果。
未來10到20年內，藥物可能是個人化的精準藥物，可根據你的基因、現在基因表現、疾病走向和個人特殊情況客製化。
或許以後病人看診後，可直接透過AI向藥廠下單，隔天就能拿到最適合自己的藥；如此一來，AI也能減輕醫務人員負荷，只要處理最關鍵的事情。
聽懂未來：關於AI醫療，我還想知道更多⋯
未來城市給你更多知識補充包！
- 「AI實現醫學牛頓時刻」「一張罰單變美國駕駛」旅美AI科學家林清詠陽明交大畢業致詞：開闊視野、追求精準、連結創新
- 「未來醫師」怎麼看病？ChatGPT會掀起《AI醫療革命》嗎？
- 不按牌理出牌的醫生葉肇元：打造AI數位病理百貨，挺進德日市場
想聽更多未來城市Podcast節目？
- 首播時間：隔週六播出。
- 頻道搜尋：天下雜誌Podcast頻道「聽天下」，或關注未來城市網站「未來城市Podcast」系列內容。
