據(jù)報導，麻省理工學院(MIT)成立藥物研發(fā)合成之機器學習協(xié)會(MLPDS)，試圖改變藥物研發(fā)制造流程，目前已有8個產(chǎn)業(yè)合作伙伴，皆為制藥領域龍頭，包括Amgen、BASF、Bayer、Lilly、NovarTIs、Pfizer、Sunovion和WuXi等。

藥物研發(fā)所費不貲又耗時，但機器學習可望分析大量化學資料，提高研發(fā)效率，對于研發(fā)流程和結果皆有幫助。MLPDS協(xié)會將結合MIT研究團隊和產(chǎn)業(yè)的力量，首要目標是把機器學習引進藥物研發(fā)流程中。

2018年4月時，MIT舉辦高峰會，由計算機科學教授Regina Barzilay和電子工程教授Erna Viterbi等人領軍，召集MIT研究者以及科技、生技和管制單位的龍頭，探討如何以數(shù)碼科技和人工智能(AI)克服生物醫(yī)療和醫(yī)療照護的重大挑戰(zhàn)。

MLPDS協(xié)會起初受到美國國防高等研究計畫署(DARPA)Make-It計畫所資助，目標是以機器學習和自動系統(tǒng)來合成藥物，先后于2017年5月和9月跟制藥產(chǎn)業(yè)的企業(yè)代表會商，無論產(chǎn)業(yè)界或MIT皆有濃厚興趣展開合作。

材料科學工程教授Klavs Jensen表示，合作廠商滿懷熱忱，加上機器學習技術潛力無限，這些將是化學和制藥產(chǎn)業(yè)科學家的強力后盾，機器學習有助于規(guī)劃化學合成路徑，帶領我們探索新的化學領域，提升化學的多樣性，將更有機會找出具備特殊功能的化合物。

2018年5月MLPDS協(xié)會再度聚集產(chǎn)業(yè)合作伙伴，透過教學和合作研究計畫，讓他們對于機器學習有基本概念。Barzilay為大家講授基礎的監(jiān)督式學習(supervised learning)，亦即機器學習的其中一種方法，也涵蓋神經(jīng)模型和表征學習(representaTIon learning)。

Barzilay表示，只是剛開始探索這個新領域，但未來潛力無窮，可望改善人們的生活，這次跟制藥產(chǎn)業(yè)合作，相信會是合作順利的關鍵，他向來從產(chǎn)業(yè)界獲益良多，發(fā)現(xiàn)不少值得思考的新問題。

協(xié)會的目標之一是建立評估標準和標竿資料集，以確認機器學習方法的準確度，目前大多數(shù)研究團隊都是基于內(nèi)部資料集來進行評估，有礙不同模型之間互相比較，進而拖慢科學進程，更糟糕的是，公開資料及通常無法呈現(xiàn)制藥研究所面對的復雜性。

MIT透過新協(xié)會進行跨領域合作，包括機器學習、化學和化學工程等。這對于新科技的研究者和使用者都有好處，有助于了解目前的發(fā)展程度，以及機器學習新科技的發(fā)展?jié)摿?。Jaakkola也表示，結合現(xiàn)代機器學習技術和化學知識，可望開啟藥物研發(fā)、改良和合成的新途徑。

化學工程研究生Connor Coley表示，雖然藥物合成規(guī)劃軟件由來已久，但仍未獲得廣泛采用，合成規(guī)劃對于初期藥物研發(fā)階段至關重要，可快速發(fā)現(xiàn)新的合成策略，減少反復研發(fā)、合成、測試的時間。

合作廠商也看好機器學習技術的潛力，Amgen的Shawn Walker表示，機器學習可望加速藥物研發(fā)，更快速把新藥交到病患手上。諾瓦德氏生物醫(yī)療研究機構(NIBR)表示，他們很期待加入MIT所成立的新協(xié)會，可望加速制作更安全而有效的藥物。