人类有望在两三年内治愈癌症.docx

人类有望在两三年内治愈癌症.docx

《人类有望在两三年内治愈癌症.docx》由会员分享，可在线阅读，更多相关《人类有望在两三年内治愈癌症.docx（9页珍藏版）》请在冰豆网上搜索。

人类有望在两三年内治愈癌症

人类能否在两三年内治愈癌症？

Howonecompanyisusingartificialintelligencetodevelopacureforcancer

Couldwebejusttwoorthreeyearsawayfromcuringcancer?

NivenNarain,thepresidentofBerg,asmallBoston-basedbiotechfirm,saysthatmayverywellbethecase.

我们是否真的在两三年之后，就能实现治愈癌症的愿景？

波士顿小型生物科技公司Berg的总裁尼文•纳雷因表示，可能真是这样。

Withfundingfrombillionairereal-estatetycoonCarlBergaswellasfromMitchGray,Narain,amedicaldoctorbytraining,andhissmallarmyofscientists,technicians,andprogrammers,havespentthelastsixyearsperfectingandtestinganartificialintelligenceplatformthathebelievescouldsooncrackthecancercode,inadditiontodiscoveringvaluableinformationaboutavarietyofotherterriblediseases,includingParkinson’s.

凭借亿万富翁、房地产业大鳄卡尔•伯格和米奇•格雷提供的资金，纳雷因和他带领的科学家、技术人员和编程人员团队耗时6年，完善并测试了一个人工智能平台，纳雷因认为，这个平台可能很快就会解开癌症的密码，同时为治疗包括帕金森症在内的一系列严重疾病提供有价值的信息。

Thankstopartnershipsformedwithuniversities,hospitals,andeventheU.S.DepartmentofDefense,Berganditssupercomputershavebeenabletoanalyzethousandsofpatientrecordsandtissuesamplestofindpossiblenewdrugtargetsandbiomarkers.

凭借着跟多所大学、医院甚至美国国防部建立的合作关系，伯格公司及其超级计算机系统已经分析了成千上万的病历和组织样本，以找到有可能全新的药物靶标和生物标志。

AllthisdatacrunchinghasledtothedevelopmentofBerg’sfirstdrug,BPM31510,whichisinclinicaltrials.Thedrugactsbyessentiallyreprogrammingthemetabolismofcancercells,re-teachingthemtoundergoapoptosis,orcelldeath.Indoingso,thecancercellsdieoffnaturally,withouttheneedforharmfulandexpensivechemotherapy.

经过庞大的数据计算，伯格公司开发出第一款新药——BPM31510，目前该药已经进入临床测试阶段。

它可以重组癌细胞的新陈代谢，重新教会癌细胞如何死亡。

在这个过程中，癌细胞就会自然死亡，使患者不必经历对身体伤害极大又十分昂贵的化疗过程。

Sofar,Berghasconcentratedmostofitsresourcesonprostatecancer,giventhelargeamountofdataavailableonthedisease.Butthankstorecentlyannouncedpartnerships,thefirmisnowbuildinganewmodeltargetingpancreaticcancer,whichisoneofthedeadliestformsofcancerswithasurvivorshiprateofonly7%.

到目前为止，伯格公司的主要资源都集中在前列腺癌上，因为目前有大量关于前列腺癌的数据可供研究。

不过拜一项最新合作所赐，该公司现在已经开始构建针对胰腺癌的新模型了。

胰腺癌也是最凶险的癌症之一，目前的存活率只有7%。

Ambitiousasthatmaybe,itisreallyjustthetipoftheiceberg.Inadditiontomappingoutprostateandpancreaticcancer,Berghopestoanalyzedatafromawholehostofotherdiseases,includingbreastcancer.Additionally,Bergthinkshiscompany’sartificialintelligenceplatformcanalsorevolutionizedrugtestingbycreatingindividualizedpatient-specifictreatmentoptions,whichhebelieveswillultimatelyreducetheriskofadversedruginteractionsinclinicaltrialsandhospitalsbyasignificantdegree.

这个目标本身可谓雄心勃勃，但它还只是冰山的一角。

除了治疗前列腺癌和胰腺癌之外，伯格公司还希望分析多种其它疾病的数据，包括乳腺癌。

另外，伯格公司还认为，它的人工智能平台可以根据病人的特异性制定专门针对个别患者的治疗方案，从而将掀起一场药物测试的革命，并显著降低药物的负面作用在临床实验和医疗实践中的风险。

IsatdownwithBergandNaraintodiscusshowthecompanyworksandwhattheyhopetoaccomplishinthenextfewyears.Thefollowinginterviewhasbeeneditedforpublication.

我采访了卡尔•伯格和纳雷因，探讨了该公司的工作机制，以及他们在未来几年内的目标。

以下是采访摘要。

Fortune:

Carl,whydidyoudecidetomovefromrealestateintohealthcareandhasitpannedoutlikeyouthoughtitwould?

财富：

卡尔，你为什么选择从房地产业转向医疗行业？

它的进展是否符合你的预期？

CarlBerg:

Ihavebeenintheventurecapitalbusinessfor40yearsbutIneveroncetouchedbiotechbecauseIwasconcernedabouttheriskassociatedwithgovernmentapproval–it’sbadenoughwhenyou’redoingventurecapitalbutaddingonemoreequation,likegettingapprovalfromtheFDA[FoodandDrugAdministration]makesitalotharder.ButabouteightyearsagoIsaid,insteadofgettingintoawholebunchofsmallcompanies,IaminapositionnowwhereIcandosomethingreallybiginahopethatitchangestheworld.Sothat’swhatmotivatedme,andthenImetwithNiven,andthat’swhatgotitstarted.

卡尔•伯格：

我已经在风投界干了40年了，但我从来没有触碰过生物科技领域，因为我担心与政府审批有关的风险。

做风投本身就不容易，又要多花一番工夫去获得美国食品药品监督管理局的认证，那就会更难。

但大概8年前我曾说过，现在我不必再做一堆小公司了，而是有能力做一些影响力足够大甚至有希望改变世界的事。

这个目标激励了我，然后我认识了尼文，我们就是这样开始这项事业的。

DidNivenconvinceyoutogointobiotechordidyoufindNiven?

是尼文说服了你进入医疗行业，还是你找到了尼文？

CB:

IwasconsideringaskincareproductinvestmentandIwasintroducedtoNivenattheUniversityofMiami.Nivenwastheprojectmanagerandaboutacouplemonthsintoworkonthisproduct,Nivencalledmeandsaid“Carl,thisskincareproductappearstohaveaneffectoncancer.”TowhichIsaid“Sure,wheneveryoucuresomebody,letmeknow.”

卡尔•伯格：

当时我正考虑投资一款护肤产品，然后我在迈阿密大学经人介绍认识了尼文。

尼文当时是那个项目的经理，那个项目开始大约一两个月后，尼文给我打电话说：

“卡尔，这款护肤产品似乎对治疗癌症有效。

”我说：

“好吧，如果你治好了谁，记得让我知道。

”

Youdidn’tsoundveryconvinced.

你听起来好像不太相信。

CB:

Everybodyknowsthateverycancerisdifferent,sohowcouldthisonethingwork?

Thatdidn’tmakeanysensetome.AndNivensaid,“CanIflyouttoCaliforniaandshowyoumyresults?

”Andhecameout,andwetalked,andIgotconvincedthatthetechnologyhewasusingandtheapproachhewastaking,couldrevolutionizethepharmaceuticalmarket.

卡尔•伯格：

人人都知道，每种癌症都是不一样的，那么这个东西怎么会有效呢？

在我看来根本就说不通。

这时尼文说：

“我能飞到加州向你展示一下我的成果吗？

”然后他就来了，经过一番交流，我相信他使用的技术和方法真的有可能在医药市场掀起一场革命。

Niven,whatdidyousaytoconvinceCarlBergthatyourworkonskincreamcouldpossiblyleadtoacureforcancer?

尼文，你是怎样让卡尔•伯格相信，你那款护肤产品上有可能治愈癌症？

NivenNarain:

WhenImetwithCarlwewerealignedphilosophicallythattherehastobeabetterwaytocreateamoreefficienthealthcaresystem–onethatreallymatchestherightpatientstotherightdrugsinaveryprecisemanner.SoCarlsupportedtakingthisconcepttothenextlevel.Insteadoftreatinghumanswithchemicals,thatarescreenedtobecomedrugs,weactuallystartedwithhumantissuesamplesandworktounderstandthebiologyanddevelopdrugsbasedonthat.UsingAI[artificialintelligence]insteadofhypotheses.

尼文•纳雷因：

当我见到卡尔时，我们原则上同意，肯定有办法建立一个更高效的医疗系统，它能够以非常精确的方式，将病人与正确的药物进行匹配。

卡尔支持我们将这个理念引向深入。

我们不是利用筛选过的化学制品治疗病人，而是从人体的细胞样本入手去了解人体生物学，然后据此研发药物的。

我们使用的是人工智能，而不是各种假设。

Howexactlydoesartificialintelligencecomeintoplayhere?

人工智能究竟在这个过程中起了什么样的作用？

NN:

Whenyoustartwithahypothesis,youaredismissingalotofotherareasthatmightactuallyhaveanimpactonwhateveryouaretryingtofigureout.Howmanytimesdoweseedrugsgettolatestagetrialsandfailbecausetheearlyscienceeitherwasn’trobustenoughorfocusedonthewrongtarget?

尼文•纳雷因：

如果你从一个假设入手，你就排除了很多其他可能产生真正效果的领域。

有多少次药物在晚期测试的失败，是因为它的早期科研不够扎实，或是选择了错误的靶标？

AtBerg,weuseAItocreateover14trilliondatapointsononlyonetissuesample.Itisactuallyhumanlyimpossibletogothroughallthisdataandusethetraditionalhypothesisinferencemodeltogleananyvalueoutofallofit.SoearlyonwhenwebuiltwhatwecallaninterrogativebiologyplatformusingAItogothroughallthatdata.AIisactuallyabletotakealltheinformationfromthepatient’sbiology,clinicalsamples,anddemographicsandreallycategorizewhichonesaresimilarandwhichonesaredifferentandthenstratifythoseinawaythathelpsusunderstandthedifferencebetweenthehealthyanddiseased.

在伯格公司，我们只针对一个组织样本就建立了超过14万亿个数据点。

无论是使用人力，还是使用传统的推理假设模型，要想从所有这些数据中摘取有价值的信息，都是不可能的。

所以当我们构建我们所称的疑问型生物平台时，我们使用了人工智能来分析所有数据。

人工智能可以从病人的生物数据、临床样本和人口统计资料中摘取所有的信息，并且可以根据类似性和差异性进行分类和分层，从而帮助我们了解健康细胞和病变细胞之间的差异。

Fourteentrilliondatapointssoundslikeinformationoverload.

14万亿个数据点听起来有点超负荷的感觉。

NN:

Sotherearetwocomponents:

theupfrontbiologicalandthereissomethingcalledomics.Wegomuchdeeperthanjustanalyzingthegenome,welookatallthegenesinthattissuesample,alltheproteins,metabolites,lipids,patientsrecords,demographics,age,sex,gender,etc.Wecombinethe30,000genesinthebodywithabout60,000proteinsandafewhundredlipids,metabolites.Thenwetakethosecomponentsandsubjectthemtohighordermathematicalgorithmthatessentiallylearns,usesmachinelearning,tolearnthevariousassociationsandcorrelations.

尼文•纳雷因：

所以它有两个组成部分：

首先是生物信息，然后还有所谓的“组学”。

我们不仅仅是分析基因组，而是研究一个组织样本的所有基因、蛋白质、代谢分子、脂质、病历记录、人口统计学资料、年龄、性别等等信息。

我们把人体的3万个基因与6万种蛋白蛋和几千种脂质、代谢分子的信息综合起来，然后把这些成分用具有机器学习功能的高阶数学算法进行计算，以了解它们的各种关联性和相关性。

Omics–it’safairlynewterm.Itmeansyou’regoingbeyondjustthegenome.Itmeansalltheomics–proteomics,metabolomics,andproteins.Sowemaybebornwith30,000genes,andthosegeneswerebornwithcertainmutations,butthat’snottheendofthestory.YouliveinNewYorkCity,youareexposedtodifferentthingsintheenvironment,yourdietisdifferentthansomeonewholivesinAlabamaandyoursleepinghabitsaredifferentfromsomewholivesinUtah.Webelieveallofthesethingshavetobeputtogethertotellthewholestoryofyouromics–thefullprofileofyou.

组学是一个相对较新的术语，它意味着你不能仅仅盯着基因组，而是所有的“组”——比如蛋白质组、代谢组等等。

虽然可能我们出生就带着3万个基因，而且这些基因可能还有某些天生的突变，但这并不是故事的结尾。

你住在纽约市，暴露在环境中的不同物质里，你的饮食与阿拉巴马州的某个人不一样，你的睡眠习惯也与犹他州的某个人不一样。

所以我们认为，这些东西应该综合起来，才能完整描绘你的“组学”，即你的整体资料。

Buthowdoesallofthisgetustoacureforanything?

Seemslikeabunchofnumbercrunching.

但是这些东西怎样让我们治病？

看起来只是一堆数据分析而已。

NN:

Iknowyoucovertheairlineindustryprettyintently,soyouareprobablyfamiliarwiththoseairlineroutemapsthatshowalltheconnectionsbetweenhubscitiesanddestinations.Sowiththeinterrogativebiologyplatform,theresultofallthatnumbercrunchinglookssimilartoa3Dversionofthosemaps.Butinsteadofthoseconnectionsgoingbetweencities,theyaregoingbetweengenesandproteins.Wethenfocusinonthebighubsandseewhat,ifanything,iswrong.Forexample,inasystem,ifDallasisinOklahoma,obviouslyweknowsomethingiswrong,sotheAIhelpstopushDallasbackintoNorthTexas,andanalyzewhateventshappenedinthebiologytomakethatanormalprocessagain.Thisiswhatwefocusinon.Theelementswithinthebiology,thegenesandproteinsthatmadethatahealthyprocessagain.

尼文•纳雷因：

我知道你经常报道航空业，你可能很熟悉航空公司的路线图了，它们展示了各个枢纽城市和目的地之间的联系。

在我们的疑问型生物平台上，所有这些数据分析的结果看起来就像3D版的航空路线图。

但这些联系并不是城市与城市之间的，而是基因与蛋白质之间。

然后我