隨着新冠病毒在全球範圍內持續傳播，各大葯企也爭相在最快的時間內研發交付 COVID-19 疫苗和抗病毒藥物。輝瑞公司首席數字與技術官 Lidia Fonseca 表示：機器學習（ML）技術在其中扮演了至關重要的角色 —— 從藥物發現到臨床試驗，並且貫穿了供應鏈管理和終端分銷。
資料圖（來自：Pfizer 官網）
The Register 指出，輝瑞（Pfizer）開發了兩種對抗 COVID-19 的武器。其一是與 BioNTech 共同開發的疫苗（商品名為 Comirnaty），其二是不太常見的口服抗病毒治療藥物（商品名為 Paxlovid）。
與周二的英偉達 GTC 大會上，Lidia Fonseca 在與美國德勤首席執行官 Joe Ucuzoglu 的對話期間強調稱：
我公司有顯著的例子，即藉助 AI 數字數據的力量，在創紀錄的時間內將 Comirnaty 疫苗和 Paxlovid 口服治療藥物推向了市場。
據悉，機器學習模型非常適合尋找具有所需特性的新分子的任務，科學家們能夠在大流行早期對冠狀病毒刺突蛋白的結構進行測序和拼湊。
這些刺突會鎖定在細胞表面，從而讓冠狀病毒被吸收並允許複製。結果導致人類宿主被感染，並引發呼吸系統疾病、疲勞、頭痛等癥狀，以及造成其它有害健康的影響。
（圖自：CDC）
輝瑞選擇的 mRNA 疫苗路線，旨在教導免疫細胞識別新冠病毒的刺突蛋白特徵，從而在其潛入人體時及時響應並消滅。
在短短四個月內設計出基於 mRNA 疫苗、將其投入臨床試驗、以及招募來自六個國家的數萬名志願者展開測試之前，機器學習（ML）算法幫助該公司預測了製造階段的產量，且人工智能（AI）系統被用於分析受試者的癥狀差異。
此外輝瑞同時藉助上述兩套方案來預測產品的保管溫度，為存放疫苗的 3000 多個冰櫃提供了預防性維護，還有利用物聯網傳感器來監測並追蹤疫苗轉運及其溫度的準確率。
至於抗病毒藥物 Paxlovid，其能夠在癥狀初顯時口服，同時科學家們對如何盡最大限度地減少對疫苗過敏群體的影響有了更深入的了解。
在模型生成了一系列有希望的候選分子之後，他們能夠在超級計算機上，對其中一小部分展開虛擬模擬測試。
由臨床試驗參與者的測試報告可知，許多過敏反應都是由容納疫苗的某些液體的脂質納米顆粒所引起。
在此基礎上，輝瑞使用超級計算機開展了分子動力學模擬，以找到減少過敏反應的脂質納米顆粒特性的正確組合。
輝瑞認為 COVID-19 將葯企的技術轉型提前了五年（圖 via BSC）
最後，據 HPC Wire 報道，輝瑞選擇了 MareNostrum 4 超算來模擬測試潛在的新葯。
該系統位於巴塞羅那超算中心，包含 3456 個節點（每節點擁有兩枚 Intel 至強 白金 8160 處理器 + 四路英偉達 V100 GPU 加速卡），峰值性能可達 11.15 P-FLOPS，
近年來，越來越多的大型製藥企業開始轉向 AI 技術，以實現大規模流程的自動化、降低成本並縮短新葯的上市時間。
以輝瑞為例，該公司不得不專註於協同該領域的大大小小的技術企業展開合作，以更好地運用數據生成、聚合和分析。
Lidia Fonseca 總結道：
AI 與 ML 驅動的數據分析，正在推動藥物的研發，同時也有助於加強預防、早期檢測、個性化治療、以及數字療法。
技術層面，隨着新基因療法和數字療法的發展，它們也有望很快獲得批准。最後，量子計算能力將有助於更快地向患者提供突破性的藥物。