AIGC有許多潛在的用途，包括令人難以置信的事情，比如潛在地幫助治愈癌癥。

由于ML的速度和能力，它可以非常快速地分析大量的化合物、藥物試驗和臨床結果的數據集，這使得研究人員可以加快篩選潛在測試候選人的艱巨任務。

總部位于牛津的生物技術公司Etcemble在AIGC的幫助下創造了一種免疫療法的藥物。

讓我們來看看這一突破可能意味著什么，以及AIGC如何很快成為抗擊癌癥的關鍵武器。

免疫療法與癌癥

一些癌癥的治療方法，如化療，是通過直接針對癌癥來發揮作用的，免疫療法試圖增強人體的防御系統，以便它們更有效地摧毀癌細胞。

Etcemble的工作集中在一種被稱為T細胞激活劑的免疫療法藥物上，這種藥物旨在使存在于白細胞中的免疫細胞更接近癌細胞，這樣它們就可以完成殺死癌細胞的工作。

該項目名為ETC-101，通過靶向PRAME(黑色素瘤中優先表達的抗原)來做到這一點。PRAME是一種蛋白質，經常在癌細胞中被發現，但在健康器官組織中很少見。

這個想法是，身體的自然防御可以引導到它們將產生最大影響的區域，同時將對身體其他部位造成的損害降至最低，這意味著副作用更少，有望縮短患者的康復時間。

AIGC是如何使用的?

Etcemble基于生成性大型語言模型創建了自己的AIGC引擎，名為Emly——與支持ChatGPT等工具的技術相同。

Emly被用來掃描T細胞受體的遺傳密碼——人體免疫系統細胞的分子機制，幫助它們發現外來或異常實體，如病毒或癌細胞。通過掃描數億個這樣的代碼，它能夠確定哪些細胞最有可能有效地對付特定的癌細胞。特別是，它正在尋找最有可能具有低PM親和力的候選白細胞，這意味著它們是最有可能與癌細胞結合并摧毀它們的細胞。

此外，它還尋找對附近健康細胞不太可能有害的細胞，這意味著它們不太可能引起有害的副作用。

一種設想是，每個癌細胞都有一個獨特的鎖，而白血球就像一堆鑰匙。找到適合鎖的鑰匙，細胞就可以被摧毀——但不幸的是，有數以億計的鑰匙需要嘗試!

對所有可能的組合進行分類——即使是傳統的計算機模擬——將需要很長時間，可能比患者所做的還要長。但使用像Emly這樣的AIGC，可以基于其訓練數據中保存的所有現有TCR和患者結果信息，快速創建新的TCR序列并在模擬中進行測試。

AIGC在免疫治療藥物發現中的下一步是什么?

將AIGC與尋找免疫療法相結合的工作有可能刺激個性化藥物的發展。這些是專門為個別患者量身定做的治療方法，通過確定最有可能對一個人的特定癌細胞有效的TCR序列來創建。

Etcemble得到了NVIDIA的初始創業孵化器的幫助和支持，現在正在尋找可以合作的合作伙伴，以便利用其Emly技術創造更多創新的治療方法。

當然，還有一些道德方面的考慮必須加以考慮。培訓數據中的偏差有可能導致對特定人群的治療效果較差，可能導致醫療結果的差異。由于此類方法嚴重依賴個人數據，包括個人的基因數據，因此需要對數據隱私和安全給予極大的關注。

然而，通過展示將大語言模型技術與復雜的醫學藥物發現相結合的潛力，人們希望它將加快突破性候選治療從實驗室到臨床的過渡，并最終提高癌癥存活率。它還具有大幅降低成本的潛力——這往往是藥物發現的一個制約因素。

在不久的將來，我們很可能會看到在使用AIGC來創造治療許多其他疾病的化合物方面取得突破。隨著時間的推移，生成性算法變得更加強大和復雜，這種情況只會加速。