“当中国首次发布新冠病毒的序列之后，我们只用了 42 天的韶光就从序列中辨别出了我们须要的突变，这便是我们想要瞄准的蛋白质。短短 42 天，真正建立临床级、可安全批量生产、能运往诊所的疫苗——这是完备前所未有的。我想很多人都对它的发展速率感到惊异，但它实际上花费了我们 10 年的韶光才实现这一点。”Moderna 的首席数据官和人工智能官戴夫·约翰逊（Dave Johnson）表示。
▲图 | 戴夫·约翰逊（Dave Johnson） （来源：领英）
近日，Moderna 的首席数据官和人工智能官戴夫·约翰逊（Dave Johnson），参加了《麻省理工科技评论》的博客节目，以下为他的自述（内容已经由整理）：
我是戴夫·约翰逊（Dave Johnson），是 Moderna 的首席数据官和人工智能官。
Moderna 是一家基于 mRNA 技能而成立的生物技能公司。mRNA 实质上是一种信息分子，它是经由编码的氨基酸序列。当它进入你的细胞中，就会产生一种蛋白质。
这些蛋白质可以在你的体内实行各种不同的功能，比如治疗罕见的疾病、“攻击”癌症，或者作为某种病毒的疫苗，就像我们对抗 COVID-19 新型冠状病毒那样。
这种方法与范例的药物开拓存在根本不同，由于它更像是一种设计方法。我的意思是，我们首先要知道我们想实现什么，然后考试测验设计出精确的信息分子、精确的蛋白质，末了让它在体内发挥这种浸染。
如果你对药物开拓有所理解，就会创造它每每是一个非常连续的过程。你会从一些最原始的观点开始，一些最低级的想法，然后在培养皿或小实验中测试它。之后再进行临床前测试。
如果所有这些看起来都很好，那么你终于要开始人体测试，你要经历几个不同的临床试验阶段，第三阶段是规模最大的阶段，用来证明药物的有效性。
从开始到结束，全体过程可能非常昂贵，花费数十亿美元，而且要花上十年的韶光。
在很多情形下，药物开拓会失落败。现在有无数的疾病没有疫苗，也没有治疗方法。并不是人们没有考试测验过，只是难度太大。
以是我们在公司建立之初就在思考：我们如何缩短韶光表？如何才能瞄准更多目标？这便是我加入 Moderna 公司的目的。
我的背景是软件工程和数据科学，我还有一个所谓的信息物理学的博士学位——这实际上与数据科学紧密干系。
我在公司成立早期就加入了，当时大概有一二百人。当时我们正在建立一个公司的早期临床前引擎，即如何同时针对一堆不同的想法，运行一些实验、快速学习、然后再做一次。
然后，我们同时进行一百个实验、连续快速学习，随后进入下一阶段。如果你想做很多实验，你必须有很多 mRNA，以是我们建立了一个大规模并行的 mRNA 自动处理过程。我们须要整合所有这些，也须要系统来把所有这些自动模块一起驱动。
随着你在这些系统中捕捉到越来越多的数据，人工智能就开始有用武之地了。在实验中，我们不仅仅是捕捉数据，我们还会用这些数据来做一些预测。
对付科学家来说，他们肯定不想每天一遍又一各处盯着数据，以是让我们彻底抛开决策问题。但我们会用到科学家的见地，以是要建立模型和算法来自动化他们的剖析。在预测结果和提高我们的数据质量方面做得更好、更快。
以是当新冠病毒涌现时，我们终于有机会利用我们所建立的统统、所学到的统统、以及我们所做的所有研究，真正将它们运用到这个非常关键的环境下。
当中国首次发布新冠病毒的序列之后，我们只用了 42 天的韶光就从序列中辨别出了我们须要的突变，这便是我们想要瞄准的蛋白质。短短 42 天，真正建立临床级、可安全批量生产、能运往诊所的疫苗——这是完备前所未有的。我想很多人都对它的发展速率感到惊异，但它实际上花费了我们 10 年的韶光才实现这一点。
我们花了 10 年的韶光来构建这个引擎，让我们能够尽可能快地推进研究。但它远不止于此我们想过，利用数据科学和人工智能从临床研究中得到最佳结果的最佳办法是什么。
以是我们碰着的第一个大寻衅是，我们必须做一个大规模的第三阶段试验来证明有效性。在这个研究中有 3 万名受试者来证明这是有效的。
这是一个巨大的研究。新冠疫情已经爆发，传染了无数人，而我们必须弄清楚：我们在哪里进行研究？
我们在美国挑选了 100 个地点进行研究，同时须要找到有精确种族多样性的地方，要吻合这个国家的人口状况。
我们须要平衡许多实际的考量。比如我们须要得当的举动步伐和临床试验地点，来供应高质量的数据。
我们还须要找到新冠疫情尚未爆发的地方。例如，当时的纽约已经受到了严重的打击。以是这不是一个进行临床研究的空想地方，由于我们必须看到疫苗的效果。
以是我们必须找到那些还没有被疫情席卷的，但是很可能在研究开始、人们接种疫苗六周后，涌现病例爆发的地方。这是一个我们必须办理的、非常具有寻衅性的问题。我想说，我们并不是完备在内部干工作。
我们与无数的外部互助伙伴一起互助。我数不清我们看到了多少个不同的盛行病学模型，彷佛每个人溘然都变成了盛行病学家。
但我们把所有学习到的信息都纳入了内部决策中，并试取利用它们找到哪些地方是我们该当进行这项研究的最佳地点。
纵然当这项研究正在进行的时候，我们也在思考，我们该如何连续优化并做得更好？我们建立了实时剖析。
因此，当纳入研究的患者或受试者接种我们的疫苗时，我们一贯在监测这种多样性：年事、性别和种族多样性，以确保研究终极能够代表美国的国情。
但在进行到 80% 旁边的时候，我们意识到无法实现目标，由于志愿者的水平并不符合我们的预期。
以是我们做出了一个非常困难的决定，我们须要加速。在美国的更多地区和不同地区推广，以得到精确的覆盖，使研究具有代表性。
总而言之，从我们开始应对新冠病毒到得到疫苗的紧急利用授权大约用了一年的韶光——这常日须要许多年的韶光，这确实是前所未有的。
就我个人而言，这是一个令人惊奇的动听时候。我在 8 年前加入了这家公司，当时我都没想过自己会用上自己生产的药物，由于当时我们乃至都没有进行过疫苗方面的研究。
但是如今，我们可以把它注射得手臂里，让我的家人、朋友，以及天下上的许多其他人看到它的好处，这对我们来说是一个非常奇妙的时候。
支持：Ren
原文：https://www.technologyreview.com/2022/08/26/1058743/i-was-there-when-ai-helped-create-a-vaccine-covid-moderna-mrna/