“当中国首次发布新冠病毒的序列之后，我们只用了 42 天的时间就从序列中辨别出了我们需要的突变，这就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——这是完全前所未有的。我想很多人都对它的发展速度感到惊讶，但它实际上花费了我们 10 年的时间才实现这一点。”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（内容已经过整理）：
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 技术而成立的生物技术公司。mRNA 本质上是一种信息分子，它是经过编码的氨基酸序列。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执行各种不同的功能，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。
这种方法与典型的药物开发存在根本不同，因为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，然后尝试设计出正确的信息分子、正确的蛋白质，最后让它在体内发挥这种作用。
如果你对药物开发有所了解，就会发现它往往是一个非常连续的过程。你会从一些最原始的概念开始，一些最初级的想法，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，整个过程可能非常昂贵，花费数十亿美元，而且要花上十年的时间。
在很多情况下，药物开发会失败。现在有无数的疾病没有疫苗，也没有治疗方法。并不是人们没有尝试过，只是难度太大。
所以我们在公司建立之初就在思考：我们如何缩短时间表？如何才能瞄准更多目标？这就是我加入 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相关。
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、继续快速学习，随后进入下一阶段。如果你想做很多实验，你必须有很多 mRNA，所以我们建立了一个大规模并行的 mRNA 自动处理过程。我们需要整合所有这些，也需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。
对于科学家来说，他们肯定不想每天一遍又一遍地盯着数据，所以让我们彻底抛开决策问题。但我们会用到科学家的见解，所以要建立模型和算法来自动化他们的分析。在预测结果和提高我们的数据质量方面做得更好、更快。
所以当新冠病毒出现时，我们终于有机会利用我们所建立的一切、所学到的一切、以及我们所做的所有研究，真正将它们应用到这个非常关键的情形下。
当中国首次发布新冠病毒的序列之后，我们只用了 42 天的时间就从序列中辨别出了我们需要的突变，这就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——这是完全前所未有的。我想很多人都对它的发展速度感到惊讶，但它实际上花费了我们 10 年的时间才实现这一点。
我们花了 10 年的时间来构建这个引擎，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获得最佳结果的最佳方式是什么。
所以我们遇到的第一个大挑战是，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，感染了无数人，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，同时需要找到有正确种族多样性的地方，要吻合这个国家的人口状况。
我们需要平衡许多实际的考量。比如我们需要合适的设施和临床试验地点，来提供高质量的数据。
我们还需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。所以这不是一个进行临床研究的理想地方，因为我们必须看到疫苗的效果。
所以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，出现病例爆发的地方。这是一个我们必须解决的、非常具有挑战性的问题。我想说，我们并不是完全在内部做事情。
我们与无数的外部合作伙伴一起合作。我数不清我们看到了多少个不同的流行病学模型，似乎每个人突然都变成了流行病学家。
但我们把所有学习到的信息都纳入了内部决策中，并试图利用它们找到哪些地方是我们应该进行这项研究的最佳地点。
即使当这项研究正在进行的时候，我们也在思考，我们该如何继续优化并做得更好？我们建立了实时分析。
因此，当纳入研究的患者或受试者接种我们的疫苗时，我们一直在监测这种多样性：年龄、性别和种族多样性，以确保研究最终能够代表美国的国情。
但在进行到 80% 左右的时候，我们意识到无法实现目标，因为志愿者的水平并不符合我们的预期。
所以我们做出了一个非常艰难的决定，我们需要加速。在美国的更多地区和不同地区推广，以得到正确的覆盖，使研究具有代表性。
总而言之，从我们开始应对新冠病毒到获得疫苗的紧急使用授权大约用了一年的时间——这通常需要许多年的时间，这确实是前所未有的。
就我个人而言，这是一个令人惊奇的感人时刻。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，因为当时我们甚至都没有进行过疫苗方面的研究。
但是如今，我们可以把它注射到手臂里，让我的家人、朋友，以及世界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刻。
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/
