圖片來自“123rf.com.cn”

【編者按】人工智能（AI）技術(shù)應(yīng)用的重要場景之一是助力藥物研發(fā)，相比傳統(tǒng)的藥物研發(fā)耗時(shí)耗力、成功率低，AI技術(shù)的應(yīng)用可大大縮短藥物研發(fā)時(shí)間、提高研發(fā)效率并控制研發(fā)成本。

本文來源于火石創(chuàng)造，作者孫翔宇；經(jīng)億歐大健康編輯，供行業(yè)人士參考。

近年來，人工智能技術(shù)(AI)與醫(yī)療健康領(lǐng)域的融合不斷加深。AI在醫(yī)療領(lǐng)域主要應(yīng)用場景包括語音錄入病歷、醫(yī)療影像輔助診斷、藥物研發(fā)、醫(yī)療機(jī)器人和個(gè)人健康大數(shù)據(jù)的智能分析等。隨著語音交互、文本識(shí)別、圖像識(shí)別和大數(shù)據(jù)分析，以及智能終端等技術(shù)的逐漸成熟，AI的應(yīng)用場景越發(fā)多樣。

圖1  人工智能在醫(yī)療領(lǐng)域的應(yīng)用

藥物研發(fā)是AI技術(shù)應(yīng)用的重要場景之一。藥物研發(fā)要經(jīng)歷靶點(diǎn)的發(fā)現(xiàn)與驗(yàn)證、先導(dǎo)化合物的發(fā)現(xiàn)與優(yōu)化、候選化合物的挑選及開發(fā)和臨床研究等多個(gè)階段。傳統(tǒng)的藥物研發(fā)耗時(shí)耗力，且成功率低。AI助力藥物研發(fā)，可大大縮短藥物研發(fā)時(shí)間、提高研發(fā)效率并控制研發(fā)成本。

圖2  新藥開發(fā)流程圖

一、AI助力新藥研發(fā)的六大應(yīng)用場景

目前制藥企業(yè)紛紛布局AI領(lǐng)域，主要應(yīng)用在新藥發(fā)現(xiàn)和臨床試驗(yàn)階段，主要有以下六大應(yīng)用場景：

1.海量文獻(xiàn)信息分析整合

海量文獻(xiàn)信息分析整合對于藥物研發(fā)工作者來說，最讓他們頭疼的事如何去甄別每天產(chǎn)生的海量科研信息。而人工智能技術(shù)恰恰可以從這些散亂無章的海量信息中提取出能夠推動(dòng)藥物研發(fā)的知識(shí)，提出新的可以被驗(yàn)證的假說，從而加速藥物研發(fā)的過程。

英國生物科技公司Benevolent Bio（隸屬于 Benevolent AI），利用技術(shù)平臺(tái)JACS（Judgment Augmented Cognition System），從全球范圍內(nèi)海量的學(xué)術(shù)論文、專利、臨床試驗(yàn)結(jié)果、患者記錄等數(shù)據(jù)中，提取出有用的信息，發(fā)現(xiàn)新藥研發(fā)的蛛絲馬跡。

2017年，借助JACS的分析能力，Benevolent Bio 標(biāo)記了100個(gè)可用于治療肌萎縮性側(cè)索硬化癥(ALS)的潛在化合物，從中篩選出5個(gè)化合物。經(jīng)過英國謝菲爾德神經(jīng)轉(zhuǎn)化研究所的小鼠試驗(yàn)，證實(shí)4個(gè)化合物在治愈運(yùn)動(dòng)神經(jīng)衰退方面確有療效。4/5的有效篩選率，這是研究人員之前從未想過的。

位于英國倫敦的BenevolentAI成立于2013年，是一家致力于AI技術(shù)開發(fā)和應(yīng)用的公司，是歐洲大的AI初創(chuàng)公司。他們的目標(biāo)是建立人們期盼已久的“制藥企業(yè)2.0”，利用AI助力新藥開發(fā)，降低臨床試驗(yàn)的失敗率。自2013年以來，Benevolent AI已經(jīng)開發(fā)出24個(gè)候選藥物，且已經(jīng)有藥物進(jìn)入臨床IIb期試驗(yàn)階段。

國際制藥巨頭之一的強(qiáng)生公司已經(jīng)與Benevolent AI達(dá)成合作協(xié)議，強(qiáng)生將一些已經(jīng)進(jìn)入臨床階段的試驗(yàn)藥物連帶一起特許給Benevolent AI，而Benevolent AI將利用人工智能系統(tǒng)來指導(dǎo)臨床試驗(yàn)的進(jìn)行和數(shù)據(jù)的收集。

2.化合物高通量篩選

化合物篩選，是指通過規(guī)范化的實(shí)驗(yàn)手段，從大量化合物或者新化合物中選擇對某一特定作用靶點(diǎn)具有較高活性的化合物的過程。而要從數(shù)以萬計(jì)的化合物分子中篩選出符合活性指標(biāo)的化合物，往往需要較長的時(shí)間和成本。

AI 技術(shù)可以通過對現(xiàn)有化合物數(shù)據(jù)庫信息的整合和數(shù)據(jù)提取、機(jī)器學(xué)習(xí)，提取大量化合物與毒性、有效性的關(guān)鍵信息，既避免了盲人摸象般的試錯(cuò)路徑，還可以大幅提高篩選的成功率。

典型代表是硅谷公司Atomwise。Atomwise公司成立于2012年，其核心產(chǎn)品為AtomNet是一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的虛擬藥物發(fā)現(xiàn)平臺(tái)。AtomNet就像一位人類化學(xué)家，使用強(qiáng)大的深度學(xué)習(xí)算法和計(jì)算能力，來分析數(shù)以百萬計(jì)的潛在新藥數(shù)據(jù)。目前，AtomNet已經(jīng)學(xué)會(huì)識(shí)別重要的化學(xué)基團(tuán)，如氫鍵、芳香度和單鍵碳，同時(shí)該系統(tǒng)可以分析化合物的構(gòu)效關(guān)系，識(shí)別醫(yī)藥化學(xué)中的基礎(chǔ)模塊，用于新藥發(fā)現(xiàn)和評估新藥風(fēng)險(xiǎn)。

圖2  AtomNet通過訓(xùn)練能夠識(shí)別抗生素中常見的化合物結(jié)構(gòu)——磺?；?/p>

 AtomNet在抗腫瘤藥物、神經(jīng)系統(tǒng)疾病藥物、抗病毒藥物、抗寄生蟲藥和抗生素藥物的藥物篩選方面表現(xiàn)出色。例如，2015年AtomNet僅用一周模擬出2種有潛力用于埃博拉病毒治療的化合物。Atomwise正與全球知名藥企和大學(xué)院校進(jìn)行合作，其中包括輝瑞、默克、abbvie和哈佛大學(xué)等。

類似于Atomwise ，現(xiàn)在有一系列人工智能公司專注于藥物分子篩選，包括Recursion Pharmaceuticals、BenevolentAI、TwoXAR、Cyclica和Reverie Labs等。

3.發(fā)掘藥物靶點(diǎn)

現(xiàn)代新藥研究與開發(fā)的關(guān)鍵是尋找、確定和制備藥物靶點(diǎn)。靶點(diǎn)是指藥物在體內(nèi)的作用結(jié)合位點(diǎn)，包括基因位點(diǎn)、受體、酶、離子通道和核酸等生物大分子。

典型代表是Exscientia公司，Exscientia與葛蘭素史克（GSK）在藥物研發(fā)達(dá)成戰(zhàn)略合作。Exscientia 通過AI藥物研發(fā)平臺(tái)為GSK的10個(gè)疾病靶點(diǎn)開發(fā)創(chuàng)新小分子藥物。

Exscientia開發(fā)的AI系統(tǒng)可以從每個(gè)設(shè)計(jì)周期里的現(xiàn)有數(shù)據(jù)資源中學(xué)習(xí)，其原理與人類的學(xué)習(xí)方式相似，但AI在識(shí)別多種微妙變化以平衡藥效、選擇性和藥代動(dòng)力學(xué)方面要更加高效。其AI系統(tǒng)完成新藥候選的時(shí)間和資金成本只需傳統(tǒng)方法的1/4。目前該公司與國際多家知名藥企形成戰(zhàn)略合作，包括強(qiáng)生、默克和賽諾菲等。

圖3  Exscientia 藥物研發(fā)流程圖示

4.預(yù)測藥物分子動(dòng)力學(xué)指標(biāo)（ADMET）

ADMET包括藥物的吸收、分配、代謝、排泄和毒性。預(yù)測ADMET是當(dāng)代藥物設(shè)計(jì)和藥物篩選中十分重要的方法。過去藥物ADMET性質(zhì)研究以體外研究技術(shù)與計(jì)算機(jī)模擬等方法相結(jié)合，研究藥物在生物體內(nèi)的動(dòng)力學(xué)表現(xiàn)。目前市場中有數(shù)十種計(jì)算機(jī)模擬軟件，包括ADMET Predicator、MOE、Discovery Studio和Shrodinger等。該類軟件現(xiàn)已在國內(nèi)外的藥品監(jiān)管部門、制藥企業(yè)和研究院所得到了廣泛應(yīng)用。

典型的代表包括晶泰科技(XtalPi)、Numerate等。為了進(jìn)一步提升ADMET性質(zhì)預(yù)測的準(zhǔn)確度，已有生物科技企業(yè)探索通過深度神經(jīng)網(wǎng)絡(luò)算法有效提取結(jié)構(gòu)特征，加速藥物的早期發(fā)現(xiàn)和篩選過程。其中晶泰科技通過應(yīng)用人工智能高效地動(dòng)態(tài)配置藥物晶型，能完整預(yù)測一個(gè)小分子藥物的所有可能的晶型，大大縮短晶型開發(fā)周期，更有效地挑選出合適的藥物晶型，減少成本。

圖4  晶泰科技提供的晶型篩選服務(wù)

5.病理生物學(xué)研究

病理生物學(xué)（pathophysiology）是一門研究疾病發(fā)生、發(fā)展、轉(zhuǎn)歸的規(guī)律和機(jī)制的科學(xué)。病理生物學(xué)研究是醫(yī)藥研發(fā)的基礎(chǔ)，至今許多疾病尚無治療方法，是由于在病理生物學(xué)研究方面沒有取得進(jìn)展。

肌萎縮側(cè)索硬化（ALS）是一種破壞性的神經(jīng)退行性疾病，發(fā)病機(jī)制至今不明。ALS的一個(gè)突出病理特征是，一些RNA結(jié)合蛋白（RNA binding proteins, RBPs）在ALS中發(fā)生突變或異常表達(dá)/分布。人類基因組中至少有1 542種RBPs，目前已發(fā)現(xiàn)17種RBPs與ALS相關(guān)，除此以外，其他RBPs是否與ALS相關(guān)呢？

圖6  IBM Watson鑒定RBPs

典型案例是IBM公司開發(fā)的Watson系統(tǒng)，通過閱讀了2 500萬篇文獻(xiàn)摘要，100萬篇完整論文和400萬專利文獻(xiàn)，并基于相關(guān)文獻(xiàn)的大量學(xué)習(xí)，建立了模型預(yù)測RBPs與ALS相關(guān)性。有研究者為了測試其模型的預(yù)測能力，首先將IBM Watson的知識(shí)庫限制在2013年之前的學(xué)術(shù)出版物上，并要求Watson使用這些可用的信息來預(yù)測與ALS相關(guān)的其他RBPs。在2013—2017年期間，Watson在對4個(gè)導(dǎo)致突變的RBPs給出了高度評價(jià)，證明了模型的有效性。而后，Watson對基因組中所有的RBPs進(jìn)行篩選，并成功鑒定在ALS中改變的5種新型RBPs。

6.發(fā)掘藥物新適應(yīng)癥

利用深入學(xué)習(xí)技術(shù)，將臨床藥物與新的適應(yīng)癥相匹配。這樣可以繞過動(dòng)物實(shí)驗(yàn)和安全性實(shí)驗(yàn)。

例如，沙利度胺曾用來治療麻風(fēng)病，后來研究人員發(fā)現(xiàn)其對多發(fā)性骨髓瘤具有療效。由于該藥物已經(jīng)積累了大量的安全性與劑量數(shù)據(jù)，研究人員能夠繞過第一階段的安全性和劑量試驗(yàn)。

根據(jù)實(shí)驗(yàn)結(jié)果，F(xiàn)DA在2012年批準(zhǔn)沙利度胺治療多發(fā)性骨髓瘤。據(jù)彭博預(yù)測，這個(gè)過程總共花費(fèi)了4 000~8 000 萬美元。如果從零開始，一個(gè)新藥所需的平均費(fèi)用為20 億美元。

圖7  藥物再利用與新藥研發(fā)的成本對比

典型代表為Lam Therapeutics、NuMedii、Healx和Insilico Medicine等人工智能公司，他們已經(jīng)在“老藥新用”這個(gè)領(lǐng)域進(jìn)行了深度探索。

二、AI新藥研發(fā)公司

中國在AI領(lǐng)域的論文發(fā)表數(shù)量位居全球第一。在醫(yī)學(xué)領(lǐng)域，我們在放射影像、病理、自然語言處理和智能語音錄入等領(lǐng)域的研究與歐美并駕齊驅(qū)，但在AI+新藥研發(fā)領(lǐng)域，卻差距較大。部分AI新藥研發(fā)公司名單見表1。

表1 部分人工智能藥物研發(fā)公司名單

2014年，晶泰科技創(chuàng)立于麻省理工學(xué)院校園。其核心總部位于深圳，并在北京、波士頓設(shè)有分部。晶泰科技目前已與多家世界頂級藥企與科研機(jī)構(gòu)建立深度合作，其藥物固相篩選與設(shè)計(jì)平臺(tái)是行業(yè)最先進(jìn)的解決方案。憑借團(tuán)隊(duì)的技術(shù)優(yōu)勢與項(xiàng)目廣闊的市場空間，晶泰科技已獲得騰訊、真格基金、峰瑞資本數(shù)千萬元的A輪投資，以及來自紅杉、Google、騰訊的數(shù)千萬美金B(yǎng)輪融資，成為全球AI+制藥領(lǐng)域獲得融資最高的創(chuàng)業(yè)公司之一。

2018年12月，天津國際生物醫(yī)藥聯(lián)合研究院與北京天云大數(shù)據(jù)簽署戰(zhàn)略合作協(xié)議，雙方將在人工智能醫(yī)藥研發(fā)平臺(tái)建設(shè)領(lǐng)域聯(lián)手，為京津冀乃至全國提供服務(wù)。根據(jù)協(xié)議，雙方將共同建設(shè)人工智能醫(yī)藥研發(fā)平臺(tái)，立足京津地區(qū)，為藥物研發(fā)等大健康行業(yè)創(chuàng)新發(fā)展賦能，致力于人工智能與大數(shù)據(jù)技術(shù)在醫(yī)藥行業(yè)內(nèi)的推廣和應(yīng)用。同時(shí)，雙方各自發(fā)揮優(yōu)勢，共同開展人工智能醫(yī)藥研發(fā)平臺(tái)的推廣工作，推動(dòng)建立京津冀醫(yī)藥智能技術(shù)創(chuàng)新聯(lián)盟。

三、AI藥物研發(fā)領(lǐng)域的關(guān)鍵要素

中國在AI藥物開發(fā)領(lǐng)域已經(jīng)開始起步，但遠(yuǎn)未成熟，還有非常大發(fā)展空間。在筆者看來，我國進(jìn)行AI藥物研發(fā)需要在人才培養(yǎng)、數(shù)據(jù)共享和商業(yè)模式創(chuàng)新等方面進(jìn)行發(fā)力。

1.培養(yǎng)高端人工智能人才，探索跨學(xué)科人才合作機(jī)制。

創(chuàng)業(yè)的競爭歸根結(jié)底是人才的競爭，這在人工智能領(lǐng)域表現(xiàn)得愈加明顯。在全球范圍內(nèi)，大約有2.2萬名具有博士以上學(xué)歷的人工智能從業(yè)人員和研究人員，中國僅600名左右。國內(nèi)人工智能人才幾乎被幾大頭部企業(yè)壟斷，比如商湯有150多名人工智能博士，占比全國人工智能博士總數(shù)1/4。

數(shù)據(jù)顯示，未來中國人工智能人才缺口高達(dá)500萬，唯一的解決辦法就是成體系地培養(yǎng)人工智能人才。

2018華為全聯(lián)接大會(huì)上，華為云推出了“沃土AI開發(fā)者計(jì)劃”，投入10億人民幣培養(yǎng)高校和研究所的AI人才，并與清華大學(xué)、中科院、中國科學(xué)技術(shù)大學(xué)、浙江大學(xué)等達(dá)成AI合作。

2018年8月，商湯科技攜手香港中文大學(xué)、亞馬遜、南洋理工大學(xué)、悉尼大學(xué)聯(lián)合舉辦的首屆WIDER Face and Pedestrian Challenge 2018（簡稱：WIDER Challenge）挑戰(zhàn)賽，包括中科院計(jì)算所、微軟亞洲研究院、北京大學(xué)、卡耐基梅隆大學(xué)、香港大學(xué)以及雅虎、京東、曠視、科大訊飛、滴滴等科技公司參賽。

此外，AI應(yīng)用于藥物研發(fā)需要若干個(gè)垂直領(lǐng)域的專家共同參與才能有所突破。既需要物理學(xué)家、化學(xué)專家、藥物學(xué)家、藥企研發(fā)高管，又需要人工智能科學(xué)家、云計(jì)算工程師等跨學(xué)科人才。通過在多個(gè)領(lǐng)域人才和經(jīng)驗(yàn)的積累，

整個(gè)團(tuán)隊(duì)需要緊密合作，這樣才更容易獲得突破性的思路和好的成果。

2.建立研發(fā)數(shù)據(jù)標(biāo)準(zhǔn)體系，完善數(shù)據(jù)共享機(jī)制。

AI藥物研發(fā)需要高質(zhì)量數(shù)據(jù)支持。國內(nèi)創(chuàng)新藥研發(fā)起步較晚，與國外相比，對于優(yōu)質(zhì)數(shù)據(jù)的積累還有一定差距。

制藥產(chǎn)業(yè)的專業(yè)門檻高、鏈條長，加之國內(nèi)長期以來的“多頭管理”體制，造成了國內(nèi)的藥品數(shù)據(jù)極度割裂，標(biāo)準(zhǔn)不統(tǒng)一、數(shù)據(jù)孤島現(xiàn)象嚴(yán)重；另外，醫(yī)藥領(lǐng)域的監(jiān)管政策與機(jī)構(gòu)改革頻繁，造成歷史藥品數(shù)據(jù)銜接難度較大。這些都會(huì)導(dǎo)致醫(yī)藥數(shù)據(jù)統(tǒng)計(jì)在完整度和精準(zhǔn)度上的不足，從而影響相關(guān)決策。

當(dāng)前國內(nèi)企業(yè)“大數(shù)據(jù)化”采取的一個(gè)路徑，便是以“專業(yè)人工+機(jī)器輔助”方式建立數(shù)據(jù)標(biāo)準(zhǔn)詞典（包括藥品、企業(yè)、靶點(diǎn)、疾病等），持續(xù)進(jìn)行數(shù)據(jù)清洗、識(shí)別、匹配和挖掘算法，將市場上分散的數(shù)據(jù)全面重構(gòu)，形成一系統(tǒng)標(biāo)準(zhǔn)數(shù)據(jù)模塊倉庫，根據(jù)用戶場景對數(shù)據(jù)模塊進(jìn)行組合。比如國內(nèi)的醫(yī)藥魔方、米內(nèi)數(shù)據(jù)、藥渡等醫(yī)藥大數(shù)據(jù)服務(wù)公司。

3.定位產(chǎn)業(yè)鏈角色，創(chuàng)新商業(yè)模式。

目前人工智能醫(yī)藥研發(fā)領(lǐng)域存在三種商業(yè)模式：

（1）開放和反饋模式。晶泰科技一開始就明確了初期主要客戶群，在地域設(shè)置上形成國內(nèi)研發(fā)，國際業(yè)務(wù)拓展的模式。在有效控制研發(fā)成本的同時(shí)，起步階段就努力在國際范圍內(nèi)尋求合作者。

基于藥物研發(fā)流程的復(fù)雜性，人工智能在藥物研發(fā)中的大規(guī)模應(yīng)用依賴于整個(gè)產(chǎn)業(yè)鏈的共同努力。晶泰科技主導(dǎo)開放和反饋模式，其長處是為傳統(tǒng)研發(fā)人員提供最先進(jìn)的計(jì)算軟硬件工具，幫助他們更好更快地完成科研任務(wù)。

（2）虛擬篩選團(tuán)隊(duì)外包驗(yàn)證模式。虛擬篩選團(tuán)隊(duì)外包的主要方式有是與利益相關(guān)者或非利益相關(guān)者合作。

與入利益相關(guān)者合作，比如一個(gè)更大的醫(yī)藥公司，公司將受益頗多，比如激勵(lì)一致、與已有臨床生產(chǎn)線的整合、致力于特定疾病團(tuán)隊(duì)帶來的專業(yè)知識(shí)等。雖然公司需要割舍部分控制力或所有權(quán), 但是有利于項(xiàng)目研發(fā)成功率的提升。

與非利益相關(guān)者合作（例如CRO），公司保留完全的知識(shí)產(chǎn)權(quán)，執(zhí)行速度快但是成本高。而且在實(shí)驗(yàn)設(shè)計(jì)上有可能面對控制權(quán)的損失，所以為了保證高質(zhì)量的結(jié)果必須給予特殊的關(guān)注。

這個(gè)模式的好處是成本低，速度快，特別是工業(yè)界的合作伙伴在新化合物后期驗(yàn)證和臨床研發(fā)中具有巨大機(jī)會(huì)。合作伙伴能夠理解這些驗(yàn)證實(shí)驗(yàn)的動(dòng)機(jī)和設(shè)計(jì)是至關(guān)重要的，因?yàn)樗麄冊诤罄m(xù)的臨床研發(fā)中充當(dāng)重要角色。Nimbus Therapeutics，TwoXAR，Atomwise等公司就采用這種模式。

（3）獨(dú)立的藥物研發(fā)團(tuán)隊(duì)和虛擬篩選團(tuán)隊(duì)的合作模式。在這個(gè)模式中，公司團(tuán)隊(duì)專注于計(jì)算機(jī)虛擬篩選，而其他團(tuán)隊(duì)給予實(shí)驗(yàn)藥物研發(fā)的支持。和通常專注于特定的配體\受體、生物現(xiàn)象或者疾病領(lǐng)域的團(tuán)隊(duì)的良好合作，使項(xiàng)目研發(fā)團(tuán)隊(duì)有獨(dú)特的專業(yè)性。

雖然配合程度沒有一個(gè)完全整合團(tuán)隊(duì)那么強(qiáng)，但這種模式的優(yōu)勢在于，提供的處理結(jié)構(gòu)的可變性和合作者的可選擇性。具有廣泛應(yīng)用平臺(tái)的虛擬篩選團(tuán)隊(duì)可以考慮用這個(gè)結(jié)構(gòu)，在使資本成本最小化的同時(shí)處理很多研發(fā)項(xiàng)目。

四、小結(jié)

1.新藥研發(fā)存在環(huán)節(jié)多、研發(fā)費(fèi)用高、研發(fā)周期長和研發(fā)成功率低等問題。

新藥研發(fā)從上游到下游的幾個(gè)環(huán)節(jié)包括藥物靶標(biāo)的確定，先導(dǎo)化合物的篩選，先導(dǎo)化合物的優(yōu)化和最終的臨床實(shí)驗(yàn)。研發(fā)費(fèi)用高、研發(fā)周期長、研發(fā)成功率低一直是壓在制藥企業(yè)身上的“三座大山”。塔夫茨藥物開發(fā)研究中心（Tufts Center for The Study of DrugDevelopment）的數(shù)據(jù)顯示：開發(fā)一種新藥的平均成本為 26 億美元；一種新藥上市的平均時(shí)間約為12 年；大約只有 10% 的候選藥物能從第一階段測試走向市場。德勤的數(shù)據(jù)顯示：2017 年，美國最大的生物制藥公司的投資回報(bào)率下降至3.2％。

2.AI技術(shù)的崛起，為新藥研發(fā)帶來了新方向。

過去 20 年，計(jì)算機(jī)處理能力的持續(xù)快速增長，大量數(shù)據(jù)集的可用性和先進(jìn)算法的開發(fā)，大大推動(dòng)了機(jī)器學(xué)習(xí)的發(fā)展。新藥研發(fā)領(lǐng)域數(shù)據(jù)密集，這讓人工智能有了用武之地。AI 不僅能夠挖掘出不易被發(fā)現(xiàn)的隱性關(guān)系，構(gòu)建藥物、疾病和基因之間的深層次關(guān)系。同時(shí)，可對候選化合物進(jìn)行虛擬篩選，更快地篩選出具有較高活性的化合物，為后期臨床試驗(yàn)做準(zhǔn)備。

目前，AI 在新藥研發(fā)領(lǐng)域主要應(yīng)用于靶點(diǎn)發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測、患者招募、優(yōu)化臨床試驗(yàn)設(shè)計(jì)和藥物適應(yīng)癥開拓等場景。來自 Tech Emergence 的一份報(bào)告研究了所有行業(yè)的人工智能應(yīng)用，結(jié)果表明：人工智能可以將新藥研發(fā)的成功率從 12％提高到 14％，可以為生物制藥行業(yè)節(jié)省數(shù)十億美元。

自2017年以來，AI在制藥領(lǐng)域的應(yīng)用可謂如火如荼，國際制藥巨頭紛紛入局AI開發(fā)，用于提高新藥的研發(fā)效率。據(jù)統(tǒng)計(jì)，有100 多家初創(chuàng)企業(yè)在探索用 AI 發(fā)現(xiàn)藥物，傳統(tǒng)的大型制藥企業(yè)更傾向于與采用合作的方式，如阿斯利康與 Berg，強(qiáng)生與 Benevolent AI，默沙東與 Atomwise，武田制藥與 Numerate，賽諾菲和葛蘭素史克與 Exscientia，輝瑞與 IBM Watson 等。同時(shí)，AI應(yīng)用于新藥研發(fā)仍需面對人才短缺、數(shù)據(jù)標(biāo)準(zhǔn)化與共享機(jī)制、商業(yè)模式創(chuàng)新等諸多問題。

在制藥和生命科學(xué)中，數(shù)據(jù)是AI的關(guān)鍵。AI被應(yīng)用于藥物研發(fā)的各個(gè)階段，但若是數(shù)據(jù)質(zhì)量不高，即便使用非?？煽康乃惴?，也不會(huì)取得好結(jié)果，反而會(huì)浪費(fèi)大量的資源和時(shí)間。鑒于此，IBM 曾在2016年斥資26億美元收購醫(yī)療數(shù)據(jù)公司Truven；羅氏曾在2018年以19億美金收購腫瘤大數(shù)據(jù)公司Flatiron Health的全部股份。也有專家表示，通過知識(shí)共享開展合作和提高已有數(shù)據(jù)的質(zhì)量比積累數(shù)據(jù)更為重要，關(guān)鍵是建立一套切實(shí)可行的數(shù)據(jù)標(biāo)準(zhǔn)，與風(fēng)險(xiǎn)利益共擔(dān)的數(shù)據(jù)分享機(jī)制。

3.AI和藥物開發(fā)的模式，主要包括AI研發(fā)外包、企業(yè)內(nèi)部組建AI研發(fā)部門，但每種模式都有各自的優(yōu)缺點(diǎn)。

AI研發(fā)外包。由制藥公司提供特定的研究數(shù)據(jù)和生物靶點(diǎn)信息，然后由AI驅(qū)動(dòng)的藥物發(fā)現(xiàn)初創(chuàng)公司依靠這些數(shù)據(jù)建立模型。一旦成功篩選出候選藥物，制藥公司會(huì)根據(jù)協(xié)議進(jìn)行授權(quán)或自行擁有這種藥物。這種策略靈活性高且成本較低，但AI公司做為服務(wù)方需要獲取制藥公司整個(gè)藥物開發(fā)流程中最“隱私”的情報(bào)，因此，選擇合適的合作伙伴是重中之重。

在企業(yè)內(nèi)部組建AI研發(fā)部門。在與外部積極合作的同時(shí)，制藥公司也在培養(yǎng)內(nèi)部AI專業(yè)技能，并建立數(shù)字基礎(chǔ)設(shè)施，以提高數(shù)據(jù)使用效率。這種方式的挑戰(zhàn)在于如何建立內(nèi)部專業(yè)的AI算法和自動(dòng)化流程，以及高效的運(yùn)算平臺(tái)。

無論哪種模式，AI和藥物開發(fā)的結(jié)合，與其說是對IT技術(shù)人員的挑戰(zhàn)，不如說更是對藥學(xué)人員的挑戰(zhàn)。一個(gè)運(yùn)營良好的AI藥物發(fā)現(xiàn)團(tuán)隊(duì)，應(yīng)該是能夠讓IT技術(shù)人員和藥學(xué)科學(xué)家保持溝通無障礙，彼此交流更明晰，清楚對方的意圖。