分析丨 AI+藥物研發(fā)，正以肉眼可見的速度崛起

前言：

AI+藥物研發(fā)，正以肉眼可見的速度崛起。不論是AI技術(shù)，還是AI技術(shù)在制藥領(lǐng)域的應(yīng)用，都是全球多個國家大力發(fā)展的領(lǐng)域。

新藥研發(fā)現(xiàn)狀與借力AI的期待

新藥研發(fā)具有成本高(10億左右)、研發(fā)周期長(10-12年)、成功率低（14%左右）三大高風險特性，而且制藥檢測及生產(chǎn)等環(huán)節(jié)也是如此。

事實上，藥物開發(fā)的投資回報率從2010年的10％穩(wěn)步下降至2018年的2％左右。

研發(fā)周期長、成本高、成功率低已經(jīng)成為新藥研發(fā)的“三座大山”。

因此降低研發(fā)費用，提高成功率，縮短周期，開發(fā)有差異性、競爭力、技術(shù)門檻高的藥物是各大制藥公司迫切需要解決的問題。

因此近年來，人工智能與生物醫(yī)藥的結(jié)合興起，利用AI技術(shù)的認知能力，人工智能技術(shù)很好地解決了生物主要所面臨的痛點，在多方面促使生物制藥由勞動力密集型向智能技術(shù)型轉(zhuǎn)變。

AI技術(shù)在自然語言處理、圖像識別、深度學習和認知計算等方面的優(yōu)勢可應(yīng)用到新藥研發(fā)的各個環(huán)節(jié)。

據(jù)估算，從靶點確定到臨床候選藥物環(huán)節(jié)，通過AI輔助計算的方法，可以把傳統(tǒng)研發(fā)方法需要的時間從3—6年壓縮到1—2年，從而大幅提升效率并節(jié)省成本。

數(shù)據(jù)海洋中AI被寄予厚望

新藥研發(fā)的成功率本來已經(jīng)很低了，如果AI能把1%，提到2%、3%，就已經(jīng)是發(fā)揮作用了。

根據(jù)藥物研發(fā)過程，AI技術(shù)可用于靶點發(fā)現(xiàn)、早期藥物研發(fā)、臨床前實驗的設(shè)計與處理、臨床試驗、現(xiàn)有藥物再利用、信息整合與新見解輸出等多個方向。

AI已被一些大型制藥公司視為新的藥物研發(fā)工具。構(gòu)建模型和從非結(jié)構(gòu)化數(shù)據(jù)中挖掘數(shù)據(jù)，被認為是人工智能在藥物發(fā)現(xiàn)方面最具顛覆性的領(lǐng)域。

而在靶點發(fā)現(xiàn)和早期藥物發(fā)現(xiàn)具體環(huán)節(jié)，AI技術(shù)常被用于這些方面：

分析數(shù)據(jù)集，形成假設(shè)并產(chǎn)生新見解；識別候選新藥；通過對比分析健康人群和患者樣本的數(shù)據(jù)來尋找新的生物標記物和治療靶點；預(yù)測分子的親和力和其他藥理特性；降低蛋白質(zhì)設(shè)計的復雜性。

在臨床前實驗的設(shè)計與處理環(huán)節(jié)，AI技術(shù)希望被用來減少實驗階段時間、降低成本和不確定性。

一般情況下，AI制藥公司會通過分析已有數(shù)據(jù)來尋找新的研發(fā)角度，自動化樣品分析與機器云實驗室也隨之興起。

在臨床試驗階段，AI技術(shù)被期待的用途則更多。例如，優(yōu)化臨床試驗研究設(shè)計；將不同的生物醫(yī)學和醫(yī)療保健數(shù)據(jù)流轉(zhuǎn)換為代表個體患者的計算機模型；通過為個別患者提供最佳的健康干預(yù)措施，從而提供大規(guī)模個性化醫(yī)療；通過分析病歷，尋找合適的臨床試驗患者；通過個人病史和基因分析自動匹配癌癥患者的臨床試驗；改善病理分析。

AI+新藥研發(fā)領(lǐng)域投資情況

據(jù)統(tǒng)計，2020年全球AI+新藥研發(fā)領(lǐng)域的投資已經(jīng)超過18.3億美元，是2015年投資額的5.4倍。

有統(tǒng)計顯示，2020年全球AI+新藥研發(fā)領(lǐng)域的投資已經(jīng)超過18.3億美元，是2015年投資額的5.4倍。

值得一提的是，在2021Q1，就已有超10家國內(nèi)外AI制藥公司完成了不同輪次的融資。

從整體來看，目前全球共有138家AI+藥物研發(fā)初創(chuàng)企業(yè)，美國擁有86家，數(shù)量較多多，其次為英國及加拿大，以色列、日本、韓國也有企業(yè)分布。

相較來說，與國外相比我國AI藥物研發(fā)起步較晚，目前尚處在初期階段。

但近年來，隨著國內(nèi)一系列政策助推，以及醫(yī)藥創(chuàng)新氛圍的日漸濃厚，也已經(jīng)開始涌現(xiàn)出了晶泰科技、深度智耀、云勢軟件、望石智慧等一批創(chuàng)新企業(yè)。

國內(nèi)科技巨頭，除了投資相關(guān)公司以外，也做好了自己下場的準備。百度成立百圖生科、騰訊推出云深智藥；華為官網(wǎng)掛出的招聘藥物研發(fā)算法工程師的操作。

AI與制藥探索磨合

數(shù)據(jù)產(chǎn)生：在生物醫(yī)藥行業(yè)，包括數(shù)據(jù)可重復性在內(nèi)的數(shù)據(jù)質(zhì)量問題一直存在。為此，一些AI藥物發(fā)現(xiàn)初創(chuàng)公司除了使用公開來源、合作伙伴等渠道獲得的數(shù)據(jù)以外，尋求開發(fā)新的數(shù)據(jù)來源，包括自建實驗室獲取數(shù)據(jù)、將“濕實驗”的部分外包給CRO獲得數(shù)據(jù)、借助遠程機器人來生產(chǎn)數(shù)據(jù)等。

數(shù)據(jù)共享：對于機器學習來說，數(shù)據(jù)量越大，預(yù)測的準確性可能就越高。為此，制藥公司嘗試組成聯(lián)盟來開展基于AI的藥物研發(fā)。

數(shù)據(jù)治理：以新型冠狀病毒肺炎為例，新冠病毒在全球范圍內(nèi)傳播的同時，眾多國家和地區(qū)呼吁共享新冠肺炎的研究數(shù)據(jù)集和相關(guān)研究文獻，并建議發(fā)布者同時提供可以直接應(yīng)用人工智能的全文和數(shù)據(jù)格式，便于再次研究和分析。

國內(nèi)AI藥物研發(fā)困境

①從全球人才流向看，大多數(shù)AI技術(shù)人才仍匯集在美國。斯坦福大學人工智能研究所發(fā)布的《人工智能指數(shù)2021年年度報告》顯示，2019年北美人工智能專業(yè)畢業(yè)的博士中有65%進入產(chǎn)業(yè)界，其中有64.3%的人是國際學生。而國際學生中有81.8%的人選擇了留在美國工作。

②缺乏可用的高質(zhì)量數(shù)據(jù)，這仍是AI技術(shù)需要邁過的一道坎。目前來看，公共數(shù)據(jù)庫內(nèi)的數(shù)據(jù)并不能很好地實現(xiàn)建模，而高質(zhì)量的數(shù)據(jù)很少且難獲取。

③缺乏倫理共識和完善的監(jiān)管規(guī)定。目前AI技術(shù)在倫理和監(jiān)管方面仍缺乏基準和共識，在制藥行業(yè)的應(yīng)用亦是如此。

結(jié)尾

然而，任何技術(shù)的應(yīng)用和推廣很難一蹴而就，螺旋式上升、波浪式前進是新事物的發(fā)展規(guī)律。藥物研發(fā)或許還需要更多更深入的探索和實踐才能真正體現(xiàn)AI的價值。

部分資料參考：

虎嗅APP：《AI到底是不是藥神？》

人民資訊：《AI賦能新藥研發(fā)需破解臨床試驗難點》

雷鋒網(wǎng)：《入局AI制藥風口，為什么要趁早？》

END

作者 | 方文