小2说 | AI赋能新药研发，这火花有多绚丽？
从疫情前线方舱医院忙碌的医疗机器人，到几秒钟内完成数百张影像阅读的AI阅片诊断系统；从遍布商场小区学校入口的智能体温监控仪，到“雨后春笋”般快速增长的各大线上问诊平台。AI在这场疫情大考下一时间“风光无二”。但是AI能做的，远远不止于此。小二今天聚焦新药，聊一聊AI与新药研发能碰擦出怎样的火花。
当前的新药研发领域，研发周期长、失败率高等问题一直困扰着医药企业。根据美国药物研究和制造商协会PhRMA的统计，药物研发要对5000-10000种化合物进行筛选，其中仅有250种能够进入临床前研究阶段，仅有5种进入临床研究阶段。而德勤分析报告则显示，现阶段新药研发的平均耗时约为14年。AI恰逢其时的出现，“推”了新药研发一把。
为 “神药”提速
中国科学院院士陈凯先曾经说：药物研究有两个核心问题，一个是寻找靶点，另一个就是对药物结构进行优化，人工智能在寻找靶点上更快捷。
人工智能运用强大的发现能力与计算能力，发现药物与疾病、疾病与基因的连接关系，构建药物、疾病和基因之间的深层次关系，虚拟筛选出具有较高活性的化合物，为后期临床试验做准备。目前，AI在新药研发领域主要应用于靶点发现、化合物合成、化合物筛选等场景。
跨国大药企的灵敏嗅觉自然不会错过这块宝藏，近年来纷纷入局AI开发，用于提高新药的研发效率。据统计，有100多家企业在探索用AI 发现药物，传统的大型制药企业更倾向于采用合作的方式，如阿斯利康与Berg，强生与Benevolent AI，默沙东与Atomwise，赛诺菲和葛兰素史克与Exscientia，辉瑞与IBM Watson等。
例如阿斯利康的新药研发进程中，包括新药开发阶段、研究阶段、临床研发阶段、研发后期，人工智能已在扮演相当重要的角色。将人工智能技术与化工自动化相结合，使得原本需要数月才能研制完成的先导分子现在只需数周即可完成，而且无需人工干预；人工智能和大数据助力获取隐藏在临床前和临床组织样本中的生物学新洞察；利用人工智能技术辅助患者分类；通过“真实世界证据数据计划”拓宽对患者的洞察，依靠机器学习方法，更加准确、高效地获取患者治疗效果等。
AI药物研发企业势头正盛
如上文所说，大药企偏向于采用与AI技术公司合作模式开发新药，这也催生出一批AI医疗创新企业发展，下面小二就详细介绍几个代表企业，通过他们的具体情况，对AI如何赋能药物研发有更充分的认识。
Exscientia
Exscientia于2012年1月创立，总部位于英国牛津，利用已开发的人工智能平台进行自动化药物的研发指导，根据已有药物研发数据自动设计出上百万种与特定靶标相关的小分子化合物，并根据药效、选择性、ADME等其他条件对化合物进行评估和筛选，然后对筛选出来的化合物进行实验检测，并反馈到AI系统中进行筛选，缩短新药研发进程。
该平台凭借其突出的技术已赢得多家大型医药公司的青睐，不断为大企业“输送弹药”：
2014年9月
与住友制药公司合作-中枢神经系统。
2014年11月
与Sunovion Pharmaceuticals合作-精神疾病。
2016年4月
Exscientia与Evotec合作-免疫肿瘤学。
2017年5月
Exscientia与赛诺菲合作-代谢疾病。
2019年3月
与Celgene合作-肿瘤学和自身免疫。
2020年1月
与拜耳合作-心脏疾病。
其中值得一提的是，2019年3月，Exscientia与Celgene建立了为期三年的合作关系，利用人工智能加速发现Celgene在肿瘤和自身免疫领域三个治疗方案的小分子治疗药物候选药物。Exscientia将把它的全套人工智能药物发现能力应用于整个项目的执行——从基因到候选药物，这是迄今为止最大的人工智能药物发现合作之一。
此外，在与日本住友的合作中，Exscientia将使用AI设计的精准工程药物推进到1期临床开发，以治疗强迫症患者。该项目仅用了不到12个月的时间将其从靶点推进到确定为候选药物研究阶段，这与使用传统开发方式需要平均4.5年的速度相比节省了很多时间。
BenevolentAI
BenevolentAI利用人工智能技术，从散乱无章的海量信息中，提取出能够推动药物研发的知识和新的可以被验证的假说，从而加速药物研发的过程。BenevolentAI已经成为欧洲最值钱的人工智能独角兽企业。
BenevolentAI看来，传统新药研发进程慢，难度大的重要原因是对单个患者群体中疾病的成因往往没有全面了解。一种疾病在多个患者群中的致病机制是不同的，但有效的治疗需要将这些不同的机制逐一击破。公司的目标在于希望通过AI平台来识别这些机制的药物靶标，并让药物作用于它们。在BenevolentAI的技术作用下，药物研发不需要等上几年来确定治疗的可行性结果（结果可能发现某项疗法并不适合患者群），而是专注于在项目的早期阶段了解致病机制，并识别确定出可能对治疗有反应的患者。
2019年5月，阿斯利康与BenevolentAI长期合作，加快发现治疗慢性肾病（IPF）和特发性肺纤维化（CKD）的新药。
2019年12月，强生与BenevolentAI达成合作协议，强生将一些已经进入临床阶段的试验药物连带专利一起特许给BenevolentAI，而BenevolentAI将利用人工智能系统来指导临床试验的进行和数据的收集。
到目前为止，公司正在利用AI技术进行10多种药物的研发，这些药物主要针对包括阿尔兹海默症和罕见癌症在内的四个不同领域的疾病。
Atomwise
Atomwise运用超级计算机、AI和复杂的算法模拟制药过程，来预测新药品的效果，同时降低研发成本，其核心技术平台为一种深度卷积神经网络AtomNet。据悉，通过自主分析大量的药物靶点和小分子药物结构特征，AtomNet可以学习小分子药物与靶点之间相互作用规律，在此基础上预测小分子化合物的生物活性，加快药物研发进程。2015年，Atomwise就曾宣布，其在一周时间内，从已有的药物中找到两种或许能用来抗击埃博拉病毒的药物。
值得一提的是，Atomwise与中国“结缘颇深”。2018年3月，Atomwise披露了4500万美元的A轮，投资方除一众外国投资机构之外，还出现了百度和腾讯的身影，而在去年九月Atomwise与豪森药业达成合作，双方将在多个治疗领域针对11个未公开靶标设计和发现潜在的候选药物。
英特尔
从 1998 年英特尔就与医疗健康领域结缘，与 Communi Health 合作，帮助患者和医生更好地管理慢性疾病。如今已有 20 年，英特尔一直关注医疗健康数字化、药物治疗精确化、分布式合作治疗等重要议题。
基于细胞图像的高内涵筛选 (HCS) 方法是目前在系统生物学和药物研发领域常用的自动化分析方法之一，也是 AI 技术在药物发现早期环节的重要应用。
目前诺华正与英特尔一起，合作研究使用深度学习的方法，以及通过基于优化的英特尔至强可扩展处理器平台上部署的 M-CNN 网络来加速 HCS 进程。
利用深度学习方法，诺华可以从数据中「自动」学习，并区分一种治疗与另一种治疗的相关图像特征，但细胞显微镜图像巨大的信息量使这一方法仍需耗费大量时间——其图像分析模型的训练时间约为 11 小时。
晶泰科技
晶泰科技是目前全球人工智能药物研发领域获得融资额最高的企业之一。2015 年成立以来，晶泰先后拿到了腾讯控股、谷歌母公司 Alphabet、红杉资本、中国人寿、SIG、晨兴资本等共七千多万美元的投资。
晶泰科技创立于麻省理工学院（MIT）校园， 作为一家算法驱动的公司，基于前沿计算物理、量子化学、人工智能与云计算技术，为创新药企提供智能化药物研发服务。2015年，晶泰从晶型预测切入，帮助科学家预测和优化潜在药物分子的晶型。随着AI算法的不断优化，2019 年晶泰对所有服务客户的稳定晶体预测的成功率达到100%。
未来仍然在远方
此前国务院印发的《新一代人工智能发展规划》中明确了2020年人工智能核心产业规模超过1500亿的目标，而根据预测，医疗人工智能行业将占人工智能行业总体规模的五分之一。
“国内医疗人工智能公司虽然起步比较晚，但增长迅速。据统计，目前中国共有114家医疗智慧公司，以初步形成以北京、长三角、广州智慧医疗集结群，广泛分布于疾病的筛查和预测，医疗影像诊断，病例与文献分析，新药发现等细分领域。我们感受到人工智能在我们健康服务领域有巨大的发展潜力，它必然会给医疗服务的管理等这些带来一些革命性的改变。”上海市卫生健康委员会邬惊雷主任在2020世界人工智能健康云峰会上表示。
目前，AI助力医药研发仍需迈过几道坎，如人才短缺、数据标准化与共享机制不成熟、商业模式创新等诸多问题。正如晶泰科技温书豪接受采访时提到，目前很多数据都掌握在药厂手里，比较中心化，很多AI 公司没有数据就不能去构建AI模型，这是很大的挑战，这需要投资人和工业界的耐心，需要工业界更 开放合作的态度。
此外，人工智能+新药研发涉及的学科广泛，包括生物医学、生物信息学、临床医学、数据统计分析、计算机科学等等，各个学科的协同整合、分工合作给业界提出新的考验。
从整体来看，以AI正为整个健康产业带来新的活力，使得医疗行业不断向数字化、智能化驱动演进。未来依然在远方，但我们已在路上。
B村官微征稿悬赏令
找的就是这样的你：
有着对行业趋势的敏锐嗅觉
有着满腹洞见真知需要表达
有着丰富的从业经验或心路历程想要分享
这里的舞台足够大，奖励足够重！
走心走肾，原创干货
一经采用，必有重赏！
投稿邮箱：zhangh@biobay.com.cn