小2说丨AI制药曙光已现，但道阻且长

生物医药，一位十分“传统且刻板”的老学者。它有着强大的知识储备和高深莫测的专业技能，几乎不受外界的干扰，在自己既定的发展轨道中一步一个脚印，扎实又缓慢地前行。
人工智能，一个诞生于20世纪50年代的“毛头小子”，爱好学习和预测，擅长从海量数据中找到与人类相似的逻辑与判断，不断以0和1的代码武装自己，尽量活出“人样”。同时，它还很热衷于交友，在它的影响下，机械、传媒、运输、商业等一众“老古董”焕然一新，迸发出新生活力。
没有哪个行业能避免被“AI”席卷，也没有哪个行业能拒绝“AI”的魅力。当第三次人工智能的浪潮来临，AI决定将生物医药纳为自己“新朋友”，并开始用自己的热情拥抱它的“刻板与冷酷”。2020年，“AI发现药物分子”入选了《麻省理工科技评论》发布的“全球十大突破性技术”榜单。不难想象，当AI与生物医药这两个万亿级产业相互碰撞时，将迸发出怎样巨大的“震撼力”。
其实，利用计算机图像识别的技术优势，AI已经率先切入到了医学影像辅助诊断应用，目前已有12款基于人工智能技术的独立辅助诊断软件获得了NMPA颁发的医疗器械注册证书。那么，在生物医药行业，AI还能做什么？“AI智药”的优势与缺点又是什么？如今，领跑该赛道的选手又有哪些呢？带着这些问题，我们一起走进本期的《小2说》。

AI技术赋予生物医药“加速度”

曾经有学者将药物发现类比于服装设计：科研人员根据模特（靶点）特点，画下了服装草图（化合物），但具体到布料、配饰等（化学分子）的选择搭配是未知的。传统上由科研人员根据文献、自身经验去选择、搭配，制成了成衣，再穿到模特身上，却可能出现尺寸不对、搭配不好看等各种问题，失败概率很大。而这也造就了全球公认的新药研发“三高一长”的突出特点——高技术、高投入、高风险、长周期。

对于这些问题，AI技术似乎已经找到了多个适合自己的应用场景。

药物研发各环节中AI的作用来源：参考资料【1】

从临床前药物发现到药物研发后期的临床试验，AI技术渗透到了药物研发诸多环节。例如基准化合物设计、预测疾病靶点、预测信号通路、预测成药靶点、确认新靶点、硅化合物库设计、预测药物结构与活性的关系、预测ADMET（药物的吸收，分配，代谢，排泄和毒性）性质、优化药物反应试验、选择受试人群、药物警戒和转录组数据查询等。

目前，在药物需要大数据分析和高通量测试的阶段，AI的优势最为明显。例如在根据海量文献筛选靶点、专利追踪、批量性质预测等方面，药企便可以通过使用人工智能相关技术降低大量制药成本。

据统计，人工智能的运用在药物发现、临床前研究阶段可缩短近40%的时间，在临床试验阶段可提高近50%的效率。另外，在成本上还可以每年帮助制药公司节约近260亿美金的化合物筛选成本，以及约280亿美金的临床实验费用。面对创新药研发领域日趋激烈的同质化竞争，人工智能在药物研发过程中带来的诸多底层“差异化”创新无疑展现出了更加优越的价值。

近年来随着AI在生命科学领域中的“小试牛刀”不断展露出其“潜力股”的魅力。因此，多家大型制药企业开始尝试拥抱AI，在AI制药上做出自己的努力。

正当时：AI制药公司的崛起

2020年6月，Drug Discovery Today杂志发表一篇题为《The upside of being a digital pharma player》的论文，讨论了包括辉瑞、默沙东、礼来等21家制药巨头在2014-2019年间的数字化研发现状。

据统计发现，神经退行性疾病和肿瘤方向是目前合作的两大热门领域，心血管以及胃肠道疾病领域也有所涉猎。AI技术应用方向主要是利用从论文、临床试验中提取数据，提出新假设从而加速新药研发，或者将大数据、机器学习和仿真技术结合起来判断疾病预后效果，从而辅助医疗供应商进行市场决策。

活跃于药物研发各阶段的AI公司，来源：参考资料【2】

大洋彼岸的大型药企与AI公司合作日渐加深，AI制药在中国也迎来了发展新机遇。刚刚过去的2020年应该算是国内AI制药的元年。其标志性的事件是国内头部互联网巨头全部跨界开始布局AI制药领域。

腾讯是最早开始布局AI制药的互联网公司，于2020年初成功推出首个AI驱动的药物发现平台“云深智药（iDrug）”，将AI药物研发正式列入企业版图。2020年下半年，阿里和百度也分别进入了这个行业，阿里巴巴旗下的阿里云与全球健康药物研发中心（GHDDI）合作，开发AI药物研发和大数据平台，并针对SARS/MERS等冠状病毒的药物研发进行数据挖掘。百度则于2020年9月成立了百图生科（BioMap），其LinearFold算法可将新冠病毒的全基因组二级结构预测从55分钟缩短至27秒，提速120倍。

除了这三家巨头之外，其他的头部互联网公司也都纷纷基于自身AI算法等优势打造药物研发平台，加快进入这个全球最大的生物医药大健康市场。其中，华为在医疗领域布局了华为云EIHealth，计划2021年进一步在AI药物研发领域展开布局。字节跳动也成立了专门负责大健康业务的极光部门，目前正在北京、上海、美国加利福尼亚州三地招揽AI制药领域的人才。至此，整个互联网行业第一梯队的公司，几乎全都已入局AI制药行业，这也代表了互联网行业和制药行业有机结合的开始。

除了上面提到的互联网公司外，近年来在药物研发各细分环节还诞生了许多各具特色的AI制药初创公司。它们在信息搜集与整合、靶点筛选、药物设计合成、药物有效性预测以及临床试验数据优化等细分环节中发挥着重要作用。

例如，以晶型的预测为切入点，逐渐拓展到AI制药的各个领域的晶泰科技、提供端到端的临床前药物发现服务的星药科技、专注于变构药物研发的宇道生物、侧重于将自然语言处理技术应用于新药申报环节的深度智耀、偏好于开发药物的重定向技术的燧坤智能、重点关注“通过深挖生物学机制，帮助药企研究并设计新药管线的开发策略”的普瑞基准等新兴公司，都在尝试利用人工智能技术解答那些医学中最本质的问题，从而赋能到新药的研发。

据不完全统计，2020年共有17家AI制药初创公司完成了20余轮次的融资事件，总融资金额在30亿美元左右。

在集聚创新之力的B村，部分客官也已开始积极布局与AI的合作。例如，今年2月，B村客官新格元与晶泰科技达成战略合作，双方将结合各自平台在靶点筛选和新药发现方面的优势，针对亚洲人群中最常见的恶性肿瘤，包括食管癌、胃癌、结直肠癌等多种消化道肿瘤进行靶向新药的开发。（相关阅读：B村资讯 | 基因测序联手AI，共同研发肿瘤靶向新药）

同月，B村客官艾博生物与燧坤智能达成全方位战略合作关系，双方将依托各自的技术平台及优势资源形成合力，赋能核酸药物研发，以加速传染病疫苗、治疗性癌症新抗原、肿瘤疫苗等药物的研发，满足重大突发公共卫生事件及临床的需求。（相关阅读：B村资讯丨艾博生物牵手燧坤智能，让AI赋能核酸药物研发）

今年3月，B村客官再鼎医药与阿尔脉生物签订新药发现合作协议。根据协议，阿尔脉生物将利用其AI技术、大数据和其独特的Intelligence DNA编码化合物库（iDEL）平台，以及相关设计、合成和筛选技术，与再鼎医药共同开发肿瘤等疾病领域的创新靶点药物。（相关阅读：B村资讯丨再鼎医药牵手阿尔脉生物，打响“AI+新药研发”的持久战）

早前，B村客官景昱医疗还与华为达成了合作，引进AI辅助测评系统，推出了帕金森病远程AI辅助评测系统，促进了更加精准的远程脑起搏器帕金森病诊疗。（相关阅读：B村资讯丨未来可期！专攻神经性疾病治疗的B村客官们）

更值得一提的是，早在2019年，由贺林院士团队打造的苏州BioX产业院落户于B村，并已携手浪潮集团启动了中国遗传病AI超算平台。（相关阅读：B村资讯 | 苏州BioX产业院携手浪潮集团启动中国遗传病AI超算平台）

方兴未艾：AI制药并非坦途

尽管AI与生物医药的结合渐趋火热，但也并非坦途。

这是“一个高度封闭和保密的行业与一个开放性最强的行业的碰撞”。在全球健康药物研发中心（GHDDI）AI部门负责人潘麓蓉看来，两个领域的气质截然相反：国际大型制药企业已发展数百载，知识经验和数据积淀丰厚，却壁垒森严；而AI领域发展强调“开放”二字，数据驱动的特质使得AI的应用价值和成长潜力取决于训练数据的广度和质量。

对AI制药企业而言，数据壁垒必须破除，但这并非易事。多位业内人士指出，药物研发中最核心的数据往往掌握在药企手中。由于涉及核心知识产权，药企并无意愿将核心数据分享。而公开的数据质量参差不齐，限制了AI发挥更大价值。

长期专注于利用AI挖掘人类微生物组的领域，美国生物制药研发公司DeepBiome Therapeutics的创始人罗成伟博士坦言：AI助力药物研发需要足够多的数据点作为支撑，但在医药行业中，整个新药发现领域的数据量，总体上是不足的或者说是不足以支撑人工智能模型的运作。人工智能技术非常依赖于大数据，在AI行业中也一直流行着“数据大于算法”这一说法。只要有了足够多的数据，很多问题就迎刃而解了。

另外，AI技术在医药研发上的应用也存在不少短板，例如对于非结构化的医药文献信息处理技术还处于比较初级的阶段、对医药研发中常见的小数据问题的学习和处理能力不强等。预计在短期内，AI还无法颠覆制药工业的既有生态，并且不同项目中的AI模型差异巨大，如何训练完全依赖研究者自身的判断。

对此，浙江工业大学智能制药研究院段宏亮院长表示：AI制药这个领域和前几年非常火爆的无人驾驶有些相像之处。就发展水平来说，AI制药现在只能达到无人驾驶领域的L2-L3级别，需要司机辅助的无人驾驶水平。在一些关键环节，司机需要进行踩刹车或者调控方向盘的操作。整个AI制药流程的再造，现在也需要有经验的新药发现者，尤其是药物化学家的干预，这样一个“药物司机”需要不时穿插在上述AI药物研发链条的某些环节进行调控。

若AI技术延伸至临床试验阶段，那么临床数据的合规性也是一大痛点。患者健康和诊疗数据的搜集、管理和运用具备了信息安全和医疗安全的双重风险，企业、医疗机构以及监管机构必须建立有针对性的风险控制方案，确保在合法合理使用的同时保障患者的隐私。在大数据互通互联的情况下，需要寻找信息安全保障和开放利用的平衡点。

除了数据问题，人才也是这一行业的隐藏挑战。因为制药领域本身是一个极为复杂的交叉行业，对其进行细致的划分，可以分成生物靶标的发现、药物设计学、药物化学、药理学、药剂学、毒理学、临床等等环节。所以，创业团队不仅需要对传统制药环节大致了解，还需要对计算机或者是人工智能有所精通。

结语

人工智能时代的到来，是一场新的工业革命。AI技术若真能帮助一个靶点或通路的确立，或是对化合物进入临床阶段的探索和再造，又或是仅仅在制药过程中的一个环节进行革新，都将会对研发成本巨大的制药行业产生“蝴蝶效应”。

我们怀着无比激动的心情去期许AI制药的未来，但也不可能忽视一些问题。比如：药企将会多大程度“允许”AI技术进入自己商业链条，又以何种方式衔接这些技术？数据的共享与隐私又将如何界定与保护？在困难靶点药物研发上，AI技术又将有多大的突破呢？

困难虽多，但曙光已现。正如晶泰制药创始人马健博士所说：AI制药，道阻且长，但行则将至。

参考资料：

【1】打开AI制药黑匣子，CBInsights深度剖析AI制药领域商业机会

【2】Artificial Intelligence in Life Sciences:The Formula for Pharma Success Across the Drug Lifecycle

【3】段宏亮：AI制药的现状、技术与挑战

往期精选▼