AI+药物研发的机遇与挑战

（药渡提示：升级iOS13系统的iPhone手机用户如遇药渡APP出现闪退情况，请前往App Store将药渡APP更新至最新版本v4.2.4。）

    新药研发具有成本高、研发周期长、成功率低三大高风险性质。据《Natrue》报道，新药研发成本约为26亿美元，耗时约10年，成功率不到1/10。如何加速新药研发进程，降低研发费用已成为各大制药公司迫切需要解决的问题。此外，药品流通环节及医疗价值链的转变，迫使制药公司降低价格，提升药物价值。

    如今药物研发累计的数据高速增长，药物研发领域数字化转型加速。因此，药企的首要任务在于利用这些数据来驱动价值，达到提高药品生产效率和审批率，并降低成本的最终目标。

    最近为学习和预测新特征而建立的人工智能技术，尤其是深度神经网络（DNNs）或递归神经网络（RNNs）等的进步，让人工智能技术应用更为广泛，社会自动化程度提速。在此大背景环境之下，与大数据、云计算相结合的人工智能技术在药物研发中的应用日益增多，应用优势也得到突出体现。

AI+药物研发应用情景与技术

    从1956年的达特茅斯会议开始，AI在药物研发中的应用已有60多年的历史，现在已渗入医药研发各个阶段，但还主要集中在新药发现和验证阶段。不过应用的技术已有很大进步，已从以前定量关系的（QSAR）和定量结构-性质关系（QSPR）的研究中的标记训练数据集和模型进步到机器学习、认知计算和图像识别等。
    现在，AI与药物研发相结合应用的主要场景包括：发掘药物靶点、挖掘候选药物、高通量筛选、药物设计、药物合成、预测药物ADMET性质、病理生理学研究及新适应症的开发——老药新用。其中靶点筛选是近期AI+药物研发最热门的领域，而两者相结合的应用也将让老药新用达到新高度，但小分子药物筛选和设计仍然占主要地位。但按照应用场景的发展速度来看，药物合成未来或将成自动化程度最高的方向。这些应用场景常用的AI技术主要是机器学习、认知计算和图像识别等。

AI+药物研发代表企业和布局领域

    目前，AI+药物研发代表性的初创企业有Exscientia、BenevolentAI、Atomwise、Relay Therapeutics、晶泰科技、燧坤智能、Numerate和IBM Waston和Lam Therapeutics等。按照现有初创企业在治疗领域的布局情况来看，肿瘤占比最多，而神经领域次之，而罕见病相关的企业也较多。因此，肿瘤和神经系统不仅是目前AI+药物研发的布局重点领域，也是未来发展的潜力领域，而AI也将助力破解罕见病诊断难和药物研发难的“两难”境地。

图1. AI+药物研发初创企业治疗领域布局情况

数据来源：biopharmatrend，数据截止时间为2019年7月底

AI+药物研发优势及代表实例

    与传统药物研发模式相比，AI+药物研发具有缩短研发周期，节约资金成本，提高成功率，充分利用现有医疗资源等优势。据统计，传统模式下的药物研发光是临床前阶段可能就需要4-5年。而基于AI和生物计算的新药研发管线平均1-2年就可以完成临床前药物研发，药物研发明显提速。自此，首个完全通过AI设计的药物-涡轮增压”的流感疫苗已经进入临床阶段。Pharnext公司利用AI技术开发的治疗腓骨肌萎缩症1A亚型的组合疗法PXT3003已完成两项III期临床，且取得积极结果。2017年天士力也与Pharnext达成了合作协议。

AI+药物研发企业合作情况

    2019年9月11日，江苏豪森和Atomwise宣布，双方将合作设计和发现多个治疗领域中多达11种未公开靶蛋白的潜在候选药物。根据双方合作协议，此次合作对Atomwise的潜在总价值将超15亿美元。之前正大天晴通过与阿里云合作获得一种全新的化合物筛选方法。据悉与传统计算机辅助药物设计方法相比，这套新方法可提高筛选准确率20%。
    再看全球药企的合作情况，至此，全球十大跨国企业均已入局AI+药物研发领域，具体合作信息如下表所示。因此在AI+研药物领域，初创企业布局平台，通过技术合作盈利，而传统大型企业通过合作或者战略投资入局。在此趋势之下，初创企业的涌现、合作和融资情况在2018年均达到了历史最高，初创企业融资金额高达10.36亿美元（未包括未公开项）。

来源：公开资料整理

AI+药物研发所面临的机遇和挑战

    来自TechEmergence的一份报告显示，人工智能可以将新药研发的成功率从12％提高到14％，可以为生物制药行业节省数十亿美元。此外，据报道AI在化合物合成和筛选方面比传统手段可节约40%-50%的时间，每年为药企节约260亿美元的化合物筛选成本。在临床研究阶段，可节约50%-60%的时间，每年可节约280亿美元的临床试验费用。即AI每年能够为药企节约540亿美元的研发费用。AI+药物研发与传统模式相比，时间和成本优势明显。

    现在，全球十大药企已入局，而初创企业融资和合作也达到了历史最高，领跑着已获得高额融资回报，而优先布局的大型企业如罗氏也掌握了优质数据源。按此发展，未来AI+医药这一市场有着巨大的发展潜力。至2025年，AI+药物研发的市场规模将超37亿美元（不包括诊疗等）。

    但AI+药物研发同样面临着不太乐观的现状及诸多挑战。2019年4月，IBM公司因为财务业绩低迷，决定停止开发和销售药物开发工具——Watson人工智能套件。作为医药健康领域人工智能的领跑者，也不得不面对财务业绩低迷的状态。

    此外，当下AI应用较为集中的靶点筛选方向，现已通过文献分析等筛选出比已批准药物更多的靶点，但是靶点的确证却是一道难题，如何建立确证模型，又用什么来确证，人力财力是否跟得上，这也是需要思考的。另外，人工预测药物的可成药性，与通过试验摸索得到的药物相比，可信服度低。因为基于已不到2000个获批药物的数据集（质量未必高）来预测，这是远远达不到依赖高质量、有标识的数据集的深度学习的最基本的要求。而这也恰巧是AI在药物合成方面的应用优势。

    因此整体来看，AI+药物研发真正意义的产出极少，大部分企业需要面对产出成果不足或者不优而导致财务状况堪忧的现状。因此，企业需要合理的定位产业链角色，选择适合的创新商业模式。

    此外， AI+药物研发的企业也面临来自政策、人才、技术等方面的挑战。新的技术的引进，让原有药物研发模式改变，监管人才、政策指南等均需要同步更新，而现在尚无针对性的政策指南出台。就人才而言，高端复合型人才的缺失也限制了这一领域的发展。且AI多任务学习的“黑匣子”特征仍是深层神经网络从复杂生物信息中提取关键关联信息的阻力。未来需要政策监管同步提高，培养复合型高端人才，技术方面如自然语言处理实用化发展、知识图谱的多维度应用，以及知识问答、分析决策和语义搜索等也需要较大提升。除此之外，对AI+药物研发认知度和生物复杂性的理解提升也有待提高。在决定AI+药物研发质量的数据问题中，如何建立研发数据标准体系完善数据，如何建立风险利益公担的共享机制，也是未来AI+药物研发所需要面对的。

结语

    虽然AI+医药研发目前现状并不是非常乐观，还面临诸多挑战，但可以明确的是，AI+药物研发的结合必然是未来制药行业的发展趋势，也将在未来十甚至二十年的时间内，对医药领域进行一场颠覆性的革命，迎来新时代。

【活动报名】

第43期沙龙：AI在新药研发中的挑战与机会

01. 活动简介

新药研发是一个耗时耗资且失败率高的巨大工程，能够通过这重重考验并成功上市的药物，仅有不到1/10。目前主流的做法是通过药物研发外包服务，合作开发或收购一些有潜力的生物技术公司来提高药物研发效率，但这并没有真正意义上的改变“先假设再验证”的药物试验模式。新药研发周期长、成本高已成为医药行业的共同痛点。随着互联网、大数据技术及应用的发展，人工智能深度学习能够通过穷尽各大患者及健康人群数据库找到药物候选靶点，运用算法精准预测，快速筛选活性化合物，虚拟构建药物分子。AI让药物研发模式发生了本质上的逆转，通过真实数据获取并找到最有可能成立的假设。目前AI主要应用于药物研发的临床前研究阶段，集中于药物靶点的确认、活性化合物的筛选、药物安全性的评估、药物有效性的测试。

 AI真的可以改变传统的药物研发模式吗？究竟目前在哪些方面取得了实质性的应用突破？又面临怎样的难点？是否中国的药物研发在人工智能的助力下真的会赶超欧美？带着这些问题，恺思俱乐部特举办“人工智能与药物研发”系列沙龙，第一期聚焦“AI在新药研发中的挑战与机会”，邀请科学家、人工智能算法工程师、人工智能药物研发服务企业高管，共同探讨人工智能在新药研发领域的药物基础研究应用、算法突破、IT工程化，以及应用过程中的成效和面临的挑战等话题。欢迎药物研发与人工智能研究与应用相关的从业人员参加。本次沙龙由中科院上海药物所苏州药物创新研究院、苏州工业园区培训管理中心、恺思俱乐部苏州分部联合举办，药渡网协办。

02. 活动时间和地点

（1）时间：2019年10月22日下午13:00开始签到；（2）地点：中科院上海药物所苏州药物创新研究院（苏州市苏州工业园区裕新路108号主楼报告厅A104室），名额有限，欲报从速(请拉到文末报名）。

03. 活动安排

04. 嘉宾介绍郑明月   博士、博导

中科院上海药物研究所研究员

国家新药研究重点实验室成员

2001年于中国海洋大学药学院获药物化学学士学位，2006年于中科院上海药物研究所获药物设计学博士学位，博士毕业后加入上海药物所药物发现与设计中心，历任助理研究员、副研究员、研究员。近年来，在Trends Pharmacol Sci、J Med Chem、Bioinformatics、J Chem Theory Comput、J Chem Inf Model等杂志发表第一作者、通讯及共同通讯作者论文共40余篇，参与4部专著的编写。参与申请发明专利和软件著作权16项，其中已获得发明专利授权4项，软件著作权2项。此外，申请人还参与合作撰写Wiley出版社的化学生物学百科全书《Wiley Encyclopedia of Chemical Biology》、英国剑桥大学本科生教材《Chemical Genomics》、化学工业出版社2012年出版的《高等药物化学》的部分章节，参与翻译科学出版社2012年出版的《实用药物化学》第三版部分章节。主持并完成国家自然科学基金、中科院院人才专项、药物分子设计技术和高性能计算“863”子课题等项目；目前，作为课题负责人参加科学院个性化药物先导专项和生物安全关键技术国家重点研发计划。在学术兼职方面，担任J Med Chem期刊编辑助理、Protein Peptide Lett编委会成员，国家重点研发计划“高性能计算”重点项目答辩评审专家、Biomed Res Int客座编辑，以及J Med Chem和Bioinformatics等20多种SCI期刊审稿人。研究方向：基于大数据和人工智能药物设计研究。主要从事抗肿瘤和抗病毒先导化合物的发现和结构优化，围绕药物靶标-配体相互作用和化合物吸收、分布、代谢、排泄和毒性（ADME/T）等成药性评价，通过综合运用机器学习和计算生物学等手段，提高药物设计方法的成功率和实用性。   王  雪   博士    资深算法科学家

王雪本科毕业于武汉大学无线电电子学专业（1982），硕士于荷兰埃因霍温技术大学医疗电子专业（1989）、博士于荷兰阿姆斯特丹大学语音技术专业（1997）。曾就职于国内外多家科技企业和研究院所，并曾自主创业。主要研究领域为语音、语言、音频信号处理算法及系统。目前主要兴趣领域在互联网商务智能中AI等方法落地的语义及知识推理工程、底层结构及算法优化的高效AI专用芯片、及各类复杂问题中的AI等智能算法落地路径及方案。

本次分享以语音及语言类AI应用中的语义结构化面对真实世界复杂性问题的智能化知识体系为例，简介该领域发展路径及现状，特别是大数据深度学习黑箱体系方法论从语义及知识等角度继续提升的部分探索路径，以及对于新药发现过程中AI技术及思想的建议路线：从这个前景巨大的领域所必须的跨学科方法中，如何充分发挥医药学科学家和AI算法科学家不同领域专业知识的结合、并逐步找到行之有效的以语义追踪架构的征程。

谭  平   先生

上海辛格迪健康科技有限公司CEO

连续创业者，先后创办上海瑞勒森管理咨询和上海辛格迪健康科技两家公司。资深IT战略咨询、生产及供应链管理专家。曾先后在世界五大咨询公司的ACCENTURE（埃森哲）和CAPGEMINI（凯捷咨询）任职，拥有在管理咨询领域超过十五年的从业经验。参与过多家全球知名企业的IT战略规划，BPR及ERP项目。是人工智能和IOT认证专家，中国第一批HYPERLEDGER专家。谭平持有ORACLE及IBM数据库专家认证，SAP认证，微软工程师认证，同时也是IBM小型机专家。加拿大CIO协会成员，曾参与加拿大VCN，智慧城市等多个大数据，人工智能和物联网项目。是中加多个信息化协会组织成员和客座嘉宾，曾在两地多个城市做技术研发和应用主旨演讲。也同时担任复旦大学讲师，上海商学院讲师。谭平在医疗健康，智慧城市和传统制造等领域具有相当丰富的经验。他曾在加拿大从事生命科学的QMS(质量管理系统)实施，回国后创办公司开发中国自己的QMS系统，帮助中国生命科学企业建立符合国际标准的合规及质量管理体系，促进中国生命科学行业健康发展。

    曾亥年    先生    

燧坤智能科技CEO

约翰霍普金斯大学生物科学法规硕士，北卡罗来纳州立大学植物生物学硕士，执业药师；10年+医药行业管理、BD和募投管退经验；在平安创投任职时投资和管理的项目包括Tmunity、NextCure、华领、KBP、XGENE、Rani、Prenetics等超过十个项目；曾任上海SHFDA药物审批中心兼职审评员。    章建刚    博士    药渡上海分公司总经理中科院上海药物研究所毕业，有机化学博士，从事抗肿瘤药物研究；先后在睿智化学和九洲药业工作，14年以上的医药研发高级管理工作经验；2019年加入药渡，任上海药渡分公司总经理。

05. 报名方式

（1）点击“阅读原文”报名；（2）扫描下方“二维码”报名。

点击阅读全文，立即报名活动！