跳出固有思维，AI将如何重塑医疗健康领域？
▎药明康德/报道
编者按：与传统的生物技术公司相比，人工智能（AI）公司在早期运营阶段需要大量资金。另外，生物技术公司的投资者会占大部分公司股份，50％以上；而一般科技公司具有资本效益，投资者通常持有少数股权。因此，AI生物制药公司本质上是技术公司——由软件驱动，计算机驱动和工程驱动，而不是发明驱动，与传统生物技术公司有很大区别。但是，如果一个纯粹的AI公司想进入生物制药领域，由于它不了解药物设计或生物学，发挥的实际影响力也会很有限。因此，把机器学习和AI应用于医疗健康方面的初创公司想要成功，需要具有跨越两个世界——生物学和计算机科学的经验和背景的投资者和管理者。
今日药明康德AI独家深度报告的主角就是这样一位复合型人才，风险投资公司Andreessen Horowitz合伙人Vijay Pande博士。他是斯坦福大学（Stanford Universit）化学教授、结构生物学和计算机科学教授，2015年进入投资领域。
Pande博士认为，要使AI对传统药物研发产生最大影响，需要跳出固有思维，比如数字疗法。他投资的Omada Health公司正在采用认知行为疗法治疗2型糖尿病。另一个有趣的领域是数字疗法和现有的小分子药物的结合的新型鸡尾酒疗法。Vijay Pande博士也提到了使用AI来研究长寿，这会产生巨大的，有意义的影响，是对医疗健康的彻底重塑。
“人工智能专家独家深度对话”系列
点击以上蓝色新闻标题可以前往详细报道页面
▲Andreessen Horowitz合伙人Vijay Pande博士，他是斯坦福大学化学教授、结构生物学和计算机科学教授，2015年进入投资领域，领导了对多家AI生物公司的风险投资。
药明康德：生物制药研究领域的人工智能应用如何发展？
Vijay Pande博士：在许多不同的领域，AI有了巨大的进步。其中最引人注目的是图像识别（image recognition）。在图像识别中，AI能比人更好地识别场景中的事物，这里的黄金标准是人们的共识。图像识别不只是能说出图片中有猫或狗。这项AI应用已经在医学领域得到证明，例如在皮肤病领域，AI可以比任何一个皮肤科医生做得更好，这实在是令人印象深刻和有趣。在皮肤病学中，AI可以被训练完成熟练的皮肤科医生的工作。
▲ 今年2月，《自然》封面报道了用人工智能诊断皮肤癌的重磅研究，彰显了人工智能在疾病诊断上的无限潜力（图片来源：《自然》）
相关阅读：
除了图像识别，以及制药行业之外的自动驾驶汽车等这些现有领域，人们一直在想知道AI在医疗保健中可以做些什么。主要的挑战是如何以一种适合的方式表征生物制药数据。在某些类型的数据上AI会很有效，如基因组学数据。诊断测试等领域的数据几乎像一个一维的图片，真的很漂亮。我们的投资公司之一，Freenome就是一个很好的例子。他们可以使用基因组学数据和AI通过血液检测发现早期癌症，这是我们以前无法办到的事情。
▲与现有的计算机分析方案（中）相比，新型人工智能（右）能更准确地找到肿瘤（图片来源：谷歌）
相关阅读：
如何把小分子药物数据表示成AI可以学习的数据，这是一个更大的挑战，也是我们需要继续研究的领域。我最后强调一下AI怎么表示自己。比如让街上任何一个人说出两个10进制数字。这是一个很直接的事情。任何学过数学的人都可以做到这一点，对吗？如果你把这两个10进制数字用罗马数字表示，并尝试把它们加起来，我认为这几乎是不可能的。而且对很大的数字而言，罗马数字的加法将变得非常困难，我们任何人都可以做到这一点的唯一方法是将罗马数字转换为阿拉伯数字。我们通过做转换，用阿拉伯数字做加法，再把结果转换成罗马数字。这个比喻的观点是，正确的表示会令操作轻而易举，而差的表示会令操作无法完成。AI用于制药业面临的最大挑战之一是如何表示小分子药物。随着这一领域的进步，我们开始看到一些方向。
药明康德：您如何应用在斯坦福大学实验室的研究成果？
Vijay Pande博士：我们一直在研究把AI应用到小分子药物设计和与化学信息学相关的其他领域，这些领域不一定是医疗的，如设计太阳能电池。我们的AI技术能力使我们能够做出人们认为不可能的事情。我最喜欢的例子之一是，大多数机器学习方法如果碰到很少的训练数据，效果会非常差；但一些新的AI方法甚至可以使用两位数据来工作，比如一个正数和一个负数。有了这些AI技术突破，我们也看到了这些方法在制药中的应用。
药明康德：跟以往的生物技术技术相比，AI更像是大学的研究产物吗？
Vijay Pande博士： 可以说，很多以前的生物技术都来自大学，AI也一样。大学和典型的初创公司都对AI感兴趣。也许在这种趋势下，像Google这样的公司也参与其中。我认为大公司对AI非常感兴趣。他们认为健康领域是一个AI能产生巨大影响的地方，有很大的（市场）空间。虽然制药公司开始意识到AI的潜力，并且越来越感兴趣。但我认为更多横向的AI公司会在制药公司之前进入把AI引入医疗健康领域。
相关阅读：
药明康德：您认为目前风险投资对AI的兴趣与对以往的生物技术创新有何不同？
Vijay Pande博士：从创业方面，我们看到的大趋势之一是，与传统的生物技术公司在早期阶段相比，AI公司的运作方式有很大的不同。它们需要大量资金。通常，生物技术公司的投资者会占大部分公司股份，50％以上，这会有助于公司建立和发展。这与科技公司的创立方式有很大的差异。一般科技公司具有资本效益，投资者通常持有少数股权。
我们现在看到的主要趋势之一是，因为这些新的混合技术生物公司（区别于传统生物技术）本质上是技术公司——由软件驱动，计算机驱动和工程驱动，而不是发明驱动——它们创立时更像科技公司，由科技风投公司投资，这是一个很大的根本区别。话虽如此，我不会说这些公司是纯粹的科技公司。
如果一个纯粹的AI公司想进入这个领域，但它不了解药物设计或生物学，我认为它们发挥的实际影响力会很有限。所以我会认为，我们看到的是一种新型的生物技术公司，是以科技公司方式建立在生物和医疗保健领域的公司，创始人真的必须能跨越领域，并具有两个领域的经验。风险投资公司也必须具备两方面的专长。在我们建立a16z这个基金的两年多时间里，我看到许多人进入这个领域，生态系统正在变得相当成熟和复杂。
药明康德：Andreessen Horowitz公司有些什么基金？
Vijay Pande博士：Marc Andreessen和Ben Horowitz在8年前成立了这支基金。他们希望创建一家公司，能够为精通技术的企业家提供管理人才和技术人才，在政策和法规，营销，市场开发和企业发展方面提供帮助。作为一家没有普通合伙人（general partner）的基金公司，我们在所有这些领域都有运营团队。
由于生物技术行业的资本效率不足，基金公司看到生物技术公司需要基金的帮助时才会对其感兴趣。我在2014年9月担任Andreessen Horowitz基金公司的顾问，2015年9月全职担任普通合伙人，领导生物技术基金和支持这一领域的公司。
药明康德：AI如何改变药物发现与开发？
Vijay Pande博士：AI可以对药物开发的每个阶段产生影响。它可以帮助产品鉴别和牵头开发。了解生物学是药物设计中最大的挑战之一。所以能够识别靶标很重要。
目前我们开始认识到，而且生物学家近几十年甚至近几个世纪已经认识到的一件重要的事情是——生物学非常复杂。物理学具有简洁优雅的美学，但生物学是复杂，凌乱和有机的。不幸的结论是，生物学如此复杂，以至于人类的大脑无法理解所有这一切；我们在理解生物学方面的局限性导致了晚期临床试验结果的复杂性。
所以我们关注的最早的一个地方就是药物设计的研发管线。生物学可能对于人类大脑来说太复杂了，但对于某些类型的AI可能不是太复杂；AI可以用人脑无法实现的方法整合数据，然后能够将研究人员引导到有趣的新地方，并选择新的生物学靶标。那是一个非常自然的过程。
▲ 在人工智能眼里，皮肤病是这样的（图片来源：《自然》）
我们现在看到的，以及我在斯坦福大学进行的研究工作能够实现的是，通过机器学习和人工智能，我们可以从药物研发的hit阶段迅速进入临床前试验，这个过程需要一年或者更短。如果走合成路线，那么在所有不同阶段，比如选择化合物和帮助合成，AI都能大大加快这一进程。
但最后我认为最大的挑战，最大的胜利，将出现在临床试验领域。如果我们可以使用机器学习和AI来改善1期临床到3期临床的试验成功率，那将非常有诱惑力。我们可以使用从临床前，体外和体内研究中得到的所有数据，设计更好的1期临床试验。然后使用1期临床试验得到的人体生物学信息，可以改进2期临床试验，等等。我认为AI有潜力真正影响所有这些不同的领域，现在各个领域都有人在研究。
药明康德：你认为AI会对药物的成本产生影响吗？
Vijay Pande博士：AI将以几种不同的方式对药物成本产生影响。一是大大缩短开发时间，开发时间的压缩是巨大的。新药的专利窗口期只有一定长度，如果我们能够更快地开发成功，就可以有更多的时间来摊销成本。这点特别吸引人。
第二个AI可以改变的地方是失败试验的成本。失败的结果也要支付，所以如果可以减少失败的试验，当然会降低成本。因此我认为以上两点AI可以简单胜出。
我认为更有趣的是机器学习可能会以人们无法期望的方式产生影响的那些领域。其中一个领域是数字疗法的兴起。这些是用于行为疗法的软件程序，通常是关于认知行为疗法。认知行为疗法甚至可以影响疾病领域，如2型糖尿病。
美国疾病控制和预防中心（The U.S. Centers for Disease Control and Prevention）就有这种糖尿病预防计划，其行为疗法超过了二甲双胍的疗效。Omada Health是我们的投资公司之一，它率先参与了该计划。
由于没有毒性，数字疗法可以不断改进数据处理方法。Omada可以不断提高功效，从而开发更好的产品，因为这是一个非常好的良性循环。一旦开发了更好的产品，就会获得更多的客户，更多的数据，而获得更多的数据，公司又可以开发更好的产品。通常我们称之为数据网络效应（data network effect）。
▲Omada公司开发的糖尿病数字疗法（图片来源：Vimeo)
Omada正在2型糖尿病领域开发数字疗法，我们很快就会看到在焦虑症，抑郁症，创伤后应激障碍，甚至像阿兹海默病等领域的类似应用。在所有这些神经学领域，生物学相当复杂，数字疗法正在发挥作用。所以这是一个可以大大降低成本的地方。
另一个有趣的领域是，数字疗法和现有的小分子药物的结合。Pear Therapeutics公司在这方面最近获得了FDA批准。这种组合特别有趣，就像小分子鸡尾酒疗法一样，它是传统的小分子疗法和数字疗法组成的鸡尾酒。你甚至可以用低成本方式，将一个非专利药物做成同类最好的药物。
AI会对传统药物设计产生影响，影响最大的地方需要跳出固有思维。
药明康德：您如何看待AI领域在未来5到10年的发展？
Vijay Pande博士：我们发现制药公司开始对AI非常感兴趣。这不是药企内部研发技术。但是，制药公司在并购（M&A）方面做得很好，所以我们最开始会在初创企业，然后才在制药公司中看到这些技术。
与生物领域中的任何新技术一样，AI也需要时间才能被接受。通常要在应用5到10年后才会被完全接受，因为当要把项目或事业押宝在某种技术上时，我们需要确保它能有效。在某个时点AI会开始发挥作用，这正是我们努力的方向。
第二个阶段是AI被接受。初创公司会最早接受AI，然后获得成功，由初创公司推动AI发展，直至每个人都希望拥有这种技术的转折点发生。我认为这将在未来10年内发生，我们会开始看到AI更加广泛的影响。
药明康德：患者和医疗体系应该怎么看待AI技术的好处？
Vijay Pande博士：我认为最早的AI胜利是在诊断中。我们已经看到Freenome公司的癌症检测产品，Cardiogram公司的心脏病可穿戴产品面世。这些公司目前发展得很好。
显然，要顺利走完药品开发流程需要一段时间，所有可能需要10年的时间我们才能看到AI对生物制药行业产生巨大的影响。但是，我认为AI只是机器学习的最现代化版本。在我看来，计算机的术语AI应该描述成人类的关键特征，因为机器学习正在使用人类的特征。
机器学习不会从黑白直接变成彩色。未来10年它会逐渐变得越来越重要。
药明康德：在生物制药研发和临床研究中使用AI有哪些限制或缺点？
Vijay Pande博士：唯一的缺点是人们对AI抱有天真的想法。AI不会是灵丹妙药，如果没有高质量的数据，它将无法正常工作。有许多值得注意的地方。当人们面对新技术时，通常分为两类。一类群体是完全怀疑的，认为没有什么用；另一类则认为新技术将解决一切。一般来说，两种观点都不正确。在专家手中，新技术可以相当强大。
有几件事情需要注意，例如数据的质量，数据的数量，正确的数据等等。唯一的忠告是，我们必须了解AI在哪方面会有效，哪方面没有效，以及如何使它有效。
药明康德：其他“跳出固有思维”的AI应用是什么？
Vijay Pande博士： 我们开始看到AI影响着新的医疗健康思维方式。所以像BioAge Labs这样的公司正在使用机器学习和AI来研究长寿。我觉得这会产生巨大的，有意义的影响；现在我们讨论的不是治愈每一种疾病，只是为了将生命长度普遍延长50％。这意味着延迟40年发作阿兹海默病，而不只是延缓6到9个月，这是目前典型的阿兹海默病药物的疗效。
由于生物学的最新进展，我们才有希望看到这些巨大的变化发生。这可能还需要10到20年，但这是我们面临的激动人心的时刻。AI可以帮助开发药物，将人类的平均寿命从80年延长到120年。当谈到延长寿命时，人们认为这表示当我们活到80岁，还可以再活40年。其实，延长寿命是说当你120岁时还能拥有80岁的生活质量，60岁时还能拥有40岁生活的质量。用“变革( transformative)”一词来形容似乎这种变化还是太单薄。这应该是对医疗健康的彻底重塑（reshaping）。
点击文末下方“阅读原文”，即可访问原始英文访谈。
药明康德独家深度报告系列：