李开复、梁颕宇最新对谈：AI新药发现已“从0到1”，中国有望成为AI+医疗的全球领导者

日前，Insilico Medicine（以下简称为 “Insilico”）在上海浦东举办创新成果发布会，公布其在 AI 制药领域取得了里程碑式进展。发布会上指出，Insilico 在全球首次利用人工智能发现新机制特发性肺纤维化（IPF）药物新靶点，以及针对该靶点设计的全新化合物。据悉，该候选药物成功进入临床前研究阶段，并即将开展临床阶段研究。

众所周知，一款新药从研发到上市需要花费 10 年以上的时间、近 26 亿美金的投入，即使如此，大约只有 10% 新药能被批准进入临床期，最终只有更小比例的药物分子可以上市。曾有投资人将新药 “从实验室进入临床试验阶段” 描述为 “死亡之谷”。

Insilico 利用 AI 发现新药靶点并推动药物进入临床，再次证实了 AI 在新药研发领域的潜力。那么 AI 在整个医疗领域的潜力如何？又将怎样与其他细分领域深度融合？

北京时间 3 月 2 日，启明创投、创新工场以及 Insilico 联合举办了一场线上高端对话 —— 从 “AI＋医疗” 到数字医疗：机遇与挑战。在会上，启明创投主管合伙人梁颕宇女士、创新工场董事长兼 CEO 李开复博士、Insilico 创始人兼首席执行官 Alex Zhavoronkov 博士，首席科学官任锋博士共同讨论了 AI 在医疗健康领域的潜力和挑战。

（来源：高端对话现场提供）

AI 如何助力新药研发

在新药研发领域，高成本、高投入、高风险” 早已成为行业的普遍共识。要解决传统制药行业内的这一难题，AI 或许是拧动这一难题的一把好钥匙。

Insilico 是一家以 AI 驱动的药物研发公司， Alex Zhavoronkov 此前接受生辉采访时曾指出，Insilico 的绝对优势在于他们是少有能把 AI 渗透到从靶点发现到临床预测每一个产业环节的公司。

Alex Zhavoronkov 曾在采访中指出：“将正确的药物靶点与正确的疾病联系起来是药物研发的最大挑战。”

据了解，Insilico 的核心技术在于开发一系列生成对抗网络（Generative Adversarial Networks，GANs）和强化学习（Reinforcement Learning，RL）来识别蛋白质靶点，从而生成具有特定属性的分子结构并合成数据。

在 2019 年，Insilico 发明并推出了一种用于药物发现的新型人工智能系统，能够在 21 天从始至终创造出全新的分子，花费仅约 15 万美元。由于靶点发现的失败率约为 95%，Insilico 当时解决了该行业药物发现的最大瓶颈之一。

Insilico 官方曾这样描述 IPF 新药研发的详细过程：从利用 AI 发现的 20 个与纤维化相关全新靶点研究、逐渐缩小适应症确定针对 IPF 一个新靶点；确定靶点后，利用 AI 化学生成系统设计选定化合物，在细胞实验和动物模型试验中验证安全性和有效性，进行 “设计 - 合成 - 评估 - 优化 - 重新设计” 数轮循环；确定临床前化合物后，进行专家评估；再确定是否可以进入到临床开发阶段。

图 | 基于 AI 技术的 IPF 新药研发流程图（来源：高端对话现场提供）

据 Insilico 官方透露，其 IPF 候选化合物目前正在进行 IND 申报，有望在 2022 年初进入临床研究阶段。除了 IPF 靶点验证以外，Insilico 也在基于 AI 平台发现多种纤维化疾病的创新靶点，包括皮肤纤维化、肝纤维化、肾纤维化等。

（来源：高端对话现场提供）

“药物发现中最困难的步骤和最大的谜团之一在于靶点验证，特别是确定在临床环境中有强大影响力的靶点。通过人工智能的努力，Insilico 成功地解决了药物发现中最大的谜团之一。” 新墨西哥大学 (University of New Mexico) 翻译信息学部门教授兼主任 Tudor Oprea 博士这样说，他在药物发现领域拥有 25 年的行业和学术经验 。

对于 Insilico 所取得的进展，李开复指出，他们正在做一件伟大的事情，今天是一个非常重要的里程碑，这会对全人类做出巨大的贡献，而且我们不要忘记这只是第一步，未来还有很长的路要走，未来 Insilico 的贡献会持续放大。

“我们希望 Insilico 可以做成中国最好的 AI 医疗公司。毕竟，现在中国的医药行业很需要 Insilico 提供的服务，希望 Insilico 团队可以加快发展，与更多的公司合作。” 梁颕宇也非常认同李开复的说法。

AI + 医疗还处于起步阶段，发展空间很大

不止于新药研发，AI 可以正在渗透到医疗健康领域的多个细分领域中。

李开复认为，用 AI 发明新药是一个非常全面的突破性发明，包括打通从靶点的发现、小分子化合物的寻找和设计等整个流程，最终实现制药这件事情。如果从 1 到 10，我们今天其实只走了第一步，未来的潜力特别的巨大。

梁颕宇十分认可李开复的看法，她认为 AI 现在还处于 “1” 阶段，从最先大规模应用于医疗影像中，到后面慢慢发展到药物研发领域，并取得了很好的进展。从医疗领域全景来看，AI 还没有介入的很多细分领域，还需要更长的时间、更系统化的解决方案。

要实现 AI 在医疗领域的全面落地，还需要不断优化升级 AI 系统，提升 AI 的智能化和个性化。虽然 AI 在医疗健康领域处于起步阶段，但是渗透到各细分领域的潜力巨大。

李开复认为，AI 先以工具切入医疗领域，用于辅助医生、专家等。以后，在某些领域里 AI 会扮演更重要的角色，将会与人一起工作，甚至 AI 可能做最大量的工作。总之，这应该是一个赋能、增强、人 + AI 的过程，可以实现 1+1+1>3 的效果。

李开复从三个方面剖析了未来 AI 在医疗领域的进一步发展布局。他认为，二、三十年后，AI 会与人类实现更好的结合，在 AI 助力下，人类获得的成绩可能会大于过去几千年所有的工作积累。

一是，在新药的研发和加速方面，随着对于靶点发现、新药发现的加速，接下来 AI 将会进入人体测试中，比如利用机器人自动化完成试验；

二是，在诊断方面，影像是一个非常好的切入点。用计算机来识别人脸、物体、商品、智能质检，都达到或超过了人类的水平，比如说在 MRI、CT 应用上。我认为在整个医疗诊断的过程，如果放眼二、三十年以后，毫无疑问 AI 机器人的诊断会超过医生的水平；

三是，在机器人的方面，未来实验室机器人、手术机器人都会继续发展。现在，有机器人参与的手术已经接近 20%，未来还会持续增加，同时还会有更多类型的机器人出现，比如纳米机器人，可以在体内帮助我们对抗癌症。

在 AI 赋能医疗领域的过程中，中国的表现又会如何？

李开复认为，中国有希望成为 AI + 医疗领域的全球的领导者，因为中国拥有人口优势，可以获得更多大数据；数据会推动新技术的发展；中国在 AI + 生物交叉学科培养出了很多优秀人才。不过，要实现这一目标还需要一定的时间。

梁颕宇对此深表同感，同时她还重点提到了数字医疗的发展模式。“数字医疗的业务模式在中国非常具有创新性，这是在中国医疗体系和需求下形成的商业模式。这些模式必须适应不同地区的医疗系统才能实现，因此它的模式不像药物或者医疗设备销售那样千篇一律。我认为要成为数字医疗领域的全球领导者并不容易。”

-End-

---

【往期】

初创10合1丨“超级公司”丨打破传统