什么样的AI技术值得杨森买单？

“我们确实处于一个转折点”

杨森 (Janssen) 首席数据科学官Najat Khan在斯坦福大学2023年药物研发论坛上表示。

“就（AI应用于）药物开发而言，我们在整个价值链上取得进展的速度之快令人惊讶，”她说，“现实是有很多炒作，但已经有很多事情正在发生。”

这已经不是Khan第一次在公开场合为AI摇旗呐喊，在此前的多个公开场合上，她都表达了对人工智能的看好。

今年39岁的Najat Khan在三年前就任杨森首席数据科学官，在此之前她还担任这家公司的全球研发战略与运营主管一职，负责“公司在药物研发上未来两年、五年、十年将走向何方。”

正因为身兼两项重要职责，她自大学以来对数据的兴趣，不仅只停留在其个人的头脑之中，更是切切实实地反映在了杨森的战略行动之上。

2020年，当Khan走马上任公司首席数据科学官之时，杨森大约仅有四五个数据科学项目正在进行，数万名员工之中只有不到 10 名数据科学家。

短短三年后，杨森加速了在AI领域的布局并初具规模：不仅与多家AI医疗企业展开广泛合作，在公司内部，更是拥有超过100 名既精通数据分析又熟悉临床研究的复合人才以及正在推进的100 余个AI项目。

根据Deep Pharma Intelligence的统计，杨森与阿斯利康、辉瑞、默克、罗氏、诺华这几家Big Pharma一道跻身在与AI医疗企业合作的前列。

这家拥有八十年历史的、现隶属于强生( J&J ) 的知名药物研发公司正在将 AI 应用于整个药物开发价值链，从药物发现和临床试验设计到患者识别和制造优化，而这一切还得从2016年说起。

初识AI

与大部分药物研发巨头一样，杨森最初对AI的兴趣，聚焦在如何利用该技术加速候选分子发现与筛选。

2016年AI领域最破圈的消息莫过于AlphaGo战胜李世石，这让全世界的目光再次聚焦于人工智能。

图：李世石对弈AlphaGo

正是在那一年，杨森选择与BenevolentAI达成了一项独家许可协议，将多个临床阶段候选药物，包括一些尚处于试验中的小分子化合物转交给后者，希望借助BenevolentAI的人工智能技术加速新药研发。

这项协议的具体结果如何，我们不得而知，但在此后三年内，杨森似乎停下了与AI药企合作的脚步。

直至2019年4月，杨森启动了与Iktos的合作，将后者的虚拟药物设计技术将被实施并应用于多个杨森的小分子药物发现项目。

更进一步地，杨森还与Iktos合作开发新的应用程序，目标是将Iktos 基于深度学习生成模型的专有技术与杨森在小分子预测方面的专业知识有机结合。

在此之前，总部位于法国巴黎的Iktos已经与许多欧洲生物制药公司签订了协议，包括施维雅(Servier)、加拉帕戈斯（Galapagos）、德国默克（MerckKGaA）和皮尔法伯（Pierre Fabre）。

两个月后，杨森又与Nference达成长期合作协议，后者是一家专注于研发用于生物医学领域的深度学习软件的初创公司。

Nference开发的AI软件平台nferX，基于神经网络算法，通过对生物医学文献、大规模分子和真实世界数据集中的非结构化和结构化信息进行三角测量，能够实时、自动地生成相关方案，以支持药物发现和开发、药物生命周期管理和精准医疗。

其中，nferX平台具备访问公共和专有的真实世界数据集的能力，通过分子分析和知识合成能力对真实世界证据进行三角定位，推断出基因型-表型之间的因果关系，助力临床研究。

也许正是此次合作带来的契机，让杨森看到了AI应用于临床研究的潜力，此后开始逐渐将重心从药物发现转向临床阶段。

执着于临床开发

2019年7月，杨森与Celsius Therapeutics达成合作，以推动杨森在治疗溃疡性结肠炎（UC）患者的2a 期研究。

双方将通过Celsius 的单细胞基因组学和机器学习平台来识别和预测患者反应的生物标志物，以测试 Janssen 的斑块状银屑病药物 Tremfya 及其免疫抑制药物 Simponi 联合治疗溃疡性结肠炎患者的2a 期研究。

值得注意的是，杨森是Celsius在行业内的第一位合作伙伴，敢于与一个尚无企业合作先例的初创公司展开合作，足见其对该领域兴趣之浓厚。

一年后，杨森又与多年来一直致力于在临床环境中部署AI的BioSymetrics开展合作，使用机器学习预测不同人群中 COVID-19 的发作和严重程度。

作为合作的一部分，双方将在多个项目中使用 BioSymetrics 的 Contingent-AI™ 引擎来表征高风险人群，根据生物风险因素和治疗过程测量和预测疾病进展，并确定临床表型和生物标志物。

自此之后，杨森在于AI医疗公司在临床阶段的合作一发不可收拾。

2020年11月，Tempus 和杨森建立多年合作伙伴关系，目标是促进杨森的肿瘤学临床开发计划，主要是简化临床试验招募。

2021年4月，杨森授权获得PhysIQ 的AccelerateIQ 平台，该平台基于云和AI技术，持续收集、处理和分析可穿戴生物传感器收集的数据，以帮助识别数据中的临床相关见解。

图：PhysIQ发布的可穿戴设备

同月，Komodo Health和杨森签署协议，使用真实世界数据和人工智能加速临床开发。

根据公开资料，Komodo Health实时连接了数千个医疗保健数据源，利用人工智能AI引擎和创新的数据算法从中获取具有预测性的分析数据，这提高了识别和筛选临床试验地点的能力，增强了患者招募能力。

2021年8月，杨森扩大了与ConcertAI 的多年合作伙伴关系，以在AI的帮助下改进临床研究设计，提高临床研究的自动化程度和效率，并使临床试验多样化。

2021年9月，Owkin 宣布与杨森旗下Actelion Pharmaceuticals Ltd.达成协议，运用先进的机器学习方法以评估涉及真实世界数据源的临床试验中的治疗效果。

两家公司的研发数据科学团队将专注于创新的基于双/去偏机器学习的方法，调整高维混杂因素，通过小型试验和外部对照队列来检测疗效。

2021年12月，杨森与Tempus 扩大了合作伙伴关系，杨森的多学科数据科学家团队将与后者合作，利用人工智能和真实世界证据（RWE）识别具有特定生物标志物和其他分子水平特征的癌症患者，从而使开发和测试新疗法的过程更加有效。

2022年1月，杨森宣布与Iterative Scopes合作，改进自己的炎症性肠病（IBD）治疗的临床试验。Iterative Scopes基于AI算法的软件能够分析在结肠镜检查期间收集的图像和视频，使研究人员能够根据分析数据更加快速地找到符合条件的患者并选择更加清晰、准确的治疗终点。

2022年6月，杨森与Paige展开合作，运用AI评估基于苏木精和伊红 (H&E) 的生物标志物测试的潜力，目标是提高确认性分子检测的比率，并加速招募患者进入生物标志物驱动的临床试验，这些试验正在招募具有某些肿瘤 FGFR 突变的患者。

当然，在药物发现阶段，近年来杨森也是动作频频，先后与英矽智能、SRI International、晶泰科技等AI药企合作，推动候选药物分子的发现。

向更深处进发

2022年以来，杨森与外部企业在AI方面的合作更深一步，涉及量子计算、创新疗法和组学分析技术。

去年2月，通过结合量子启发物理学和机器学习来扩展药物发现过程的下一代制药技术公司 Aqemia 宣布已与杨森 (Janssen) 达成试点研究协议。

根据协议，Aqemia基于物理学计算预测小分子对特定靶点的效力的独特技术将被应用于选定的杨森的数据集，以推动不同类型的靶点蛋白质和疾病的药物发现项目。

据了解，与需要实验数据进行训练的人工智能平台不同，Aqemia从药物发现项目的最初阶段就开始使用独特的量子物理算法生成自己的数据，这来自剑桥大学和牛津大学以及高等师范学院和法国国家科学研究中心（CNRS）12年的研究结果。

使用量子启发统计力学算法——基于结构的铅状分子设计，Aqemia可准确预测化合物和治疗靶点之间的亲和力，并且比竞争对手快10000倍；此外，其AI平台可从亲和力预测器获得反馈，并生成准确性更高的化合物。

2022年4月，VantAI宣布已与强生旗下的杨森制药公司之一杨森制药公司签订了一项多年合作协议。双方将利用 VantAI 的几何深度学习平台，潜在地为重要疾病靶点生成靶向蛋白质降解剂（包括分子胶和异双功能分子），并合作建设新型 E3 泛素连接酶平台。

根据协议条款，杨森将获得合作下所有项目的独家商业许可，并将负责全球开发和商业化。

同月，测序巨头Illumina在伦敦举行的世界CDx峰会上宣布，其已与杨森建立了长期战略合作，以加速精准药物的开发。

作为合作的一部分，两家公司计划探索利用Illumina的技术开发新药和生物标志物靶点的发现引擎，杨森可使用 Illumina 的 PrimateAI（使用灵长类动物数据预测突变疾病）和 SpliceAI（从任意mRNA前体序列对剪切位点进行准确预测）。

Illumina首席战略和企业发展官Joydeep Goswami在LinkedIn上发表的一份声明中表示：“杨森是我们未来许多制药战略合作伙伴中的第一个，其也将借助Illumina的力量来大规模发展精准医疗。”

乐观的实用主义

在去年的一次访谈中，推动杨森进军数据科学的Najat Khan谈到了自己对于这一领域的思考。

图：Najat Khan

“数据科学是一个机会，我们已经改变了药物研发的方式。”

“以病理学为例，现在有越来越多的数据，甚至是来自传感器和可穿戴设备的数据，都能够帮助破译致病之源……这是一切开始的地方”，Khan说。

“如果你很好地理解了某些疾病的根源，那么下一步就是，我们如何开发出真正有效和安全的药物分子，这也是我们大量应用包括AI在内的数据科学的地方”。

不过，对于数据科学抱持极大信心的Khan并没有因此选择更加激进地变革，而是采取了一种“非常深思熟虑的务实方法”。

在她看来，公司自2020年将AI的重心转移到临床开发领域十分必要，因为“制药业今天面临的最大挑战之一是分子从临床前到临床的损耗”，此外，这样也更快看到实际结果，“我们实际上可以在一年至一年半的时间里产生影响”。

“概念的验证并不代表其在现实中奏效……我更在意提高成功概率的价值”，Khan表示，“专注于问题，即深入了解管线组合，然后看看可以在哪里应用数据科学，不能把某一项很酷的技术放在首位，必须要以问题为导向”。

而在人才建设方面，杨森组建了一支由 100 多名“双语”数据科学家组成的团队，他们不仅精通以人工智能为代表的数据科学，并且对临床开发以及医疗保健领域也非常了解。

“这意味着为我们团队与一线临床医生架起了一座桥梁，我们可能会以不同的方式做事，但能够说同一种语言（指生命科学和医疗保健领域的专业知识）非常重要，归根到底，我们不是为了软件或算法，而是为了病人的利益。”

—The End—

推荐阅读