口碑爆棚的影片《我不是藥神》，讓醫(yī)療、醫(yī)藥等敏感話題重回公眾視線。正如影片所說，“世界上只有一種病，就是窮病?！背圆黄鸶邇r藥，就只能等死了嗎？如果使用人工智能進行藥物研發(fā)，是不是可以減少藥物研發(fā)的巨額投入呢？
截止到目前，《我不是藥神》的票房已經(jīng)突破22億。影片中白血病患者群體傾家蕩產(chǎn)，為了能省點藥費，不惜嘗試各種仿制藥，鋌而走險。有的到處尋找仿制藥延續(xù)生命，有的放棄治療或自殺，選擇死亡，他們面對的是生與死的選擇。
很多人在影院哭完之后，開始罵專利藥不顧人性命，定價昂貴，也有人表示專利藥收取高額費用，才能投入更多資金更好地進行藥物研發(fā)。
美國衛(wèi)生及公共服務部的最新研究顯示，每種新藥的研發(fā)成本通常在1.61億美元到20億美元之間，平均耗時7年半，在臨床試驗階段，還很難招募到合適的病人。
不容否認，一種新藥，尤其是“特效藥”、“專利藥”的研發(fā)，一旦面世將是諸多患者的福音，然而高昂的售價卻讓老百姓吃不起藥。值得慶幸的是，AI也許能夠降低研發(fā)成本，一步步成為新的“藥神”。
AI正在加速藥物研發(fā)
結果尚需時間檢驗
新藥研發(fā)周期長、成本高已經(jīng)成為行業(yè)的大痛點，而AI在新藥發(fā)現(xiàn)、安全性、有效性測試等方面，正在全面加速新藥研發(fā)的效率。
在最近兩年的時間里，全球各大藥企巨頭已經(jīng)開始與醫(yī)療AI創(chuàng)業(yè)類公司合作，選擇用AI技術加速藥物研發(fā)。比如，阿斯利康與BergHealth，強生與Benevolent AI，默沙東與Atomwise，武田制藥與Numerate，賽諾菲和葛蘭素史克與Exscientia，輝瑞與IBM Watson，輝瑞與晶泰科技等都達成了合作關系。
2015年，默沙東與美國的Atomwise合作，其開創(chuàng)性的AtomNet技術平臺能像人類藥物化學家一般邏輯思考，它每天使用強大的深度學習算法和超級計算機工具分析數(shù)百萬的潛在療法，從而加快藥物研發(fā)進程。主要針對的是新藥的有效性和安全性預測。
2016年，美國強生公司與英國BenevolentAI達成合作，進行新藥研發(fā)。BenevolentAI 是目前歐洲最大的AI初創(chuàng)公司之一，在全球排名前五，BenevolentAI的技術平臺名為JACS(Judgment Augmented Cognition System，判斷加強認知系統(tǒng))，該系統(tǒng)可以從海量的散亂無章的信息中，提取出能夠推動藥物研發(fā)的知識，提出新的可以被驗證的假說，從而加速藥物研發(fā)的過程。
2017年，葛蘭素史克公司（GSK）與Exscientia達成合作。Exscientia作為蘇格蘭的一家初創(chuàng)公司，主要業(yè)務是利用AI進行藥物研發(fā)指導。該公司的AI系統(tǒng)，只需相當于傳統(tǒng)方法四分之一的時間和成本，即可完成新藥候選。雙方合作之后，Exscientia將利用其AI藥物研發(fā)平臺為GSK進行10個創(chuàng)新小分子藥物疾病的靶點開發(fā)。
此前，Exscientia 與賽諾菲達成合作協(xié)議，共同開發(fā)治療糖尿病及其并發(fā)癥的雙特異小分子藥物。雙方已選擇了45個代謝病靶點，約1000種雙靶點組合，目標是設計出分子量小于500的雙靶點藥物。
目光轉(zhuǎn)回國內(nèi)，2018年5月，以算法驅(qū)動創(chuàng)新的AI醫(yī)藥研發(fā)公司晶泰科技宣布與輝瑞制藥簽訂戰(zhàn)略研發(fā)合作，融合量子物理與人工智能，建立小分子藥物模擬算法平臺，顯著提高算法的精確度和適用廣泛度，驅(qū)動小分子藥物的創(chuàng)新。在這一基礎上，平臺還將實現(xiàn)對藥物若干項關鍵性質(zhì)的準確預測，進一步賦能藥物發(fā)現(xiàn)與發(fā)展中的重要環(huán)節(jié)。
2018年6月，美國新一代人工智能公司Insilico Medicine宣布與中國醫(yī)藥研發(fā)服務行業(yè)龍頭藥明康德簽署一項合作協(xié)議。根據(jù)協(xié)議，Insilico Medicine公司使用其獨有的生成對抗網(wǎng)絡和強化學習等新型算法，生成的新藥研發(fā)管線將在藥明康德的新藥研發(fā)服務平臺上進行測試。
從目前來看，人工智能主要作用于藥物研發(fā)主要有七個場景：靶點藥物研發(fā)、候選藥物挖掘、化合物篩選、預測ADMET性質(zhì)、藥物晶型預測、輔助病理生物學研究，以及發(fā)掘藥物新適應癥。
根據(jù)Tech Emergence的研究報告，AI可以將新藥研發(fā)的成功率從12%提升至14%，這2%意味著能夠為生物制藥行業(yè)省下數(shù)十億美元的研發(fā)成本和大量的試錯時間。
但是，不容否認的是：AI藥物研發(fā)一定是一場持久戰(zhàn)。目前世界上并沒有AI藥物研發(fā)的成功案例，人工智能研發(fā)的藥物也并沒有被批準上市。
目前發(fā)展較好的國外企業(yè)應用AI研發(fā)的新藥已進入二期臨床，但是二期到三期的失敗率高達70-80%。輝瑞、羅氏、GSK等巨頭紛紛下注AI公司，目前發(fā)展還需要時間檢驗。
形勢大好的AI制藥
存在哪些挑戰(zhàn)？
盡管看起來形勢大好，AI+制藥仍存在不小挑戰(zhàn)。比如，如何獲取與藥企的合作，怎么擁有海量的靶點以訓練算法等。畢竟，相比醫(yī)院，藥企的藥物研發(fā)流程和數(shù)據(jù)更“機密”。
當前制藥人工智能面臨的首要問題，還停留在數(shù)據(jù)層面。美國的醫(yī)療人工智能產(chǎn)業(yè)界已經(jīng)有一些比較成功的案例，而中國目前卻沒有。反思來看，與數(shù)據(jù)有很大的關系。
國內(nèi)醫(yī)療機構大體上還處于比較分散的狀態(tài)，數(shù)據(jù)標準化、結構化程度都很低，并且相對不完整，醫(yī)院之間的互聯(lián)互通做的也不好。在中國，還沒有辦法取得一個病人全面的歷史數(shù)據(jù)。
在采集數(shù)據(jù)的過程中，醫(yī)師的手法也會直接影響到模型的效果。另外，在病理、心電等領域，各廠商基本都是遵循自己私有的數(shù)據(jù)格式，而優(yōu)質(zhì)數(shù)據(jù)集的積累這一問題需要醫(yī)院、藥企的共同協(xié)同，才能解決這一“燃料”問題。
同時，制藥行業(yè)的專業(yè)門檻也很高。藥物研發(fā)流程涉及約20個功能模塊，即使是某個模塊的專家，對其他模塊的業(yè)務也只能了解大概。這造成了AI+制藥的另一個挑戰(zhàn)——醫(yī)藥和AI人才的有效融合, 即AI團隊能夠理解并解決醫(yī)藥團隊所看到和描述的行業(yè)痛點。
在人才方面，AI+新藥研發(fā)領域需要垂直領域的專家參與才能有所突破。既需要物理學家、藥物學家、又需要人工智能科學家、計算機領域工程師等跨學科人才。通過在交叉領域人才和經(jīng)驗的積累，才更容易獲得突破性的思路和好的成果。
AI制藥存在非常大的可能性，如果技術能夠有效縮短藥物研發(fā)的效率，提高研發(fā)上市成功率，那么藥物研發(fā)的成本就會大幅度降低，這樣可以大幅度減輕國家醫(yī)保負擔，“平價藥”也將成為可能。對于AI+新藥研發(fā)來講，AI應該是值得等待的“藥神”。
聯(lián)系客服
