AlphaGo繼去年橫掃韓國棋手李世石后，在網(wǎng)絡(luò)上化名為Master不斷尋找高手挑戰(zhàn)，經(jīng)過深度學(xué)習(xí)，今年又狠狠地虐了柯潔一把。人工智能在圍棋對(duì)抗上被人們熟知，實(shí)際上在很多領(lǐng)域，人工智能已經(jīng)發(fā)揮了非常關(guān)鍵的作用，從人臉識(shí)別到醫(yī)學(xué)影像分析，人工智能的表現(xiàn)已經(jīng)趕上甚至超越了人類的表現(xiàn)。

在藥品研發(fā)方面，人工智能的表現(xiàn)可謂搶眼。它能改變過去藥品研發(fā)周期長、成本高的問題，已經(jīng)被越來越多的藥企應(yīng)用于新藥研發(fā)領(lǐng)域。這些藥企希望借此探索提高新藥研發(fā)效率、節(jié)省更多成本的路徑。痛點(diǎn)明顯

2016年11月，禮來（Eli Lilly）宣布其阿爾茨海默病治療藥物solanezumab在IⅡ期臨床試驗(yàn)中失敗，讓許多人感到十分失望。就在當(dāng)年的8月6日，輝瑞（Pfizer）及強(qiáng)生（JNJ）宣布，阿爾茨海默病藥物bapineuzumab IV在兩個(gè)Ⅲ期試驗(yàn)中失敗，并退出臨床，對(duì)于數(shù)以百萬計(jì)的阿爾茨海默病患者來說，禮來的solanezumab是他們最后的希望。禮來在Solanezumab上的研發(fā)時(shí)間超過10年，投入超過10億美元。

世界范圍內(nèi)與Solanezumab類似的案例幾乎每個(gè)星期都在上演，新藥的研發(fā)往往在長期巨額的投入之后面臨失敗的結(jié)局。

傳統(tǒng)的藥品研發(fā)，尤其是新藥研發(fā)是一個(gè)漫長而且充滿失敗可能的過程。要研發(fā)出針對(duì)某種特定疾病的藥品，通過不斷試驗(yàn)、試錯(cuò)，使這種候選藥物從實(shí)驗(yàn)室研究到最終上市銷售，平均要花費(fèi)12年的時(shí)間。數(shù)據(jù)顯示，所有進(jìn)入臨床試驗(yàn)階段的藥物，只有不到12%的藥品最終能夠上市銷售，而且一款新藥的平均研發(fā)成本高達(dá)26億美元。

傳統(tǒng)的藥品研發(fā)并不像外界想象的那樣非常具有指向性。實(shí)際上，藥物發(fā)現(xiàn)的一個(gè)主要方式其實(shí)是：偶然發(fā)現(xiàn)。

藥物發(fā)現(xiàn)、生物標(biāo)志物篩選等環(huán)節(jié)均是一個(gè)苦苦尋覓的過程，要在自然界中找到一種能治療某種特定疾病的物質(zhì)。大多數(shù)情況下，科學(xué)家是無限擴(kuò)大篩選對(duì)象以期邂逅目標(biāo)分子，人們通常利用高通量篩選（HTS，指通過一次實(shí)驗(yàn)獲得大量的信息，并從中找到有價(jià)值的信息）進(jìn)行篩選，HTS成本十分昂貴，它由機(jī)器人自動(dòng)完成，通過在同一時(shí)間進(jìn)行數(shù)以百萬計(jì)的試驗(yàn)，找出最有潛力達(dá)到目標(biāo)的化合物，提高藥物發(fā)現(xiàn)的“命中”幾率。

在這個(gè)過程中，錯(cuò)誤的嘗試耗費(fèi)了太多的時(shí)間和金錢。由于需要測試的分子太多，研發(fā)人員不得不使用移液機(jī)器人一次測試幾千種變體，然后選擇最有效的變體進(jìn)行動(dòng)物模型或者細(xì)胞培養(yǎng)試驗(yàn)，希望其中一些最終能夠進(jìn)入人類臨床試驗(yàn)階段。

成本和效率是一方面，另一方面，患者的需求也在這漫長的等待中遲遲無法得到滿足，尤其是那些病程短、病情兇險(xiǎn)，且突然暴發(fā)的流行性疾病，要求在短時(shí)間內(nèi)研發(fā)出特效藥，幾乎是一項(xiàng)不可能完成的任務(wù)。

有著強(qiáng)大計(jì)算分析能力的人工智能正在改變這一現(xiàn)狀。

研究人員估計(jì)，大約15%～20%的新藥成本都耗費(fèi)在探索階段。通常情況下，這意味著高達(dá)幾億美元的支出。如今，人工智能將這一過程縮短至幾個(gè)月，并大幅降低研發(fā)成本。在歐美國家的燎原之勢

人工智能可應(yīng)用于藥物開發(fā)的不同環(huán)節(jié)，包括新藥開發(fā)、藥物有效性/安全性預(yù)測、構(gòu)建新型藥物分子、篩選生物標(biāo)志物、研究新型組合療法等。

在新藥有效性、安全性預(yù)測上，Atomwise是一家很有代表性的、深度運(yùn)用人工智能的初創(chuàng)公司。這家位于舊金山的創(chuàng)業(yè)公司和著名的孵化企業(yè)Y Combinator，建立了一個(gè)名為AtomNet（pdf）的核心技術(shù)平臺(tái)。利用深度卷積神經(jīng)網(wǎng)絡(luò)（人工神經(jīng)網(wǎng)絡(luò)的一種，已成為當(dāng)前語音分析和圖像識(shí)別領(lǐng)域的研究熱點(diǎn)），通過自主分析大量的藥物靶點(diǎn)和小分子藥物的結(jié)構(gòu)特征，AtomNet可以學(xué)習(xí)小分子藥物與靶點(diǎn)之間相互作用規(guī)律，并且根據(jù)學(xué)習(xí)到的規(guī)律預(yù)測小分子化合物的生物活性，從而加快藥物研發(fā)進(jìn)程。

簡單而言，Atomwise用超級(jí)計(jì)算機(jī)分析已有數(shù)據(jù)庫，并用人工智能和復(fù)雜的算法來模擬藥品研發(fā)的過程，在研發(fā)早期評(píng)估新藥研發(fā)風(fēng)險(xiǎn)，讓藥物研究的成本降至數(shù)千美元，并且大大縮短評(píng)估時(shí)間，一般可以在幾天內(nèi)完成。

早在2015年，Atomwise便宣布在尋找埃博拉病毒治療方案方面有一些進(jìn)展：在一周內(nèi)，Atomwise從已有的七千多種藥物中找到兩種或許能用來抗擊埃博拉病毒的藥物，而整個(gè)過程的成本不超過1000美元。而用傳統(tǒng)藥物研發(fā)的方法則可能需要耗費(fèi)好幾年的時(shí)間。

據(jù)悉，在研發(fā)抗擊埃博拉病毒的新藥過程中，Atomwise準(zhǔn)備了埃博拉病毒入侵生物細(xì)胞的“爪”的模型，然后利用類似人腦神經(jīng)的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行藥物成分分析，檢測到目前已知的7000種可對(duì)抗這種“爪”的藥物，以此來篩選、組合。

如今Atomwise已經(jīng)開始為制藥公司、創(chuàng)業(yè)公司和研究機(jī)構(gòu)提供候選藥物預(yù)測服務(wù)，以預(yù)測哪些新藥品真的有效。在今年4月，Atomwise宣布推出其人工智能分子屏幕（AIMS）計(jì)劃。該計(jì)劃免費(fèi)向具有藥物分子測試能力的美國或加拿大大學(xué)研究人員開放，今年9月將確定100位候選人，他們將從AtomNet平臺(tái)中獲益。平臺(tái)每天能篩選數(shù)百萬藥物前體分子。一旦篩選完成，候選人將收到72個(gè)可供測試的定制選擇分子。

事實(shí)上Atomwi se不是第一個(gè)試水的公司，英國的人工智能初創(chuàng)企業(yè)BenevolentAI也在進(jìn)行類似的嘗試。與把重點(diǎn)放在新藥有效性、安全性預(yù)測上的Atomwi se不同，BenevolentAI的側(cè)重點(diǎn)在藥物挖掘上。這家公司將人工智能應(yīng)用于醫(yī)學(xué)研究的龐大數(shù)據(jù)庫中，快速篩選和組織數(shù)據(jù)，它想要用人工智能顛覆整個(gè)藥物研發(fā)過程。通過對(duì)大量的生物科學(xué)信息（專利、基因組數(shù)據(jù)和所有生物醫(yī)學(xué)期刊和每天上傳1萬多份出版物的數(shù)據(jù)庫）的深度學(xué)習(xí)和分析，BenevolentAI集中處理全世界大量高度碎片化的信息，用以加速科學(xué)研究和發(fā)展。自2013年以來，BenevolentAI已經(jīng)開發(fā)出24個(gè)候選藥物，且已經(jīng)有藥物進(jìn)入臨床試驗(yàn)階段。

除了人工智能初創(chuàng)公司，許多藥企也在不斷深入人工智能領(lǐng)域，以此獲得先發(fā)優(yōu)勢。美國的Berg Health生物醫(yī)藥公司通過研究生物數(shù)據(jù)研發(fā)新型藥物，其開發(fā)的InterrogativeBiology人工智能平臺(tái)對(duì)患者樣本進(jìn)行高通量質(zhì)譜分析，獲得患者的基因組、蛋白組、代謝組以及線粒體功能等多方面的信息。在這過程中，可以從一個(gè)患者樣本中獲得上兆個(gè)數(shù)據(jù)點(diǎn)，將這些數(shù)據(jù)與患者的臨床信息相結(jié)合，通過人工智能分析，詳細(xì)描繪出患者體內(nèi)生物系統(tǒng)個(gè)體化狀態(tài)。根據(jù)這些信息，研究人員可以進(jìn)一步發(fā)掘與疾病相關(guān)的生物標(biāo)記物、檢測手段和治療方法。

生物標(biāo)記物是可以標(biāo)志系統(tǒng)、器官、組織、細(xì)胞以及亞細(xì)胞結(jié)構(gòu)功能的改變或可能發(fā)生改變的生化指標(biāo)，可用于疾病診斷、判斷疾病分期或者用來評(píng)價(jià)新藥或新療法在目標(biāo)人群中的安全性及有效性。

我國的機(jī)遇

人工智能開發(fā)新藥的企業(yè)逐漸增多，除了歐美藥企，日本藥企也積極面對(duì)新科技。2016年日本武田藥品工業(yè)、富士膠片及鹽野義制藥等企業(yè)就計(jì)劃利用人工智能推進(jìn)新藥開發(fā)。當(dāng)時(shí)，包括富士通和NEC等IT企業(yè)在內(nèi)，大約有50家企業(yè)參加該項(xiàng)目，計(jì)劃與日本理化學(xué)研究所和京都大學(xué)合作，開發(fā)研究新藥用的人工智能，以快速尋找能夠用于制作新藥的候選物質(zhì)。

與上述國家相比，我國藥企在人工智能推進(jìn)新藥開發(fā)方面障礙重重，亟待突破創(chuàng)新發(fā)展。我國是制藥大國，而新藥研究與開發(fā)的成就則代表制藥工業(yè)發(fā)展的水平，使用人工智能有利于提高開發(fā)效率，在激烈的全球新藥開發(fā)中提高競爭力。在高風(fēng)險(xiǎn)、高投入、高成本的壓力下，我國制藥企業(yè)必須借助人工智能大趨勢，提高藥物自主創(chuàng)新能力、研發(fā)能力，推動(dòng)制藥大國走向制藥強(qiáng)國。相信隨著科研人員找到現(xiàn)有知識(shí)體系中的新模式，世界乃至我國也必將出現(xiàn)一波不可小覷的醫(yī)藥創(chuàng)新。