TMT观察网_独特视角观察TMT行业

昨天，《我不是藥神》票房已經(jīng)突破18億，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。可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)，幫助攻克更多人類疾病，這是為人類長遠發(fā)展的良策。

所以正如影片所說，“世界上只有一種病，就是窮病。”我們吃不起高價藥的，就只能等死了嗎？那如果我們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？

人工智能 降價專利藥

傳統(tǒng)的小分子藥物開發(fā)分為靶點的發(fā)現(xiàn)和確證、先導(dǎo)物的發(fā)現(xiàn)、先導(dǎo)物的優(yōu)化三個階段。由于評價化合物所需的試驗次數(shù)較多，對于藥物研發(fā)生產(chǎn)中每一階段的推進都要花費200－400萬美金。如果是開發(fā)更為復(fù)雜的生物藥，藥物研發(fā)的過程也更具挑戰(zhàn)性。生物藥的研發(fā)過程每一階段成本可達到500－1000萬美金。

就算擁有足夠的資金支持，藥物研發(fā)工作者面對每天發(fā)布的大量專利、臨床試驗結(jié)果等，也沒有辦法關(guān)注到所有的新信息。而人工智能完全可以從海量論文中攝取所需的分子結(jié)構(gòu)等信息，并且可以自主學習，建立其中的關(guān)聯(lián)，提供新的思路和想法。

在云計算和專用超級計算機的幫助下，人工智能可以突破科學家的個人經(jīng)驗限制與效率瓶頸，通過提前預(yù)測藥物候選的ADMET（藥物的吸收、分配、代謝、 排泄和毒性）在后續(xù)藥物發(fā)展中起到關(guān)鍵作用的性質(zhì)，從而極大縮小實驗范圍，預(yù)測化合物不良反應(yīng)，并評估通過人類臨床試驗的可能性，降低后續(xù)藥物臨床的失敗概率。

2016年底，美國高盛集團發(fā)布的人工智能報告：《人工智能、機器學習和數(shù)據(jù)將推動未來生產(chǎn)力的發(fā)展》（AI, Machine Learning and Data Fuel the Future of Productivity）中提到：“隨著人工智能和機器學習的不斷整合，人們將有望在新藥研發(fā)的過程中顯著地實現(xiàn)“去風險”，不但將節(jié)約每年約260億美元的研發(fā)成本，同時還將提高全球醫(yī)療信息領(lǐng)域的效率，節(jié)約的成本價值超過每年280億美元。”

誰是“藥神”

Watson

最著名的藥物研發(fā)深度學習模型IBM的Watson機器人，可以快速分析大量的文本數(shù)據(jù)，并使用大量實驗室數(shù)據(jù)、臨床報告和科學出版物測試猜想，以此來尋找潛在藥物（BenevolentAI挖掘文獻和研究數(shù)據(jù)庫的算法與沃森非常類似）。

AtomNet

Atomwise通過IBM超級計算機分析數(shù)據(jù)庫，并用深度學習神經(jīng)網(wǎng)絡(luò)分析化合物的構(gòu)效關(guān)系，于藥物研發(fā)早期評估新藥風險。該公司研發(fā)的深度學習網(wǎng)絡(luò)AtomNet，可以識別醫(yī)藥化學中的基礎(chǔ)模塊，2015年，該公司僅用一周時間就發(fā)現(xiàn)了對抗埃博拉病毒的兩種藥物，而用傳統(tǒng)藥物研發(fā)方法尋找則可能要耗費好幾年的時間。

GANs

一種比較新型的深度學習技術(shù)對抗網(wǎng)絡(luò)(GAN)也可以構(gòu)建藥物分子。GANs 通過使用兩個競爭神經(jīng)網(wǎng)絡(luò)模型，創(chuàng)建不同于真實數(shù)據(jù)的新數(shù)據(jù)，生成模型產(chǎn)生“看起來像”真實數(shù)據(jù)的數(shù)據(jù)，鑒別模型輸入生成數(shù)據(jù)和真實數(shù)據(jù)，并且區(qū)分他們。生成模型通常用于創(chuàng)建圖像、語音或文本，巴爾的摩的一家生物信息公司Insilico將其應(yīng)用于癌癥藥物開發(fā)。

ALS.AI

Insilico醫(yī)學公司的ALS.AI，致力于肌萎縮性側(cè)索硬化癥的個性化藥物發(fā)現(xiàn)和生物標志物開發(fā)。專注于生成拮抗網(wǎng)絡(luò)，它能令兩個神經(jīng)網(wǎng)絡(luò)建立拮抗關(guān)系，其中一個網(wǎng)絡(luò)嘗試開發(fā)一個模型，并不斷改進這個模型，直到第二個網(wǎng)絡(luò)無法區(qū)分模型是否處于構(gòu)建階段。該公司使用該工具分析在不同分子孵育情況下，人類細胞系的轉(zhuǎn)錄和轉(zhuǎn)錄反應(yīng)數(shù)據(jù)的數(shù)據(jù)庫，以預(yù)測分子的治療性質(zhì)。

博格健康

生物制藥公司“博格健康”利用人工智能技術(shù)，尋找應(yīng)對現(xiàn)有藥物不起反應(yīng)的侵入性乳腺癌治療方案。研究人員首先將對來自健康供體的樣品和各種乳腺癌亞型的樣品進行基因測序，從而對存在于癌細胞和正常細胞中的突變、蛋白及細胞過程建立基因組信息。這些數(shù)據(jù)將與患者的已知病史結(jié)合起來送入人工智能平臺，并利用數(shù)萬個數(shù)據(jù)點建立起健康及患病組織的不同模型。該平臺的算法最終將找出橫跨這些模型的分子簽名中的熱點，這些熱點可代表生物標記或藥物靶點。

基于人工智能節(jié)省時間、節(jié)省成本，完成藥物發(fā)現(xiàn)自動化的廣闊前景，國內(nèi)外各大藥企紛紛被吸引進“AI+新藥研發(fā)”的領(lǐng)域，像阿斯利康、默沙東、賽諾菲等大公司通過合作或自主研發(fā)的方式投身這一領(lǐng)域。國內(nèi)的CRO公司藥明康德在今年6月份與Insilico合作，利用生成對抗網(wǎng)絡(luò)和強化學習等新型算法進行臨床前藥物候選分子開發(fā)。

“AI藥神”還有多遠？

既然利用“AI+新藥開發(fā)”可以降低成本同時加速新藥發(fā)現(xiàn)的速度，可市場上為什么遲遲沒有出現(xiàn)便宜有效的藥物？事實是至今并沒有人工智能研發(fā)的藥物被批準上市。不像人工智能在醫(yī)療問診和影像診斷等方面，可以快速得到實踐應(yīng)用，相關(guān)政策管理緊跟出臺。人工智能近幾年在藥物研發(fā)的發(fā)展，并不如預(yù)想的神速。主要因為現(xiàn)在的深度學習技術(shù)還是依靠大數(shù)據(jù)積累，人工智能并不能無中生有，而藥物研發(fā)領(lǐng)域的數(shù)據(jù)都具有保密性，導(dǎo)致數(shù)據(jù)庫中及時有效的資料非常有限。另外AI制藥的法規(guī)監(jiān)管尚不明確，AI藥物和人工藥物是否應(yīng)用同樣的法規(guī)監(jiān)管。醫(yī)藥行業(yè)一直被國家重點監(jiān)管，法規(guī)監(jiān)管不止考慮藥物的有效性，因為藥物有效性沒有絕對標準，是一個具有辯證性、相對性和動態(tài)性的概念。目前，AI在新藥研發(fā)領(lǐng)域主要起到的是協(xié)助科學家進行藥物挖掘、分析數(shù)據(jù)以及預(yù)測新藥有效性等。