人工智慧—製藥行業千里之行

作者 Irene

編輯 王凱同學

維基百科

人工智慧（Artificial Intelligence，AI）亦稱機器智能，是指由人製造出來的機器所表現出來的智能。通常人工智慧是指通過普通計算機程序的手段實現的類人智能技術。該詞同時也指研究這樣的智能系統是否能夠實現，以及如何實現的科學領域。圖1展示了AI和機器學習（Machine learning，ML）及深度學習（Deep learning，DL）之間的關係，以及發展的時間軸。

圖片來源：https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/

毫無疑問，近幾年來，AI一直是熱門話題, 它具有巨大的顛覆性潛力，可以改變許多行業，重新定義現狀。在Elon Musk和 Mark Zuckerberg 爭論AI是一個等了很久的上帝給人類的恩惠還是對人類的威脅的時候，製藥行業的AI還停留在相對比較狹義的狀態。所謂的狹義是指製藥涉及的AI可能還不能超智能思考並威脅人類，它能幫助人類解決一些特殊的有挑戰的任務或任務組，這給製藥行業提供了一個可期待的前景。

AI 在製藥行業最主要的應用就是針對疾病的靶點找到合適的」hits」, 計算機模型和程序目前可以實現晶元上的藥物開發，利用已知的目標蛋白質的結構可以進行虛擬的化學結構的篩選，但由於預設的程序和模型存在局限性，因此需要引入機器學習（ML）及深度學習（DL）。在此基礎上概括來說，AI可以用於基於靶點和表型的藥物開發，也可以根據生物醫藥的數據尋找未被發現的候選藥物，可以進行複雜的多靶點藥學研究，也可以對現有藥物進行新適應症開發，當然在對海量資料、文獻和專利的收集與分析上更可以大展身手。

例如TwoXAR公司於2014年成立，第一輪融資3.4M美金，他們利用DUMATM藥物篩選平台評估公開的有權威的大型資料庫，對藥物與疾病的匹配進行鑒定和排名，如上圖所示，整個過程包括四個階段：生物學數據的提取，自動化模型的建立，特性甄別和候選藥物分析。

再例如Silico Medicine是一家致力於利用DL支持和加速藥物開發，尋找新的靶點的公司。公司CEO Dr. Alex Zhavoronkov接受Biopharmtrend 採訪時指出 ，2017年AI在藥物開發上的突破是對生成對抗式網路（Generative Adversarial Networks，GAN）的應用以及結合強化學習（Reinforcement learning，RL）創造新的分子結構。

BioPharmaTrend 2017發表了多篇有關AI的文章， 努力尋找AI驅動的創新對於製藥行業特別是對於藥物研究和開發意味著什麼。目前看來有越來越多的人工智慧驅動的創業公司專註於藥物發現和開發，包括Exscientia, Numerate, Atomwise和Silico Medicine等等；而其他一些大型製藥公司也已經參與了人工智慧研究相關的試點項目，一些大的合作和交易陸續發生。這意味著生命科學領導者和製藥投資者對這個機會是感到興奮和好奇的，大家期待AI能夠在藥物開發的時間和成本上都帶來顯著的影響。到2024年，AI驅動的早期藥物研發的市場可能達到100億美元，這其中包括以AI 為基礎的醫學成像，診斷，個性化AI助理，藥物開發和基因組學等。以下是一些公司之間的合作項目的列表。

當然，目前AI在製藥領域的發展存在諸多挑戰，這些挑戰有些與實際概念驗證有關，有些涉及對行業通行規則的挑戰，有些則是需要技術的突破。因為AI是新興技術，大家對它的理解程度不一樣，每一個公司都試圖打造自己的團隊和平台，衡量標準和發展速度的差異造成溝通不平衡。即使初創型 AI 公司已經驗證的概念在大公司的平台上得到再驗證，其發展依然需要更長的時間。大家對疾病的認知程度不夠的情況下，即便設計了完美的藥物分子，如果靶點是錯誤的那麼進入臨床肯定是失敗的，所以要驗證端到端的AI驅動的藥物開發過程需要再花幾年的時間。當然無論怎樣，小編期待不久的將來有更多利用AI設計的藥物進入臨床甚至上市，中國大型葯企目前還沒有試水這個領域，更多創新和彎道超車是否會在這裡發生呢？什麼時候發生呢？我們拭目以待。

引用文章

https://www.biopharmatrend.com/post/48-interview-the-current-status-of-ai-in-drug-discovery-and-looking-forward-into-2018/

https://www.biopharmatrend.com/post/34-biopharmas-hunt-for-artificial-intelligence-who-does-what/

https://www.biopharmatrend.com/post/20-artificial-intelligence-helps-find-new-drugs-better-faster-cheaper/

https://www.reuters.com/article/us-pharmaceuticals-ai-gsk/big-pharma-turns-to-ai-to-speed-drug-discovery-gsk-signs-deal-idUSKBN19N003

歡迎加入小編團隊成為小編一員

如有技術解讀、行業洞見願意分享

版

權

聲

明

版權為生物製藥小編所有。歡迎個人轉發分享。其他任何媒體、網站如需轉載或引用本網版權所有內容須獲得授權且在醒目位置處註明「轉自：生物製藥小編」。

堅持原創、堅持專業

歡迎關注生物製藥小編

投稿信箱：wuwj06@163.com

小編團隊現有17位成員：

Armstrong、醫藥局外人、Fairy、Jone、東勝西牛、Alpharesearcher、MT、百草、Irene、Self Renew、蛋白工人、At.Zhou、Julia、遊方和尚、Grand、夕陽武士、吃瓜群眾

歡迎有共同興趣的朋友加入

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！