長(zhǎng)久以后，新藥研發(fā)的高回報(bào)和高風(fēng)險(xiǎn)讓人又愛(ài)又恨。新藥研發(fā)的高風(fēng)險(xiǎn)主要源于研發(fā)的周期復(fù)雜、耗時(shí)長(zhǎng)，從活性到成藥性，從制劑到生產(chǎn)工藝，任何一個(gè)環(huán)節(jié)的失敗都會(huì)讓一款被寄予厚望的新藥研發(fā)前功盡棄。
根據(jù)美國(guó)Tufts大學(xué)2014年的一項(xiàng)研究統(tǒng)計(jì)，一款新藥從首次合成到進(jìn)入臨床平均耗時(shí)31.2個(gè)月，而從臨床I期到成功上市平均再需96.8個(gè)月。也正因?yàn)?/span>投入資金巨大、耗時(shí)長(zhǎng)、風(fēng)險(xiǎn)高，新藥研發(fā)幾乎一直是財(cái)力雄厚的巨頭藥企才玩得起的游戲。
另一方面，環(huán)境惡化、全球化、老齡化等現(xiàn)代社會(huì)問(wèn)題所帶來(lái)的新的醫(yī)藥市場(chǎng)需求愈發(fā)凸顯，尤其集中在癌癥、傳染性疾病、心血管疾病、神經(jīng)退行性疾病等方面。有預(yù)計(jì)到2024年，全球醫(yī)藥市場(chǎng)總規(guī)模將超過(guò)11萬(wàn)億。
面對(duì)如此巨大的用藥缺口，制藥行業(yè)亟需能在各個(gè)環(huán)節(jié)上降本增效的突破性解決方案，包括高速篩選和設(shè)計(jì)有潛力的候選藥、提高藥劑開(kāi)發(fā)和快速優(yōu)化工藝流程、以及加速臨床試驗(yàn)的樣本篩選和不良反應(yīng)監(jiān)測(cè)等多管齊下，從而實(shí)現(xiàn)新藥和新療法的加速研發(fā)和市場(chǎng)化。
在計(jì)算方法輔助藥物設(shè)計(jì)之前的時(shí)代，新藥的篩選幾乎完全依靠化學(xué)合成和生物試驗(yàn)，成本高耗時(shí)長(zhǎng)。隨著計(jì)算化學(xué)和計(jì)算生物學(xué)等學(xué)科的發(fā)展，藥物篩選實(shí)現(xiàn)了高通量初篩，既縮小了先導(dǎo)化合物的范圍又以非常低成本的方式覆蓋了更大范圍的化合物結(jié)構(gòu)。
只是早期的計(jì)算輔助藥物篩選和設(shè)計(jì)的方法效果不穩(wěn)定，這一方面受限于這些模型和算法依賴于科學(xué)家對(duì)化合物理化和藥學(xué)性質(zhì)的認(rèn)知，另一方面計(jì)算力的限制導(dǎo)致虛擬篩選其實(shí)遠(yuǎn)不能覆蓋這種技術(shù)應(yīng)該搜索的全部結(jié)構(gòu)和能量空間（數(shù)量級(jí)可能達(dá)到10的60次方）。
而伴隨著機(jī)器學(xué)習(xí)、人工智能等核心技術(shù)的快速發(fā)展，計(jì)算能力的大幅提升，這兩方面的問(wèn)題都可以迎刃而解。機(jī)器學(xué)習(xí)等人工智能算法就是為了處理海量數(shù)據(jù)而生的。而隨著有效數(shù)據(jù)累計(jì)的越多計(jì)算結(jié)果則越好，并且可以最小程度的依賴于人的先驗(yàn)知識(shí)。
AI或人工智能，是用以指代一個(gè)能夠獨(dú)立學(xué)習(xí)和決策的系統(tǒng)，它能夠從被給予的輸入（數(shù)據(jù)）中學(xué)習(xí)“知識(shí)”，找出規(guī)律，并據(jù)此進(jìn)行推演和預(yù)測(cè)。目前已應(yīng)用于醫(yī)藥行業(yè)的很多方法，比如機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)）、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等都屬于人工智能的范疇。
機(jī)器學(xué)習(xí)在靶點(diǎn)識(shí)別、藥物篩選、藥物設(shè)計(jì)、疾病診斷、傳染病預(yù)測(cè)等多方面都有廣泛的應(yīng)用；自然語(yǔ)言處理是一種機(jī)器從文本中提取信息的方法，可以被用于分析電子檔案等文本數(shù)據(jù)，甚至于在臨床試驗(yàn)中招募合適的患者和優(yōu)化實(shí)驗(yàn)設(shè)計(jì)；而計(jì)算機(jī)視覺(jué)則在基于醫(yī)學(xué)圖像的疾病診斷、疾控視頻監(jiān)測(cè)等應(yīng)用場(chǎng)景中已經(jīng)取得了實(shí)質(zhì)性的進(jìn)展。
人工智能正在逐個(gè)擊破醫(yī)療行業(yè)的高成本低效率之痛。
新藥研發(fā)的全過(guò)程大致可分為藥物發(fā)現(xiàn)、臨床前研究、臨床研究以及上市四個(gè)階段。計(jì)算機(jī)在傳統(tǒng)的驅(qū)動(dòng)模式下，主要集中于藥物發(fā)現(xiàn)階段的藥物篩選、結(jié)構(gòu)優(yōu)化等環(huán)節(jié)，伴隨機(jī)器學(xué)習(xí)算法的深入，計(jì)算驅(qū)動(dòng)的場(chǎng)景已經(jīng)擴(kuò)展到了新藥研發(fā)的全過(guò)程，其中靶點(diǎn)發(fā)現(xiàn)、藥物篩選、藥物設(shè)計(jì)和優(yōu)化、臨床試驗(yàn)患者招募、優(yōu)化臨床試驗(yàn)設(shè)計(jì)等方面有較為深入的應(yīng)用。
靶點(diǎn)發(fā)現(xiàn)。已經(jīng)上市包括在管線上的藥物靶點(diǎn)數(shù)量非常有限，藥企除了針對(duì)已有靶點(diǎn)研發(fā)更有效的新藥，更需要尋找新的靶點(diǎn)以解決抗藥性問(wèn)題或獲得更好的治療效果。新靶點(diǎn)的發(fā)現(xiàn)依賴于從海量的生物信息學(xué)數(shù)據(jù)找出與疾病的臨床指征的關(guān)聯(lián)，再?gòu)闹邪l(fā)現(xiàn)有可藥性的靶點(diǎn)。各種機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘的算法被應(yīng)用于轉(zhuǎn)錄組、蛋白質(zhì)組、代謝組等高通量生物組學(xué)數(shù)據(jù)中，通過(guò)大量數(shù)據(jù)不斷的對(duì)算法的進(jìn)行訓(xùn)練，從而挖掘出有潛力的新靶點(diǎn)。
臨床試驗(yàn)患者招募。在臨床試驗(yàn)中，機(jī)器學(xué)習(xí)和自然語(yǔ)言處理可以應(yīng)用于優(yōu)化和加速患者的招募選擇。通?；颊呷虢M的時(shí)間大概占用了全部試驗(yàn)期的三分之一，而如果臨床試驗(yàn)招募的患者不合適，會(huì)導(dǎo)致約80%的失敗病例。機(jī)器學(xué)習(xí)方法可以在臨床試驗(yàn)的II期和III期中，通過(guò)分析患者特異性基因表達(dá)譜來(lái)選擇特定的患病人群進(jìn)行招募，從而加速試驗(yàn)過(guò)程，提升成功率。
此外，AI在上市過(guò)程中的市場(chǎng)分析定價(jià)，后期的不良反應(yīng)監(jiān)測(cè)的方面都有可發(fā)揮作用的空間。
人工智能技術(shù)和應(yīng)用場(chǎng)景的日趨成熟，帶來(lái)了市場(chǎng)的飛速發(fā)展，從2015年2億美元的市值到2018年的7億，預(yù)計(jì)2024年將達(dá)到50億美元。作為AI重要應(yīng)用場(chǎng)景之一的制藥行業(yè)，全球領(lǐng)先的制藥公司開(kāi)始率先擁抱人工智能，或從內(nèi)部孵化或直接與AI科技公司合作。
輝瑞和IBM Watson合作利用后者的計(jì)算平臺(tái)和ML、NLP等技術(shù)搜索癌癥免疫療法的新靶點(diǎn)，賽諾菲與首個(gè)AI制藥臨床試驗(yàn)公司Exscientia合作，利用Exscientia開(kāi)發(fā)的AI藥物發(fā)現(xiàn)平臺(tái)來(lái)優(yōu)化用于心臟病和癌癥治療的先導(dǎo)化合物結(jié)構(gòu)；此外，諾華、拜耳、Lilly等都與微軟、IBM、XtalPi等AI技術(shù)或AI制藥公司在藥物研發(fā)等領(lǐng)域有合作。
除了只就計(jì)算可驅(qū)動(dòng)新藥研發(fā)階段與大型藥企進(jìn)行合作，像英矽智能這種“端到端”的新藥研發(fā)模式也是未來(lái)AI制藥公司可以發(fā)展的商業(yè)模式。AI制藥公司在計(jì)算驅(qū)動(dòng)新藥研發(fā)方面，比之老牌藥企已經(jīng)先行，技術(shù)領(lǐng)先優(yōu)勢(shì)如果再配以完備的全鏈條研發(fā)能力，將有望在新藥研發(fā)的速度和成本之戰(zhàn)中勝出。
英矽智能目前不僅和全球三十多家領(lǐng)先的藥企達(dá)成合作，還擁有自有管線30多條，用于覆蓋各類疾病的藥物研發(fā)。這種級(jí)別的管線數(shù)量，越到后期，資金和資源的壓力越大。英矽的信心一方面來(lái)源于AI技術(shù)極大降低了初期研發(fā)的成本和時(shí)間，另外其自建的三款A(yù)I藥物研發(fā)平臺(tái)可以覆蓋新藥研發(fā)和臨床試驗(yàn)的三大階段，包括靶點(diǎn)發(fā)現(xiàn)（PandaOmics）、藥物設(shè)計(jì)和生成（Chemistry42）、和臨床試驗(yàn)的結(jié)果預(yù)測(cè)平臺(tái)InClinico。即便有AI加持，英矽目前的策略仍然是把管線推進(jìn)到臨床I期，而在II和III時(shí)尋求強(qiáng)有力的合作伙伴。
文章來(lái)源：佰傲谷BioValley ，作者蔣萍
