药物研发的新帮手—小AI同学

实验与分析 0 2020-05-27

分享到

随着药物研发瓶颈期的到来，研发成本不断提高，研发回报率不断降低，这两年一直大火的的人工智能(Artificial Intelligence)也逐步运用到此领域中来，有望大幅度提高效率，降低成本。

目前研发瓶颈

众所周知，新药研发风险大、周期长、成本高。国际上一般有“双十”的说法：10年时间，10亿美金投入，才能成功研发出一款新药。据2017年德勤发布的报告指出：成功上市一个新药的成本从2010年的11.88亿美元;2016年成功上市一个新药的成本是15.39亿美元，2018年已经增加到22亿美元。更让人惊诧的是，2017年全球TOP12制药巨头在研发上的投资回报率仅有3.2%，处于8年来的最低水平。因此，投入越来越高，而过去公认的高回报，也落到了低谷。另一方面，全球新药管线中处于后期阶段的项目越来越少，2016年有189项目，而2017年有则159个III期项目。因此，业界很多人惊呼：传统的新药发现已经走到穷途末路。

AI的兴起

近年来，得益于迅猛增长的计算能力、深度学习方法的引入以及大数据的兴起，人工智能(AI)在多个行业崭露头角，特别是人工智能已经横扫人类最复杂的棋盘游戏——围棋。短短不到一年时间，人工智能就从阿尔法狗(AlphaGo)进化到大师(Master)，再进化到左右互搏、自我学习的“元”(AlphaGo Zero)。因此，人工智能能否用于新药发现，解决目前新药研发投入越来越大、时间越来越长的痛点，就成为人们非常期待的话题。

AI的深度学习能够通过穷尽各大患者及健康人群数据库找到药物候选靶点，运用算法精准预测，快速筛选活性化合物，虚拟构建药物分子。AI让药物研发模式发生了本质上的逆转，通过真实数据获取并找到最有可能成立的假设。

麦肯锡的Chilukuri表示，“药物研发的周期一般需要大约10年，因此，一般收益将在未来10到15年内出现。从中期来看，AI对制药行业的价值增长可能相当于销售额增长5%到10%，但长期收益将超过这一水平。”

2016年，由加利福尼亚大学旧金山分校(UCSF)的计算化学家Brian Shoichet领衔的小组，运用虚拟筛选技术筛选了300多万种市售化合物，结果找到了可选择性激活μ-阿片受体信号减轻疼痛，但不干扰紧密相关的β-arrestin信号通路(通常认为与阿片类药物的便秘和呼吸减慢的副作用有关)的候选分子。

药企巨头与AI公司的合作

近两年，各大药企巨头纷纷选择与医疗AI公司合作，希望借助AI技术，缩短研发周期，提升药物研发的效率。

罗氏

2017年，罗氏旗下基因泰克与医疗行业数据化分析公司GNS Healthcare达成协议。GNS Healthcare 的AI平台能把大数据、机器学习和仿真技术结合起来判断疾病预后效果，辅助医疗供应商进行市场决策。我们知道AI平台需要结合海量的大数据进行训练、模拟和处理。可以看到，罗氏紧接着在电子健康记录和基因检测大数据上开始大刀阔斧地布局。

辉瑞

2016年，辉瑞与IBM合作，辉瑞通过 Watson for Drug Discovery 机器学习、自然语言处理及其它认知推理能力，快速分析大量的文本数据，使用大量数据、临床报告，用于免疫肿瘤学中潜在药物靶点的寻找，联合疗法和患者选择策略。

阿斯利康

2017年，阿斯利康与马萨诸塞州初创公司BergHealth合作，利用后者的人工智能平台寻找帕金森症等神经疾病的生物靶标和药物。

2018年2月，阿斯利康与阿里巴巴旗下公司阿里健康合作，以互联网、人工智能、物联网等新技术为驱动力，双方将共创健康服务的新模式。患者将可通过扫描药品包装盒上的阿里健康追溯码，获取更多的疾病防治知识和延伸健康服务。

长路漫漫

虽然目前药物企业与AI公司纷纷进行紧密的合作，但多数药物仍处于研发的早期阶段。我们已看到AI技术应用于医药领域的效用和巨大潜力;同时，发展过程中也面临诸多挑战：

对AI的认知不足

在BenchSci发布的调查显示，在330位药物研发科学家当中，有41%的人并不了解AI技术，也不清楚如何利用机器学习来帮助他们更好地筛选合适的新药。

新药研发的复杂识别模式

药明康德旗下药明明码的AI项目总负责人Thomas Chittenden称，通过AI技术对人体生物学进行处理与训练，让我们对疾病有了更充分的认知。但目前对于人工智能识别系统来说，新药研发以及其临床试验的有效性评估仍是极其复杂的识别模式。

审批严格

通过FDA审批的医疗AI产品大多数是属于Class II认证，通过对比传统临床决策系统来证明安全有效性。相比之下，中国药监局的法规及审批流程更为严格，目前还没有推出新一代医疗AI的审批标准。

总体来看，人工智能助力药物研发只是加速生命健康领域发展的一个方面，在生命健康更多领域也不乏人工智能的身影，辅助疾病诊断，辅助治疗、健康管理、医院管理等领域均有较为成功的案例涌现。未来，人工智能在生命健康领域将有更宽广的应用场景，需要企业的探索和实践。

内容来源：实验与分析

责任编辑：展源

审　　核：何发

药物研发的新帮手—小AI同学

相关文章