關(guān)于醫(yī)藥企業(yè)來講，這是一個急速變更的時期。
近幾年，對準(zhǔn)“AI加快醫(yī)藥研發(fā)”的公司開端疾速出現(xiàn)出來。這些公司，由于控制高壁壘的焦點技巧，具有遼闊的想象空間，常常取得了高額融資，并且融資節(jié)拍異常快。
這股AI海潮也推到了傳統(tǒng)制藥巨子的家門口。它們搶先恐后地順應(yīng)新技巧，究竟誰也不想被時期拋下。
風(fēng)口上的AI+醫(yī)藥研發(fā)，畢竟有多年夜的潛力？賽道上還有哪些空白？本文試圖梳理這些成績。
為何須要加速新藥研發(fā)？
假如用一個詞描述新藥研發(fā)進(jìn)程，那應(yīng)當(dāng)是“費時花錢”。常有一種說法，說新藥研發(fā)須要“兩個十”——十年十億美金。不只如斯，藥物研發(fā)的勝利率不高，在研發(fā)階段還沒有發(fā)賣支出。
固然新藥研發(fā)既耗時又耗錢，然則假如新藥勝利上市，就會取得異常高的價值報答。這類高報答也是本錢喜愛醫(yī)藥的很年夜緣由。
最近幾年出現(xiàn)的AI+醫(yī)藥研發(fā)，就是直指了以上痛點。人們試圖用AI技巧，讓醫(yī)藥研發(fā)少繞些彎子，給研發(fā)進(jìn)程勤儉幾個月、乃至幾年的時光。
那末，我們在研討AI若何加快醫(yī)藥研發(fā)之前，先要梳理清晰醫(yī)藥研發(fā)的進(jìn)程。以下是36氪整頓的醫(yī)藥研發(fā)流程圖。
新藥研發(fā)年夜致分為新藥發(fā)明、臨床前研討、臨床研討、審批上市四個階段。
新藥發(fā)明環(huán)節(jié)須要賡續(xù)地做基本研討，從5000-10000個化合物中做挑選，停止藥物的設(shè)計與挑選，化學(xué)分解與改革，終究創(chuàng)造出處理某疾病的新藥，這個階段時長不定。
臨床前研討普通要3-6年的時光，這個階段須要做年夜量的試驗研討，停止藥劑學(xué)、藥動學(xué)、藥效學(xué)與毒理學(xué)研討。
到了臨床研討這個階段，研發(fā)費用就一會兒猛增了，由于須要在年夜量自愿者身上做臨床實驗。I期臨床會停止初步臨床藥理學(xué)研討和人體平安性研討，II期臨床會做醫(yī)治感化初步評價，和平安性研討，III期臨床重要會做擴展臨床實驗、特別臨床實驗、彌補臨床實驗和不良反響不雅察。這個階段普通耗時6-7年。
審批上市環(huán)節(jié)，須要半年至兩年時光，重要是做新藥申報和上市后檢測。
賽道上的明星公司，買通了哪些技巧的“任督二脈”？
36氪以為，今朝市場上的AI技巧，重要發(fā)力于“新藥發(fā)明”和“臨床診療”兩個板塊。
1. 新藥發(fā)明
新藥發(fā)明觸及選擇靶點、選擇先導(dǎo)化合物、優(yōu)化先導(dǎo)化合物等階段。這個進(jìn)程中，科研人員須要對多達(dá)5000-10000個化合物“海選”，經(jīng)由過程賡續(xù)的試錯、消除、優(yōu)化，終究得出既有用又平安的候選藥物。這個挑選進(jìn)程有許多反復(fù)試驗的進(jìn)程，耗時較長。
另外一方面，因為人體致病機理異常龐雜，新藥研發(fā)對科研人員的常識貯備請求異常高，科研人員平日須要具有跨學(xué)科常識。
AI技巧的引入，可以或許給醫(yī)藥研發(fā)帶來一個壯大的“常識庫”，便利調(diào)動各個學(xué)科的常識。同時AI技巧可以應(yīng)用年夜數(shù)據(jù)，對這些化合物停止“虛擬”挑選。即不做試驗，而是應(yīng)用數(shù)據(jù)庫做剖析，年夜年夜加快研發(fā)進(jìn)度。
這個賽道上，Atomwise搭建了一個藥物設(shè)計體系A(chǔ)tomNet，以猜測小份子與卵白質(zhì)的聯(lián)合。該體系的數(shù)據(jù)庫起源于數(shù)百萬的親和力試驗和數(shù)千種卵白質(zhì)構(gòu)造數(shù)據(jù)。AtomNet經(jīng)由過程卷積神經(jīng)收集的組合猜測新的活性份子，使得藥物設(shè)計進(jìn)程可以緊縮至幾周時光。
Numerate基于3D配體的建模，在不須要化合物構(gòu)造材料的情形下，應(yīng)用AI停止表型驅(qū)動的藥物研發(fā)。該平臺重要針關(guān)于血汗管、代謝、神經(jīng)虛弱疾病、阿爾茨海默癥和亨廷頓式跳舞癥。
葛蘭素史克與英國的Exscientia協(xié)作，依據(jù)已有的藥物研發(fā)數(shù)據(jù)庫，主動設(shè)計出上百萬種與特定靶標(biāo)相干的小份子化合物，而且依據(jù)藥效、選擇性、ADME等等挑選化合物。
英國BenevolentAI的焦點技巧平臺是JACS，它的數(shù)據(jù)庫包含論文、臨床實驗數(shù)據(jù)等等。為了進(jìn)步算力，BenevolentAI應(yīng)用了英偉達(dá)的超等盤算機DGX-1。今朝，該公司曾經(jīng)和強生協(xié)作，為強生挑選、優(yōu)化小份子化合物。該公司曾經(jīng)有兩種新藥進(jìn)入前期研發(fā)，個中一種是醫(yī)治漸凍人癥的藥物，別的一種是醫(yī)治帕金森癥的藥物，后者曾經(jīng)進(jìn)入II期臨床。
國際的晶泰科技，在人工智能的技巧上還融會了量化盤算，可以對藥物固相（晶型、水合物、鹽、共晶等）停止精準(zhǔn)疾速的挑選和設(shè)計，并經(jīng)由過程深度神經(jīng)收集，對藥物份子的癥結(jié)特征停止有用猜測。
冰洲石生物科技是基于卵白晶體學(xué)數(shù)據(jù)停止AI藥物設(shè)計。截止2017歲尾，冰洲石曾經(jīng)在美國請求了2項專利。
2. 臨床診療
這個板塊上，今朝技巧重要是應(yīng)用數(shù)據(jù)庫，摸索致病緣由，猜測患者對藥物的反響，為患者婚配適合療法，從而完成精準(zhǔn)的特性化醫(yī)療。當(dāng)這類技巧運用于臨床實驗階段，就有助于進(jìn)步臨床實驗的效力。
百時美施貴寶的PathAI平臺重要是停止病理剖析的。應(yīng)用AI進(jìn)修病理樣本數(shù)據(jù)，從而幫助病理學(xué)家停止疾病診斷。
羅氏將患者數(shù)據(jù)流轉(zhuǎn)化為機械的盤算機模子，以此發(fā)明新的療法和診斷標(biāo)志，從而為每一個患者婚配適合的新療法。
GNS Healthcare的REFS平臺應(yīng)用年夜量患者致病緣由的年夜數(shù)據(jù)，推招致病機理；然后，REFS對醫(yī)治進(jìn)程停止模仿，以肯定哪些醫(yī)治辦法和藥物可以或許發(fā)生最好成果，從而為特定患者婚配其特性化療法。
除以上兩年夜板塊，還有企業(yè)采取了一些比擬新鮮的切進(jìn)口。
國際的深度智耀開辟了AI主動翻譯寫作申報體系和AI藥物警惕體系。前者進(jìn)步了審批上市環(huán)節(jié)的效力，后者有助于臨床研討和上市后平安檢測。
將來還有哪些想象空間？
假如我們把維度放在全部行業(yè)，會發(fā)明一切公司都在做統(tǒng)一件工作——驗證AI+醫(yī)藥研發(fā)可以真正落地，真正在某些環(huán)節(jié)上高效、準(zhǔn)確、平安無誤地取代人類。
在這一點上，有的企業(yè)走得更快，或是停止到了藥物研發(fā)的前期階段，或是曾經(jīng)具有了多項專利、構(gòu)建了多方協(xié)作；而有的企業(yè)走得稍慢，還在對其技巧做初步落地。
從行業(yè)機遇來看，今朝結(jié)構(gòu)臨床前研討和臨床研討的企業(yè)還不算多。這兩個環(huán)節(jié)也有反復(fù)試驗多、耗時長、費用高的特色，引入AI有助于進(jìn)步效力。另外一方面，對準(zhǔn)審批上市環(huán)節(jié)的明星選手也異常少。
不外，選手們的“AI+醫(yī)藥研發(fā)”技巧能否能真的落地？
其實醫(yī)療技巧是一個螺旋式上升進(jìn)程。因為曩昔的醫(yī)療技巧絕對明天落伍，其時的醫(yī)療數(shù)據(jù)中不免會存在必定毛病。假如毛病數(shù)據(jù)引入AI進(jìn)修的數(shù)據(jù)庫，則會異常年夜地影響AI進(jìn)修的成果。
是以，若何包管數(shù)據(jù)庫的質(zhì)量，是選手們要霸占的一年夜困難。或許，這會是一座很年夜的分水嶺。
