AI+藥物研發(fā)的機(jī)遇與挑戰(zhàn)

       新藥研發(fā)具有成本高、研發(fā)周期長(zhǎng)、成功率低三大高風(fēng)險(xiǎn)性質(zhì)。據(jù)《Natrue》報(bào)道，新藥研發(fā)成本約為26億美元，耗時(shí)約10年，成功率不到1/10。如何加速新藥研發(fā)進(jìn)程，降低研發(fā)費(fèi)用已成為各大制藥公司迫切需要解決的問(wèn)題。此外，藥品流通環(huán)節(jié)及醫(yī)療價(jià)值鏈的轉(zhuǎn)變，迫使制藥公司降低價(jià)格，提升藥物價(jià)值。

       如今藥物研發(fā)累計(jì)的數(shù)據(jù)高速增長(zhǎng)，藥物研發(fā)領(lǐng)域數(shù)字化轉(zhuǎn)型加速。因此，藥企的首要任務(wù)在于利用這些數(shù)據(jù)來(lái)驅(qū)動(dòng)價(jià)值，達(dá)到提高藥品生產(chǎn)效率和審批率，并降低成本的最終目標(biāo)。

       最近為學(xué)習(xí)和預(yù)測(cè)新特征而建立的人工智能技術(shù)，尤其是深度神經(jīng)網(wǎng)絡(luò)（DNNs）或遞歸神經(jīng)網(wǎng)絡(luò)（RNNs）等的進(jìn)步，讓人工智能技術(shù)應(yīng)用更為廣泛，社會(huì)自動(dòng)化程度提速。在此大背景環(huán)境之下，與大數(shù)據(jù)、云計(jì)算相結(jié)合的人工智能技術(shù)在藥物研發(fā)中的應(yīng)用日益增多，應(yīng)用優(yōu)勢(shì)也得到突出體現(xiàn)。

       AI+藥物研發(fā)應(yīng)用情景與技術(shù)

       從1956年的達(dá)特茅斯會(huì)議開(kāi)始，AI在藥物研發(fā)中的應(yīng)用已有60多年的歷史，現(xiàn)在已滲入醫(yī)藥研發(fā)各個(gè)階段，但還主要集中在新藥發(fā)現(xiàn)和驗(yàn)證階段。不過(guò)應(yīng)用的技術(shù)已有很大進(jìn)步，已從以前定量關(guān)系的（QSAR）和定量結(jié)構(gòu)-性質(zhì)關(guān)系（QSPR）的研究中的標(biāo)記訓(xùn)練數(shù)據(jù)集和模型進(jìn)步到機(jī)器學(xué)習(xí)、認(rèn)知計(jì)算和圖像識(shí)別等。

       現(xiàn)在，AI與藥物研發(fā)相結(jié)合應(yīng)用的主要場(chǎng)景包括：發(fā)掘藥物靶點(diǎn)、挖掘候選藥物、高通量篩選、藥物設(shè)計(jì)、藥物合成、預(yù)測(cè)藥物ADMET性質(zhì)、病理生理學(xué)研究及新適應(yīng)癥的開(kāi)發(fā)——老藥新用。其中靶點(diǎn)篩選是近期AI+藥物研發(fā)最熱門的領(lǐng)域，而兩者相結(jié)合的應(yīng)用也將讓老藥新用達(dá)到新高度，但小分子藥物篩選和設(shè)計(jì)仍然占主要地位。但按照應(yīng)用場(chǎng)景的發(fā)展速度來(lái)看，藥物合成未來(lái)或?qū)⒊勺詣?dòng)化程度最高的方向。這些應(yīng)用場(chǎng)景常用的AI技術(shù)主要是機(jī)器學(xué)習(xí)、認(rèn)知計(jì)算和圖像識(shí)別等。

       AI+藥物研發(fā)代表企業(yè)和布局領(lǐng)域

       目前，AI+藥物研發(fā)代表性的初創(chuàng)企業(yè)有Exscientia、BenevolentAI、Atomwise、Relay Therapeutics、晶泰科技、Numerate和IBM Waston和Lam Therapeutics等。按照現(xiàn)有初創(chuàng)企業(yè)在治療領(lǐng)域的布局情況來(lái)看，腫瘤占比最多，而神經(jīng)領(lǐng)域次之，而罕見(jiàn)病相關(guān)的企業(yè)也較多。因此，腫瘤和神經(jīng)系統(tǒng)不僅是目前AI+藥物研發(fā)的布局重點(diǎn)領(lǐng)域，也是未來(lái)發(fā)展的潛力領(lǐng)域，而AI也將助力破解罕見(jiàn)病診斷難和藥物研發(fā)難的“兩難”境地。

       圖1. AI+藥物研發(fā)初創(chuàng)企業(yè)治療領(lǐng)域布局情況

       數(shù)據(jù)來(lái)源：biopharmatrend，數(shù)據(jù)截止時(shí)間為2019年7月底

       AI+藥物研發(fā)優(yōu)勢(shì)及代表實(shí)例

       與傳統(tǒng)藥物研發(fā)模式相比，AI+藥物研發(fā)具有縮短研發(fā)周期，節(jié)約資金成本，提高成功率，充分利用現(xiàn)有醫(yī)療資源等優(yōu)勢(shì)。據(jù)統(tǒng)計(jì)，傳統(tǒng)模式下的藥物研發(fā)光是臨床前階段可能就需要4-5年。而基于AI和生物計(jì)算的新藥研發(fā)管線平均1-2年就可以完成臨床前藥物研發(fā)，藥物研發(fā)明顯提速。自此，首個(gè)完全通過(guò)AI設(shè)計(jì)的藥物-渦輪增壓”的流感**已經(jīng)進(jìn)入臨床階段。Pharnext公司利用AI技術(shù)開(kāi)發(fā)的治療腓骨肌萎縮癥1A亞型的組合療法PXT3003已完成兩項(xiàng)III期臨床，且取得積極結(jié)果。2017年天士力也與Pharnext達(dá)成了合作協(xié)議。

       AI+藥物研發(fā)企業(yè)合作情況

       2019年9月11日，江蘇豪森和Atomwise宣布，雙方將合作設(shè)計(jì)和發(fā)現(xiàn)多個(gè)治療領(lǐng)域中多達(dá)11種未公開(kāi)靶蛋白的潛在候選藥物。根據(jù)雙方合作協(xié)議，此次合作對(duì)Atomwise的潛在總價(jià)值將超15億美元。之前正大天晴通過(guò)與阿里云合作獲得一種全新的化合物篩選方法。據(jù)悉與傳統(tǒng)計(jì)算機(jī)輔助藥物設(shè)計(jì)方法相比，這套新方法可提高篩選準(zhǔn)確率20%。

       再看全球藥企的合作情況，至此，全球十大跨國(guó)企業(yè)均已入局AI+藥物研發(fā)領(lǐng)域，具體合作信息如下表所示。因此在AI+研藥物領(lǐng)域，初創(chuàng)企業(yè)布局平臺(tái)，通過(guò)技術(shù)合作盈利，而傳統(tǒng)大型企業(yè)通過(guò)合作或者戰(zhàn)略投資入局。在此趨勢(shì)之下，初創(chuàng)企業(yè)的涌現(xiàn)、合作和融資情況在2018年均達(dá)到了歷史最高，初創(chuàng)企業(yè)融資金額高達(dá)10.36億美元（未包括未公開(kāi)項(xiàng)）。

       來(lái)源：公開(kāi)資料整理

       AI+藥物研發(fā)所面臨的機(jī)遇和挑戰(zhàn)

       來(lái)自TechEmergence的一份報(bào)告顯示，人工智能可以將新藥研發(fā)的成功率從12％提高到14％，可以為生物制藥行業(yè)節(jié)省數(shù)十億美元。此外，據(jù)報(bào)道AI在化合物合成和篩選方面比傳統(tǒng)手段可節(jié)約40%-50%的時(shí)間，每年為藥企節(jié)約260億美元的化合物篩選成本。在臨床研究階段，可節(jié)約50%-60%的時(shí)間，每年可節(jié)約280億美元的臨床試驗(yàn)費(fèi)用。即AI每年能夠?yàn)樗幤蠊?jié)約540億美元的研發(fā)費(fèi)用。AI+藥物研發(fā)與傳統(tǒng)模式相比，時(shí)間和成本優(yōu)勢(shì)明顯。

       現(xiàn)在，全球十大藥企已入局，而初創(chuàng)企業(yè)融資和合作也達(dá)到了歷史最高，領(lǐng)跑著已獲得高額融資回報(bào)，而優(yōu)先布局的大型企業(yè)如羅氏也掌握了優(yōu)質(zhì)數(shù)據(jù)源。按此發(fā)展，未來(lái)AI+醫(yī)藥這一市場(chǎng)有著巨大的發(fā)展?jié)摿?。?025年，AI+藥物研發(fā)的市場(chǎng)規(guī)模將超37億美元（不包括診療等）。

       但AI+藥物研發(fā)同樣面臨著不太樂(lè)觀的現(xiàn)狀及諸多挑戰(zhàn)。2019年4月，IBM公司因?yàn)樨?cái)務(wù)業(yè)績(jī)低迷，決定停止開(kāi)發(fā)和銷售藥物開(kāi)發(fā)工具——Watson人工智能套件。作為醫(yī)藥健康領(lǐng)域人工智能的領(lǐng)跑者，也不得不面對(duì)財(cái)務(wù)業(yè)績(jī)低迷的狀態(tài)。

       此外，當(dāng)下AI應(yīng)用較為集中的靶點(diǎn)篩選方向，現(xiàn)已通過(guò)文獻(xiàn)分析等篩選出比已批準(zhǔn)藥物更多的靶點(diǎn)，但是靶點(diǎn)的確證卻是一道難題，如何建立確證模型，又用什么來(lái)確證，人力財(cái)力是否跟得上，這也是需要思考的。另外，人工預(yù)測(cè)藥物的可成藥性，與通過(guò)試驗(yàn)摸索得到的藥物相比，可信服度低。因?yàn)榛谝巡坏?000個(gè)獲批藥物的數(shù)據(jù)集（質(zhì)量未必高）來(lái)預(yù)測(cè)，這是遠(yuǎn)遠(yuǎn)達(dá)不到依賴高質(zhì)量、有標(biāo)識(shí)的數(shù)據(jù)集的深度學(xué)習(xí)的最基本的要求。而這也恰巧是AI在藥物合成方面的應(yīng)用優(yōu)勢(shì)。

       因此整體來(lái)看，AI+藥物研發(fā)真正意義的產(chǎn)出極少，大部分企業(yè)需要面對(duì)產(chǎn)出成果不足或者不優(yōu)而導(dǎo)致財(cái)務(wù)狀況堪憂的現(xiàn)狀。因此，企業(yè)需要合理的定位產(chǎn)業(yè)鏈角色，選擇適合的創(chuàng)新商業(yè)模式。

       此外， AI+藥物研發(fā)的企業(yè)也面臨來(lái)自政策、人才、技術(shù)等方面的挑戰(zhàn)。新的技術(shù)的引進(jìn)，讓原有藥物研發(fā)模式改變，監(jiān)管人才、政策指南等均需要同步更新，而現(xiàn)在尚無(wú)針對(duì)性的政策指南出臺(tái)。就人才而言，高端復(fù)合型人才的缺失也限制了這一領(lǐng)域的發(fā)展。且AI多任務(wù)學(xué)習(xí)的“黑匣子”特征仍是深層神經(jīng)網(wǎng)絡(luò)從復(fù)雜生物信息中提取關(guān)鍵關(guān)聯(lián)信息的阻力。未來(lái)需要政策監(jiān)管同步提高，培養(yǎng)復(fù)合型高端人才，技術(shù)方面如自然語(yǔ)言處理實(shí)用化發(fā)展、知識(shí)圖譜的多維度應(yīng)用，以及知識(shí)問(wèn)答、分析決策和語(yǔ)義搜索等也需要較大提升。除此之外，對(duì)AI+藥物研發(fā)認(rèn)知度和生物復(fù)雜性的理解提升也有待提高。在決定AI+藥物研發(fā)質(zhì)量的數(shù)據(jù)問(wèn)題中，如何建立研發(fā)數(shù)據(jù)標(biāo)準(zhǔn)體系完善數(shù)據(jù)，如何建立風(fēng)險(xiǎn)利益公擔(dān)的共享機(jī)制，也是未來(lái)AI+藥物研發(fā)所需要面對(duì)的。

       結(jié)語(yǔ)

       雖然AI+醫(yī)藥研發(fā)目前現(xiàn)狀并不是非常樂(lè)觀，還面臨諸多挑戰(zhàn)，但可以明確的是，AI+藥物研發(fā)的結(jié)合必然是未來(lái)制藥行業(yè)的發(fā)展趨勢(shì)，也將在未來(lái)十甚至二十年的時(shí)間內(nèi)，對(duì)醫(yī)藥領(lǐng)域進(jìn)行一場(chǎng)顛覆性的革命，迎來(lái)新時(shí)代。