近年來，在創(chuàng)新藥發(fā)展的一片繁榮背后，創(chuàng)新藥的困境也在慢慢浮現(xiàn)。一者，在已知有限的人體基因靶點下，潛在的藥物靶點數(shù)量有限，不利于現(xiàn)如今藥物研發(fā)大環(huán)境。二者，醫(yī)藥市場中“內(nèi)卷”生成，同質(zhì)化的靶點扎堆情況愈發(fā)嚴重，上百種PD-1、ADC和Car-T種子賽道擁擠。

       因此如何從靶點賽道中脫穎而出，從新藥研發(fā)中脫穎而出，既成為了藥企迫切的需求，也是AI制藥存在的核心使命。

       2021年9月18日，由中國國際智能產(chǎn)業(yè)博覽會組委會主辦，南岸區(qū)人民政府、重慶經(jīng)濟技術(shù)開發(fā)區(qū)管理委員會、藥智網(wǎng)、中國藥業(yè)雜志社承辦的2021大健康產(chǎn)業(yè)高質(zhì)量發(fā)展大會暨第六屆中國醫(yī)藥研發(fā)•創(chuàng)新峰會（PDI）正在舉行。同日下午，名為“藥物研發(fā)創(chuàng)新與AI”的主題會議以大會分論壇的形式召開。

       期間不僅有多位計算機及制藥領(lǐng)域的專家分享了各自對“AI+制藥”的核心報告，同時還以圓桌論壇的形式，集思廣益，共同探討“AI將如何推動藥物研發(fā)創(chuàng)新升級？”

       AI制藥開啟藥物研發(fā)新篇章

       新藥研發(fā)面臨研發(fā)周期長、研發(fā)成功率低以及研發(fā)費用高等三大困境。而其階段主要包括藥物發(fā)現(xiàn)、臨床前研究、臨床研究以及審批與上市四個階段。其中藥物發(fā)現(xiàn)階段和臨床前研究階段則是藥企最為憂心的階段。

       同時，在整個過程中雖說越往后成本越高。但**、溶解度等階段的關(guān)鍵性卻反而在之后的實驗研究之上，無數(shù)例子顯示，傳統(tǒng)方法往往在投入了大量時間、人力、金錢完成前期階段后，卻在之后的推進過程中發(fā)現(xiàn)并不適合成藥，造成大量資源和機會的浪費。

       更多藥企在此困境下努力嘗試通過技術(shù)創(chuàng)新來加快新藥研發(fā)速度、提高成功率和降低成本，卻也為AI制藥領(lǐng)域發(fā)展帶來新的契機。

       重慶華森制藥集團黨委書記、董事長游洪濤表示，繼過去的自然醫(yī)藥時代與現(xiàn)在的生物醫(yī)藥時代之后，制藥時代即將迎來新的篇章。靶點與人工智能的結(jié)合也將加速這個時代的降臨，29億對堿基對中，編碼數(shù)量目前也僅有3萬多個，還有巨大的空間可以利用。而在這樣大數(shù)據(jù)工作量下，大數(shù)據(jù)與人工智能所起到的作用也將遠遠超過人腦。其間商機可見一斑。

       最近生物醫(yī)藥、傳統(tǒng)醫(yī)藥、AI人工智能相互融合產(chǎn)生了很多公司，比如OxfordNanopore這家公司市值60多萬英鎊，產(chǎn)生了很多獨角獸企業(yè)，產(chǎn)生了新的賽道。

       AI制藥發(fā)展制約條件

       人才：就目前而言，隨著科技時代的來臨，全球AI人才總體數(shù)量并不少，但能把AI與生物醫(yī)藥結(jié)合的專業(yè)性人才短缺卻仍是行業(yè)面臨的嚴峻挑戰(zhàn)，兩者不同專業(yè)的交叉與融合提升了對人才的需求的同時，高效產(chǎn)出人才量仍遠遠少于市場需求。重慶醫(yī)科大學副教授張永紅對此表示，對于交叉學科而言，專業(yè)知識倒還是其次，對于人才的訓練更多的還是在于其思維模式的改變，將知識的結(jié)合能力成為了他們以后否在醫(yī)藥研發(fā)過程中解決個別瓶頸問題的關(guān)鍵。

       數(shù)據(jù)源：現(xiàn)如今，數(shù)據(jù)源、算法與算力是AI領(lǐng)域公認的三大要素，而對于AI+醫(yī)藥研發(fā)而言同樣如此。而如果說算法與算力是大量專業(yè)人才可以解決的瓶頸問題，那么大量高質(zhì)量數(shù)據(jù)源則是更為重要的一環(huán)?；蛴捎陔[私、或由于政策，生物技術(shù)領(lǐng)域的大數(shù)據(jù)往往并不能很好地進行建模，且往往還需要來考慮種屬差異、劑量、體內(nèi)暴露情況等多種因素的影響。國內(nèi)創(chuàng)新藥研發(fā)起步較晚，與國外相比，對于優(yōu)質(zhì)數(shù)據(jù)的積累還有一定距離。制藥行業(yè)的專業(yè)門檻很高，而且鏈條很長。此外，醫(yī)藥領(lǐng)域的監(jiān)管政策和體制改革也很頻繁，使得獲得連接歷史藥物數(shù)據(jù)變得困難。這些都會導致醫(yī)藥數(shù)據(jù)統(tǒng)計在完整度和精準度上的不足，從而影響相關(guān)決策。

       政策法規(guī)：某種程度上而言，AI在其他科技領(lǐng)域的應(yīng)用已遠超醫(yī)藥行業(yè)，對于監(jiān)管機構(gòu)會如何監(jiān)管AI藥物，就藥物審評審批來說，化合物應(yīng)該遵照“安全有效”的評價標準，審批和監(jiān)管體系短時間內(nèi)很難改變。啟迪博大投資管理有限公司總經(jīng)理，清華校友總會生命科學與醫(yī)療健康專委會秘書長余永平也坦言，理論上政策的改革其實比技術(shù)創(chuàng)新更難，因為它是生產(chǎn)關(guān)系的改變，所有生產(chǎn)關(guān)系的改變都觸及到利益，而生產(chǎn)力的改變就是一個技術(shù)，相對前者反而簡單，好用就好辦。

       比起“跨界”，AI醫(yī)藥核心意義更在于“結(jié)合”

       雖說當今社會不斷強調(diào)“打敗你的不一定是同行，也許是跨界”，但由于醫(yī)藥領(lǐng)域與計算機AI領(lǐng)域的專業(yè)壁壘巨大，在大多數(shù)人看來往往是“懂藥的不懂計算機、懂計算機的不懂藥”。即使是深耕多年的醫(yī)藥領(lǐng)域?qū)＜乙矡o法保證能在AI醫(yī)藥研發(fā)領(lǐng)域有所建樹。

       重慶醫(yī)科大學副教授張永紅認為，與其跨界交叉，反而融合更有價值，將藥學的知識跟計算機的關(guān)鍵節(jié)點聯(lián)合，邀請計算機專家解決藥學問題，將成為未來AI在藥學領(lǐng)域起到關(guān)鍵作用的點。正如成都先導與騰訊AILab合作，共同設(shè)計開發(fā)了一款分子骨架躍遷算法，有望加快藥物研發(fā)領(lǐng)域中的小分子設(shè)計環(huán)節(jié)，從而大大減少人力以及時間成本。

       中國科學院重慶綠色智能研究院大數(shù)據(jù)中心主任尚明生也表示，新藥創(chuàng)新非常需要借助AI的力量，而對于計算機專業(yè)人才而言，也非常愿意貢獻里面的算法工具作為其中來使用的力量，這就是結(jié)合的真正意義所在。

       比起縮短新藥周期，“探索”更具意義

       資料顯示，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%的時間，每年可節(jié)約280億美元的臨床試驗費用。也即是說，AI每年能夠為藥企節(jié)約540億美元的研發(fā)費用。

       但其實，正如成都先導藥物開發(fā)有限公司董事長、CEO李進所言，AI對醫(yī)藥工業(yè)的促進作用不言而喻，隨著數(shù)據(jù)越來越多，數(shù)據(jù)的質(zhì)量越來越高，這個作用會越來越大。但是面對一些問題，針對一個靶點如果已經(jīng)有已知化合物的作用，在這樣的基礎(chǔ)上AI的算法可能起到人想象不到的作用。因為我們每個人能夠觀察學習分析的數(shù)據(jù)量是有限的，而AI是沒有限的。我們甚至看幾百個分子都看得出來，但如果我擺幾萬個分子在里面，將來人就看不清楚了，那就要靠算法來做。

       “AI+醫(yī)藥”真正有意義或許并不局限于降低新藥研發(fā)的時間、人力及金錢成本，更多的或許是發(fā)現(xiàn)原來很難、甚至不可能發(fā)現(xiàn)的靶點及成藥機制，使不可能成為可能。

       玩家齊聚AI制藥，共爭上游

       2020年起，AI制藥的初創(chuàng)公司如雨后春筍、投資機構(gòu)蜂擁而至、很多高科技互聯(lián)網(wǎng)公司也來占位、制藥巨頭、傳統(tǒng)藥企逐布局AI，領(lǐng) 先 的制藥公司與AI驅(qū)動的生物技術(shù)公司和AI技術(shù)供應(yīng)商之間的合作關(guān)系越來越多，AI主題會議激增，甚至很多科研團隊開始轉(zhuǎn)型，AI制藥轉(zhuǎn)瞬間成為醫(yī)藥行業(yè)最 具商業(yè)價值的方向之一，甚至被認為將有機會引起一場顛覆式的制藥革命。

       AI制藥公司大約有300家以上，根據(jù)主營業(yè)務(wù)布局領(lǐng)域或者公司主要技術(shù)平臺從新藥研發(fā)的環(huán)節(jié)角度對公司進行分類，先導化合物設(shè)計、優(yōu)化及合成，化合物篩選，靶點發(fā)現(xiàn)環(huán)節(jié)布局公司最多，其次，ADMET預(yù)測、藥物重定位（老藥新用）也有較多公司布局。

       同時，出初創(chuàng)型企業(yè)外，業(yè)內(nèi)各大龍頭藥企同樣對“AI制藥”領(lǐng)域充滿興趣并深度參與其中，國內(nèi)方面，如藥明康德、先聲藥業(yè)、豪森藥業(yè)等均選擇與AI企業(yè)進行合作。

       總結(jié)

       總而言之，AI或者說是計算機在各個領(lǐng)域能做的事情都很簡單，關(guān)鍵在于AI與醫(yī)藥兩者的結(jié)合，趨勢若對，那剩下的事情無非“合作”兩字。所以本次之所以組織本屆會議，就是為了能夠跨界交叉，將大家融合在一起，如果促進兩個領(lǐng)域之間后續(xù)的合作，推動兩個領(lǐng)域之間的協(xié)同發(fā)展，那就是價值所在。

       責任編輯|青霉素