藥渡
AI製藥的前景必然是光明的，AI製藥技術的進一步突破和創新定會對整個醫藥研發產生重大意義。
1
新藥研發，九死一生
新藥研發速度慢，失敗率高一直都是全世界的藥物研發企業所面臨的問題，俗話說：“新藥研發，九死一生”，研究十個能成一個就不錯了，還得靠運氣。新藥研發時間長，成功率低已變成醫藥研發界的代名詞。藥物從無到有，要經歷一個漫長的時間過程，我們誰也不知道在這條曲折的路上還有多少坑要邁過去，因為新藥研發的不確定性太多了，從實驗室研究到新藥上市要經過合成提取、生物篩選、藥理、毒理等臨床前試驗等一系列過程，每一步驟都可能需要若干次的失敗來總結經驗。
如此複雜的研發過程再加上過程中無法預料的情況，使得在研發的每一個階段都有可能失敗，一旦研發失敗，鉅額投入血本無歸也非罕見。藥物從研發到註冊，研發時間週期長平均要經歷10年，體系複雜，總的資金投入至少要10億美元。並且不是說投入了就能夠做出來，因為一個藥物研發的成功率也只有10%，所以說新藥研發是一個高風險的行動。
2
人工智慧加入醫藥研發領域，頭部藥企入局
近年來，人工智慧（英語：Artificial Intelligence，縮寫為AI）參與藥物的研發過程，被提及的越來越多，網上不時曝出某某製藥巨頭與某網際網路公司達成強強合作。醫藥研發或告別“十年磨一劍”的舊時代，去年下半年以來，AI藥物研發迎來投資密集期。
醫藥界大佬輝瑞（Pfizer ）更是於2016年就與IBM Watson合作，以加速免疫腫瘤學領域的藥物發現。葛蘭素史克一直是利用人工智慧的主要製藥公司之一——葛蘭素史克（GlaxoSmithKline）是“加速醫療機會療法”聯盟（ATOM）的創始成員之一。其它入局的還有強生與Benevolent AI、默沙東與Atomwise、武田製藥與Numerate、賽諾菲與Exscientia。
與此同時，非醫藥出身領域的百度、騰訊、華為、位元組跳動等科技巨頭也紛紛佈局AI醫藥領域。今年年初，百度創始人李彥宏牽頭髮起的百圖生科發起“百萬領軍計劃”及“百萬青年領軍”計劃，將分別用100萬美元年薪、100萬元人民幣年薪以及其他技術平臺支援，吸引生物技術+AI技術跨界融合人才。
李彥宏預測，未來人工智慧在公共衛生監測、新藥研發和疾病診斷等方面大有可為。此前，位元組跳動、華為均開始招聘生物醫藥相關崗位，騰訊則釋出了由其自主研發的首個AI驅動的藥物發現平臺雲深智藥。在今年人工智慧藥物研發公司英矽智慧宣佈，以人工智慧貫穿藥物發現環節（包括機制發現、靶點發現及找到新化合物），成功發現了全新機制藥物，這在全球尚屬首例。
“研發中僅用時18個月、研發經費約合200萬美元。相較於傳統藥物研發10年耗資幾十億美元，AI賦能藥物研發極大縮短了藥物研發時間，又大大降低了成本。”無疑讓新藥研發看到了希望。
3
AI介入醫藥研發，有望改變未來研發格局
藥這種東西有一個非常明顯的個體屬性。目前已知的化合物結構空間，數量相當龐大，我們能找到的藥物的分子數或達到1060，AI就是幫我們在所研究的化學空間中找出有用的分子，這也是我們在研究中一直關注的問題，面對1060的空間，我們怎樣用一個更好的數學方法把它們表示出來。
一個分子能夠成為藥，它在多方面是優秀的——它既要有很好的藥效，同時也可以被很好的吸收，同時不應該有毒性等等，我們的研發過程中就是要找到這些孤立的小島。透過計算機，我們可以輕易的從化學結構庫中找到幾十萬個或者幾百萬個相似的分子，讓它具有相似的成藥的可能性，相對於讓人去在紙上去畫出結構再去對比研究（可能你畫一萬個分子就已經累夠嗆了），AI可以代替我們去搜索更大的化合物空間，從而為發現新藥提供更多的可能性。
新藥研發面臨的第二個難題就是：通常很微觀的東西我們就很難去判斷它。對於化合物本身，它有自己的語言，AI可以學習到這種化學結構的語言。AI可以作曲，可以畫畫，因此AI也可以畫化學分子，透過去學習了大量的分子結構資料以後，它學到了一些化學知識，然後它開始去產生這些分子結構，它可能會畫出化學家所想象不到的化合物結構，這些結構也可能是非常不合理的，這種AI在學習了化學知識以後隨機的產生分佈，其中有許多並不是我們想要的。
我們想找到的是那些真正高質量的結構，就需要透過一定的規則去告訴它，我們到底需要什麼樣的分子結構，AI透過實踐學習，能夠真正的去找到那些可以成藥的結構，在虛擬的空間中去發現一個真正的藥物，從這個角度來看我們其實是利用了化學知識來嘗試和人自身進行一場對話，嘗試讓AI在分子層面上去理解。
我們知道透過鹼基可以形成DNA序列，然後DNA透過生物學的過程可以去指導蛋白質的合成，我們告訴AI蛋白質是由20種氨基酸按照一定的規律排列起來的，不同的排列會有不同的功能，當AI知道可以用計算的方法去計算蛋白質的序列，透過學習這些知識讓AI可以知道這些結構是怎麼影響生物的功能的，不同的蛋白質之間，透過三維結構如何產生對話，從而影響到彼此，我們需要AI做的事情就是把我們對生物學語言的理解，對化學語言的理解，讓它把這些語言組合到一起，從而能夠找到與疾病相關的蛋白質最匹配的化學分子，最後發展成治癒我們疾病藥物。
4
AI研發還有不確定性，未來還需更深入探索
當然AI製藥目前也有一定的侷限性，在人工智慧參與新藥研發的路上還是會面臨很多的挑戰，比如說如何把各個藥企的資料結合到一起，利用更多高質量的資料去做好的分子模型。當然還有跨學科合作的問題，我們要匯聚化學、生物學、計算機、數學、統計等等多學科的人才，這些不同的技術人員之間怎樣有效的溝通理解，也是一個需要解決的困難。
目前AI製藥研發中的現狀是，靶點發現和藥物設計最熱，AI賦能的靶點發現和藥物設計是極具價值的應用方向，也是藥物研發最大的痛點之一，同樣也是最多公司目前開始佈局的環節。
AI介入後，更大化學空間探索的實現和更多分子生成方式的產生，使更新穎分子的獲取成為可能，能快速識別處理繁多的資料，並找出邏輯關係從而實現智慧推薦更少更優的分子，縮減任務量，使研發更高效。所以說在任何一個新興科技領域，挑戰和阻礙都將是持續存在的。
從技術的視角看，目前在AI醫藥研發方向上比較明確的挑戰和阻礙有兩方面：一是認知層面，AI+醫藥橫跨了多個學科，如何提出具有正確的目標導向的問題、用多學科融合的視角思考解決問題的路徑本身就是最大的挑戰。
另外，資料也是當下該領域面臨的一大挑戰，比如資料的量、質、標準以及孤島效應等。但AI製藥的前景必然是光明的，AI製藥技術的進一步突破和創新定會對整個醫藥研發產生重大意義。
宣告：
本稿件為轉載，僅用於分享，不代表本公眾號立場，如涉及版權等問題，請儘快聯絡我們，我們將第一時間更正或刪除，謝謝