雲棲科技評論NO.3|新技術正在打破“新藥26億美元”魔咒

“你如何評價自己？英雄還是商人？”
“都不是，我是個白血病人，一個普通人而已。”
“你被稱為‘藥俠’，如何看待這個稱號？”
“那是媒體給的稱呼……說到底我只是一個白血病患者。”

這段對話，出自於7月5日電影《我不是藥神》上映後，新京報對影片原型、人稱“藥俠”的陸勇的一段採訪。在這部徐崢主演、甯浩監製的電影上映之後，“陸勇事件”、仿製藥、格列衛等成為網路熱詞，很多觀看過影片的觀眾表示：“在電影院看這部電影，影院裡死一般的沉寂，只能聽到抽泣和撕紙巾的聲音。”

《我不是藥神》、“陸勇事件”、仿製藥、格列衛或是白血病等等這些話題，是一系列既沉重又複雜、摻雜著情與法之辯的話題。我們在這篇文章裡思考的是另一個問題：在這一系列事件和話題的背後，以雲端計算、大資料、人工智慧為代表的新一代資訊科技，能做什麼？

據塔夫茨藥物研發中心2014年報告顯示，研發新藥的道路正變得越發艱難，從尋找新的備選化合物，到層層試驗確保療效和安全性，藥物研發的成本已經上升到平均約26億美元，並且呈現持續增加的態勢。造成這一切的主要原因之一，就是在現代新藥研發流程中佔重要過程的新靶向發現和新先導化合物發現正變得越來越困難。

格列衛的誕生經歷了41年時間

據中科院上海藥物研究所研究員沈競康介紹，從功能基因研究開始發現“靶標”（可以簡單理解為致病源的一個大分子）到為其找到“靶點”（與藥物分子結合，併產生藥理效應的生物分子），就已經是一個極其困難的過程，再進入到新先導化合物的發現、優化，直至從大約上萬個化合物中逐漸縮小範圍，至幾百、幾十，最終找到數個有效的先導化合物，就更是難上加難。

在使用有效的先導化合物開始研究藥品之前，時間往往已經過去了3~6年，並耗費了整個新藥研發成本中接近一半以上的資金，而且，這一過程中失敗率極高，是現代新藥研發難以多頭並舉的主要原因。

針對這一問題，人工智慧已做出了初步解答：

全球多個AI團隊正在利用包括深度學習神經網路在內的方法，逐漸精確地識別靶點和靶標、瞭解化合物在人體內的化學反應、預測化合物的分子行為或是識別其與靶點可能存在的相互作用。

以TwoXAR為例，該工具在針對肝癌候選的25000個化合物裡鎖定了約10個先導化合物，其中代號為TXR-311的化合物經過細胞檢測具有積極的資料結果。不僅如此，AI同樣正在加速從先導化合物到備選化合物合成藥品的過程。

不止是AI，在東京大學、諾華製藥、華山醫院等藥物研發機構，基於雲端計算的藥品研發平臺，提供了巨大的計算、儲存能力和順暢的協同工作能力，從而為藥品研發創造良好的計算和協同工作環境，確保新藥研發的程式能夠快速開展。

在現代新藥研發領域，以雲端計算作為計算、儲存基礎設施，大資料作為介質和生產資料，人工智慧作為研究手段的“人機混合，雲上協同”模式正在逐漸成型。雖然這一模式仍然離成熟和普及有著相當長的探索週期，但是這一全新方式的確立，在現代新藥研製過程中，將顯著地提高其效率、準確率和成功率，在一定程度上緩解甚至降低高昂的現代新藥研發成本。

在新一代資訊科技的幫助下，正如影片最後所說：“今後都會越來越好”。

原文釋出時間為：2018-07-13
本文作者：阿里研究院
本文來自雲棲社群合作伙伴“阿里研究院”，瞭解相關資訊可以關注“阿里研究院”。