吃藥嗎？AI造的！

李時珍是明代的神醫，真正的藥聖，嘗百草，參考各種藥學古籍，花費二十七年著述《本草綱目》，只為給後人留下一座藥物寶庫供參考，潤澤無數後人;藥王孫思邈也是救疾濟危般的聖人，《千金要方》裡八百多種藥草，六千五百種藥方都是遍尋名山大川歷經數十年的求索探訪積累下來的，讓後輩受益無窮。

古代醫者先賢們不為名利，只為解救蒼生疾苦，懷抱利益眾生的信念，以身試藥，嘔心瀝血花費一生的精力去更新藥方，成本極大。現代製藥的過程說起來也是一把辛酸淚，造新藥的過程複雜艱難，沒有個數十年的積累和數百億資金的支援，製備新藥只能是夢境花園。

藥物研發效率低下是醫療領域自古的難題，數字時代技術的飛速發展，5G、雲端計算、AI技術協同螺旋上升，新技術讓製藥領域看到了一些革新的曙光，藥企們都積極擁抱這個新的變化，願意躬身一試，創造新的化合藥物和增量市場。

溯源新藥研發

對於現代人來說，醫療條件變得越來越好，人均壽命逐漸增加，人們非常關注健康養身領域，再加上環境與生活的影響，疾病的種類逐漸增多，各類藥物的需求增大，疫情黑馬的攪局，讓人類更加沒有安全感，加速了醫療裝置與新型藥物的需求。

現代製藥的新藥研發流程主要包括藥物發現(2-?年，時間不定)、臨床前研究(2-4年)、臨床試驗(3-7年)、監管審批上市(1-2年)四個階段。一款新藥從誕生到上市用於治療，需要花費十年以上的時間，數億美元的資金，並且其成功研發率還很低，據悉，每年上市的新藥僅數十種。

傳統的化合製備方法在藥物發現的階段，尋新靶向藥困難，通過原始的方法挨個尋找試驗，困難重重，成功率極低，依賴的是研究人員的靈感和運氣，哪怕是找到新的靶向藥了，還會有新事故的發生，藥物研發流程可能走了一大半，到了後面試驗或者上市檢測環節出現問題，前功盡棄。藥物研發率低是製藥最大的痛點，尋找新藥需要新技術的輔助。

AI技術中的機器學習、深度學習、自然語言處理等技術能夠提高製藥資料、資訊的處理效率，對於藥物研發過程中的新藥發現，可以代替研究人員有限的知識儲備和想象力，發現原來很難、甚至不可能發現的靶點，這也是AI在製藥領域最大的價值點，AI還可以預測候選藥物的效能如藥物的吸收、代謝、毒性、不良反應等，縮小後期實驗範圍，降低臨床失敗概率，大幅降低新藥研發的時間、資金成本。

新藥研發商業化道路的桎梏

在新藥研發的過程中，AI技術分別在藥物發現、臨床前研究、臨床試驗、檢測等流程中有大的優化空間去提升效率，AI的切入將可為這些環節提供更優的解決方法。

新藥的早期發現是目前AI著力較多的領域，在新藥發現的階段，AI可以分析、閱讀大量理化資料、期刊文獻成果、臨床資料等，從化學和生物分子層面的篩選優化發現可能的突破口。比如AI可以預測疾病靶點、成藥靶點、藥物結構與活性的關係等。

在大規模臨床試驗階段，優化藥物反應試驗、選擇受試人群、藥物警戒和資料查詢等並評估通過人類臨床試驗的可能性。這些優化工作也將是大多數AI製藥企業的核心價值。

AI為製藥業帶來了便利，但是技術的實現並非易事，主要的制約來自資料量有限，演算法模型不夠準確，複合型背景人才的缺失。

目前藥物研發還處於早期搭建基礎設施的階段，醫療行業的資料與其他行業不同，有效的、有價值的資料是企業核心的商業機密與發展命脈，不便對外公佈，行業目前使用的公開資料主要是PubChem、ChEMBL等，其他的資料都是在科研機構與藥企自己手裡，資料不夠再加上資料孤島不便打通的困境，大家能夠使用的資料非常有限。而AI技術又是一個資料饕餮大漢，需要餵養的資料越多越好，這樣迭代出來的模型才能夠越來越準確。資料與算力成為AI 製藥快車道上發展的掣肘。

除了資料以外，複合型人才也是高精尖領域發展的障礙之一，AI與製藥領域需要的人才都需要至少十年的培養，而在這個複雜的複合領域裡面，不僅需要生物學、化學、AI 演算法設計等背景的人才，也需要藥劑學、藥物臨床試驗和臨床醫學等方面的人才協同創新，而同時擁有演算法和藥物研發背景的人才非常稀缺，這無疑增加了 AI 製藥領域的荊棘。

新藥研發是個非常複雜的過程，需要創造創新的能力，不像人工智慧在其他領域的唯手熟爾的勤加練習就可以有成果，每一個新藥的研發，都是對未知領域的突破。明晰了AI製藥的挑戰和資料算力的價值，對於AI製藥的發展路徑也就能夠較好的把握。

後疫情時代新風口，AI製藥賽道火熱

AI 製藥企業在前期需要進行大量的資料與演算法的積累，在早期商業化道路上稍顯蹣跚。但是AI技術本身對於藥物的研發來說，具有很大的價值。後疫情時代，有關藥物研發、醫療裝置的概念股飆升，背後折射的是人們對於健康的看重。

資本持續加註投資，融資數目以及數字金額持續增長翻番，據史丹佛大學釋出《人工智慧指數》報告顯示，2020年投資於AI藥物研發領域公司和專案的資金增至138 億美元，超過 2019 年同期的 4.5 倍以上。

傳統藥企和國內巨頭企業紛紛發力，要麼投資，要麼自建平臺佈局AI製藥，競爭激烈。國內明星AI製藥創企晶泰科技背後的投資方就有騰訊的身影。

除了投資外，騰訊在去年九月釋出人工智慧藥物發現平臺“雲深智藥”，平臺關於虛擬篩選和ADMET性質預測兩個工具製藥模組已開放免費使用，蛋白質結構預測、分子設計/優化、合成路線規劃等模組陸續在上線中。藥企、科研機構等不僅能夠免費試用平臺搭載的核心功能，也可以和騰訊共同開發定製化的AI工具，目前騰訊已經和多家藥企達成合作。

阿里雲與全球健康藥物研發中心GHDDI合作開發人工智慧藥物研發和大資料平臺，針對冠狀病毒的歷史藥物研發進行資料探勘與整合，計算靶點和藥物分子性質，並跟進新型冠狀病毒最新科研動態，為新型冠狀病毒科學研究提供重要資料支撐。

百度的百圖生科定位於一家生物計算技術驅動的生命科學平臺公司，致力於用高效能生物計算和多組學資料技術加速創新藥物和早篩早診等精準生命科學產品的研發。其釋出的螺旋槳 PaddleHelix 生物計算開源工具集，提供了包括 RNA 二級結構預測、大規模的分子預訓練、藥物 - 靶點親和力預測、以及 ADMET 成藥性預測等一系列演算法和模型，重點滿足生物醫藥，疫苗設計和精準醫療方面的 AI 需求。

網際網路巨頭躬身入場 AI 製藥，它們的最大優勢在於算力和演算法，而有關藥物領域的人才以及資料池都比較欠缺，而欠缺的這些要素正好是傳統藥企的核心價值，傳統藥企國外如默沙東、賽諾菲等，國內如齊魯製藥，海正藥業等老牌廠商，他們擁有成熟的藥研體系與資料池，研發資金充足、專案經驗豐富;雙方的牽手也是互相成就的最佳選擇，前景可觀。

無論傳統藥企還是騰訊、阿里、百度等網際網路巨頭跑步入場的姿態，巨頭、創企紛紛佈局，AI製藥已然成為了風口，目前整個產業也是巨頭把控技術與核心資料，因為資源聚集而吃香。不過新晉AI創企也在紛爭中有一席之地，其商業模式逐漸清晰，與傳統藥企科研機構合作，出售解決方案或者新藥，國外企業如 Exscientia、Atomwise，國內晶泰科技、燧坤智慧、星藥科技等，他們在資訊蒐集與整合、靶點篩選、藥物設計合成、藥物有效性預測以及臨床試驗資料優化等細分環節中，發揮作用，蓬勃發展的初創企業正在為 AI 製藥行業帶來全新的視角和分析工具。

從AI製藥這一概念提出至今，其所賦能的新藥研發不斷產生突破性進展，國內外企業通過AI技術找到了新靶點新藥物的案例不少。商業化步伐最快的美國上市企業 Schrodinger，目前有兩款 AI技術製成的新藥已經獲得 FDA 批准。今年2月，AI藥物研發公司Insilico Medicine宣佈其用時僅18個月、投入僅260萬美元，利用AI發現新機制特發性肺纖維化藥物，併成功通過多次人類細胞和動物模型實驗驗證。英國的Exscientia公司運用AI開發的臨床前候選化合物也已在去年進入到臨床階段。

雖然不斷有新藥研發出來的訊息，但是AI製藥目前還處於早期的爬坡階段，大家處於嚐鮮新技術紅利期，各自利用手頭的資源跑馬圈地，探索發展，競爭的關鍵就是資料與演算法，如何儘快的完成資料的原始積累，優化系統和演算法，再不斷產出新的優質資料，形成良性閉環，才能在這個競爭勢態中跑出來。未來，我們會看到越來越多的新藥走到臨床開發後期，逐漸上市，也會有更多的靶向藥物設計有突破。AI+製藥，讓商業前景和社會價值盡顯。

十年前，談起AI我們可能會想到自動駕駛、智慧互動這一天的到來，但是關於創造藥物，可能沒有料到，因為AI技術中立的性質，也能算為現代版的藥聖，古醫嚐遍百草，AI算盡新藥，科技向善，面向醫療領域就是濟世蒼生。