《紐約時報》高級科技記者約翰·馬爾科夫曾說過，“人工智能就像把新榔頭，每個領域都是顆釘子，都可以敲一下?！彪S著人工智能技術的成熟，AI去敲醫(yī)藥領域這顆釘子已是可以看見的事實。當人工智能大步邁進制藥行業(yè)，兩者之間會擦出什么樣的火花呢？

本文首發(fā)于智能相對論，作者顏璇，以下帶來億歐智庫精選：

在藥物保健這個領域，AI這把榔頭來勢洶洶，先有AI制藥企業(yè)晶泰科技完成了約1500萬美金的B輪融資，后有制藥巨頭羅氏以19億美金收購腫瘤大數(shù)據(jù)公司FlatironHealth的全部股份，積極布局數(shù)字化和AI。

在制藥這件事上，AI正在全面提升人類的效率

新藥研發(fā)周期長、投入大、持續(xù)時間久、效率低，一直是醫(yī)藥領域的“心腹大患”。根據(jù)塔夫特藥物發(fā)展研究中心的數(shù)據(jù)，一款新藥的面市從藥物發(fā)現(xiàn)到獲得FDA批準平均大約需要96.8個月。而在成本上，德勤的數(shù)據(jù)顯示，自2010年以來，12家主要制藥公司的獲批藥物開發(fā)成本已經(jīng)增加了33％，每年約16億美元。

AI的加入，讓人看到了可喜的改變。根據(jù)TechEmergence的研究報告，AI可以將新藥研發(fā)的成功率從12%提升至14%， 這僅有的2%的增長不容小覷，可以為整個生物制藥行業(yè)節(jié)省數(shù)十億美元，同時，還可以省下很多研發(fā)時間。

谷歌和斯坦福的研究人員致力于利用深度學習開發(fā)虛擬篩選技術，以取代或增強傳統(tǒng)的高通量篩選（HTS）過程，并提高篩選的速度和成功率。

另外，除了成功率，我們還可以用AI在風險率上面“做文章”。據(jù)高盛在16年年底的一份人工智能報告顯示，通過實施機器學習和AI，在獲批藥物的平均年度開發(fā)成本為16億美元（包括與失敗藥物相關的成本），或者失敗藥物的年度成本為300億美元（這筆資金完全可以平均分配給獲批的藥物群）的情況下，人們有望將藥物開發(fā)與發(fā)現(xiàn)的相關風險減半。如此，到2025年，全球制藥行業(yè)每年即可節(jié)省約260億美元。

除了提高效率，AI制藥還有哪些可能

經(jīng)過走訪一些公司，智能相對論分析師顏璇了解到AI制藥目前至少可以做到這些。

1.填上兒童用藥的坑。

長期以來，由于兒童專用藥不足，很多患兒都會服用成人藥，而成人藥里所謂的“兒童酌減”存在著巨大的用藥安全風險。根據(jù)國家藥物不良反應監(jiān)測結果顯示，中國兒童用藥不良反應發(fā)生率為12.9%，其中新生兒高達24.4%，分別是成人的2倍和4倍。因用藥不當，我國每年約有3萬名兒童耳聾，約有7000名兒童死亡。

為什么會出現(xiàn)這樣的局面呢？據(jù)中國婦女報報道，在藥品生產(chǎn)企業(yè)看來，兒童藥的各項指標比成人藥更嚴謹，劑型比成人藥要求更高，各方面的要求也更加嚴格。兒童藥品臨床試驗風險大，而適用年齡層窄，口味還需特殊調(diào)整，這都增加了企業(yè)的生產(chǎn)和研發(fā)成本。

除了兒童用藥要求更高之外，還有一個原因是供給方太少，在我國，全國藥品生產(chǎn)企業(yè)有8000多家，其中專門生產(chǎn)兒童用藥的企業(yè)僅占0.1%，也就是只有8家生產(chǎn)兒童專用藥品。

從這個現(xiàn)狀來看，AI助力兒童用藥的研發(fā)十分必要。

首先，AI在數(shù)據(jù)上絕對是個中高手。AI藥物研發(fā)的底層核心就是知識圖譜，其實質(zhì)就是將來自實驗室的理化數(shù)據(jù)、各種期刊文獻中的研究成果、以及臨床數(shù)據(jù)等原本沒有關聯(lián)的數(shù)據(jù)連通，將離散的數(shù)據(jù)整合在一起，從而提供有價值的決策支持。通過AI掌握的數(shù)據(jù)，我們可以去實驗不同的藥量所產(chǎn)生的影響，最終找到最準確的用量，還可以進行藥物口味的數(shù)據(jù)管理。而這一切，周期不會太長，消費者也不需要為此承擔太多的成本。

其次，兒童用藥市場其實頗有潛力，有待企業(yè)挖掘。AI通過機器學習，不但可以加速時間，還可以提高到達后期試驗階段藥物的成功概率。如果AI可以減少藥物試驗的風險，就可以為大型制藥公司節(jié)約大量成本，使其能夠騰出資源集中于尋找更有潛力的機會。

2.讓中藥變得可靠。

全國政協(xié)委員、北京順天德中醫(yī)醫(yī)院院長王承德在接受記者采訪時表示，中藥院內(nèi)制劑是中醫(yī)院的一大特色，但是，眾多制劑因?qū)徟щy而放棄使用。為什么審批困難呢？關鍵在于一個“可靠性”。

雖然市面上還是存在很多療效上佳的中藥，但事實上的安全并不是純粹的安全，還是有很多潛在的未知的危險因素。許多人并不信任中藥，因為大部分中藥都標明不了具體的分子學藥理機制及毒副作用。在中藥藥劑里，我們無法知道某味草藥的有效成分到底是哪個分子，它又是如何發(fā)揮作用的。相比之下，西藥更能得到人們的信任，它有著大量的臨床數(shù)據(jù)和科學理論的支撐，西藥的說明書上能清楚地標明該藥的藥理作用和不良反應發(fā)生的概率。

所以，如果能把AI藥物發(fā)現(xiàn)的技術用于中藥研究，將是中藥發(fā)展的一個里程碑。

比如，AI通過深度學習，構建神經(jīng)網(wǎng)絡，吸收所有已知的單步有機化學反應，解構藥物里的分子，嘗試任何單一步驟中可以使用的化學反應，重復應用這些神經(jīng)網(wǎng)絡來規(guī)劃多步驟有機化學反應的合成，直到得到中藥的藥理和毒理機制。簡單來說，就是將藥湯里的所有化學物質(zhì)都分離出來，通過化學反應和臨床數(shù)據(jù)，找到那個真正有效的化學物質(zhì)，并將其它化學物質(zhì)進行一一的分析。

事實上，這類技術的雛形已經(jīng)存在，只是還沒有應用于中藥研究。德國明斯特大學有機化學家和人工智能研究員MarwinSegler以及他的同事就開發(fā)了這樣一款AI工具，這款AI工具能夠預測在任何單一步驟中可以使用的化學反應，工具重復應用深度學習的神經(jīng)網(wǎng)絡來規(guī)劃多步驟合成，解構所需的分子，直到它最終得到可用的啟動試劑。

法規(guī)監(jiān)管是最大問題

AI制藥仍處在一個孤島，除了數(shù)據(jù)來源、生物學發(fā)展以及市場競爭等要素會成為其發(fā)展過程中的挑戰(zhàn)，AI制藥最大的問題是，AI藥物是否會受到與人工藥物同樣的法規(guī)監(jiān)管。

目前，因為生物學的復雜性，還沒有直接的與AI制藥相關的產(chǎn)品被批準發(fā)行，AI在制藥行業(yè)主要起到的是協(xié)助作用，包括藥物挖掘、深度學習算法分析數(shù)據(jù)以及預測新藥有效性等，但這只是AI進軍制藥行業(yè)初步的結果。

在以后，AI將會更大范圍和更深層次地滲透醫(yī)藥領域。 譬如GSK與指導藥物研發(fā)的初創(chuàng)公司Exscientia在藥物研發(fā)達成戰(zhàn)略合作，Exscientia通過AI藥物研發(fā)平臺為GSK的10個疾病靶點開發(fā)創(chuàng)新小分子藥物，并且針對這些靶點藥物發(fā)現(xiàn)臨床候選藥物。

在這之前，我們應該考慮的是，我們也許在幾年后就可以拿出一個完全由AI自主研發(fā)的藥物出來，但是，我們的藥物監(jiān)管法規(guī)是否準許AI藥物的大范圍發(fā)行，AI藥物對醫(yī)藥行業(yè)的業(yè)態(tài)又會產(chǎn)生什么樣的影響？

我們要明確的是，法規(guī)監(jiān)管光看藥物的有效性是不夠的。藥物的有效性是一個比較特別的概念，在這里，“有效”具有辯證性、相對性和動態(tài)性，并沒有絕對的標準。在涉及生命的領域里，容錯率低，事實上的有效并不意味著法律上的安全。在未來，AI藥物可能會頗受人們爭議，和如今的轉基因作物面臨相同的處境。

醫(yī)藥行業(yè)一直以來都是國家重點監(jiān)管的行業(yè)之一，屬于典型的政策驅(qū)動行業(yè)。當AI藥物出現(xiàn)時，法律法規(guī)應當與時俱進，及時修改完善，甚至針對AI藥物形成一套其獨有的法規(guī)制度。