说到智能二字，可以说已经是无人不知，无人不晓了吧!现如今，越来越多的行业开始与智能科技相结合，他们都在寻求最佳的结合点，找到突破，找到革新，找到进步的方式，当然，作为传统行业的医药业，也是不容落后的。那么当AI遭遇生物医药行业，将会擦出怎样的火花呢?
AI：新药研发工业化的开始
人工智能(AI)——从计算机算法中学习如何解开复杂的基因组数据，例如疾病的基因表达模式——已经准备好为药物开发，临床研究和医学治疗等各个方面带来革命。但它也可能为人类实现又一个里程碑——降低药品价格。
即使不能彻底消除目前这种效率低下、时间密集、不断试错的创新过程，人工智能也能为其带来显著改观。这正是许多人工智能专家所强调的价值。要知道，美国药物研究与制造商协会(PhRMA)的研究表明，进入临床试验的药物只有约12%能最终获得监管部门的批准。
AI或机器学习，以及更复杂的延伸技术“深度学习”，旨在改变药物研发的成功率。专家说，AI技术与传统的实践相比，有可能加快研究，更有效地将候选药物变成上市药物。
总之，AI代表了生物技术和制药创新工业化的开始。
NuMedii首席执行官Gini Deshpande博士说，这并不意味着人工智能会取代研究科学家，他更喜欢“智能增强”这个术语，它将人机智能相结合，“简化相关疾病生物学的发现，从而缩短发现时间，但更重要的是，显著提高成功的可能性。”
Andreesen Horowtiz普通合伙人Vijay Pande博士指出，如果AI有效，它可以通过两种方式对降低药物价格产生影响。
首先，制药公司不必将所有临床试验失败的成本转嫁给付款人;90%的候选药物从未获得批准。其次，通过加快上市速度，企业将拥有更多的专利保护年限，以平衡其研发成本。
到目前为止，比其他行业相比，生物技术和制药公司接受人工智要更慢。但他们已经开始注意到了。 “与生物领域的任何新技术一样，” Pande博士说：“AI也需要一段时间才能被接受。在某个时点AI会开始发挥作用，这正是我们努力的方向。”
AI新药研发的现在
基于AI在其他领域的成功，人工智能(AI)在生物医学上应用令人兴奋。在其他领域，人工智能算法已经训练机器学习如何识别面孔，说话，驾驶汽车，玩游戏，以及谱写音乐。
正如《Molecular Therapeutics》的一篇文章中所描述的：“这些任务所需要的学习类型是表征学习;即输入原始数据后，机器能够检测或分类模式或表征信息。”
这使得人工智能及其子集，机器学习和深度学习很适合用于挖掘大量的基因型和表型数据，这些数据来源于全球公共和私有数据库，医院和医生办公室，学术研究期刊和个人可穿戴健康监测设备。
Andreessen Horowitz的Pande博士说：“我认为生物学家近几十年甚至近几个世纪已经认识到的一件重要的事情是——生物学非常复杂。生物学如此复杂，以至于人类的大脑无法理解所有这一切;我们在理解生物学方面的局限性导致了晚期临床试验结果的复杂性。”
人工智能在模式识别和表征学习方面的熟练程度不断进化，可以更准确地预测结果，因此在揭示疾病通路的基因水平的复杂性，设计治疗干预措施以及确定将从中受益的患者等方面，人工智能是最有前途的研究工具。
Pande博士说：“生物学可能对于人类大脑来说太复杂了，但对于某些类型的AI可能不是太复杂;AI可以用人脑无法实现的方法整合数据，然后能够将研究人员引导到有趣的新地方。”
各位专家关于AI的各种描述，强调了它为揭秘生物学和改善患者的医疗保健所带来的承诺。
药明明码(WuXi NextCODE)的首席执行官Hannes Smarason先生观察到，AI将药物研究从假设驱动转变为数据驱动的过程。他解释说：例如“一个科学家需要做一个实验，在他意识到这点之前，知识系统对他说：‘你应该做三件事情。’或者，‘你为什么不看一下这四个结果?我已经为你做了实验。’”
Exscientia的首席执行官Andrew Hopkins博士补充说，人工智能“把目前需要手动，依赖于技术人员水平的研发工作系统化”。
对于NuMedii公司的Deshpandi博士来说，AI可以让研究人员找到“想要寻找的模式，或者是未知或想不到的模式”。
Numerate首席执行官Guido Lanza博士说，AI把“真正的学习环路”的概念引入业界，“所有的决策都可以从以前所有成功和失败的经验推倒出来，这个想法令人印象深刻” 。
那么什么时候才能释放人工智能算法的实力呢? 大多数专家认为，生物技术和制药公司距离人工智能完全整合到其研发部门大约有10年的时间。 但他们也同意这项技术将成为药物开发的重要工具。
“我不知道未来是否还会给不使用AI的生物技术或制药公司留有一席之地，”Smarason先生说：“这是一个非常全面和普遍的技术，所以我认为如果没有充分理解和接受AI技术，药企参与竞争将变得非常困难。”
AI新药研发的现在
人工智能最初对生物制药公司的吸引力在于简化研发操作，提高临床试验的速度和成功率。 这并不奇怪。
PhRMA估计开发一种新药的平均成本是26亿美元，其中包括失败的花费，大约耗费10年时间，大部分时间用于候选药物的临床试验测试。
来自TechEmergence的一份报告研究了所有行业的人工智能应用，结果表明，人工智能可以将新药研发的成功率从12%提高到14%，可以为生物制药行业节省数十亿美元。
PhRMA关于药物开发成本的这份报告提出，研发和临床研究成功一个要素曾被认为是“运气”，这正是AI公司希望减少的因素，即使不能完全消除。
Pande博士说：“我们发现制药公司开始对AI非常感兴趣。”他曾是斯坦福大学(Stanford University)教授，之后加入Andreesen Horowitz，领导该公司对AI生物制药创新公司的投资。目前斯坦福大学的实验室还以他的名字命名。
“我们现在看到的，”他补充道：“以及我在斯坦福大学进行的研究工作能够实现的是，通过机器学习和人工智能，我们可以从药物研发的hit阶段迅速进入临床前试验，这个过程需要一年或者更短。”
Pande博士说，基因组学为人工智能建立了良好的基础。 “主要的挑战是如何以一种适合的方式表征生物制药数据。在某些类型的数据上AI会很有效，如基因组学数据。诊断测试等领域的数据几乎像一个一维的图片，真的很漂亮，”他说： “我们的投资公司之一，Freenome就是一个很好的例子。他们可以使用基因组学数据和AI通过血液检测发现早期癌症，这是我们以前无法办到的事情。”
药明明码公司的Smarason先生也同意AI是基因组学解读方面一直缺失的一环。 他说：“深度学习会为我们带来的能力之一，能让我们在生物学领域中确定一些事物之间的真正因果关系。我们能找到驱动疾病的基因或通路，并有望能站在更高的起点上开发疗法。”
Smarason先生举例说，他的公司与耶鲁大学医学系合作，发现了一种以前未知的人体血管系统发育机制，这对于更好地了解心血管系统和癌症的血管系统具有重要意义。
他说：“我们的深度学习算法预测到了一种特定的机制，它是血管系统发育途径的关键驱动因素。这是一个以前没有被发现过的机制。耶鲁大学的生物学家随后在动物模型中验证了这一机制。”因此，Smarason观察到，研究人员现在有了一个”全新的可成药通路“来探索。
NuMedii公司的Deshpande博士说，自2010年以来，她的公司“一直是大数据，人工智能和系统生物学综合运用的先驱，以加速发现精准治疗。 她补充说：“人工智能方法很适合利用大数据，因为它们提供了框架来“训练”计算机识别模式，从大量新的或现有的基因组和其他生物医学数据中筛选，以解决疾病过程中的各种复杂的生物网络。”
她说，NuMedii正在使用“我们使用多种AI方法，从传统的机器学习到最新的深度学习，能够在系统层面快速发现药物和疾病之间的联系。我们也用AI方法确认患者亚群，以及可能适合每个患者亚群的疗法。”
Exscientia正在使用AI来自动化设计新的药物分子。Hopkins博士说：“采用我们的方法，药物研发项目从开始到发现候选药物所需的时间仅仅是医药研发行业平均时间的四分之一。 我们的方法已经得到验证，我们现在有了第一个进入临床的候选分子，使用我们的平台，这个项目从靶标开始12个月内就进入临床。 对我们来说，AI药物设计可以带来深远的战略优势。”
除了为生物制药公司设计分子外，Exscientia还计划开发一些自己的发现。Hopkins博士说：“我们公司重视合作，但我们也在开发自己的化合物组合。我们的系统具有很高的扩展性，因此不希望受到合作伙伴选择的靶标的限制。”
Lanza博士说，Numerate是“在没有人关注AI的时候”就成立的一家先驱。他们的初创团队里有计算机科学家和新药研发人员，他们在临床和市场上都有化合物。
该公司正在将AI用于小分子药物研发。 Lanza博士说：“从科学的角度来看，我们的差异化在于转化能力。首先，我们能够使用非常小的数据集来解决新兴的生物学问题，即使这些数据不适合用深入学习的方法进行研究。其次，我们的建模是基于3D配体信息。另一个转化能力就是我们的ADME和毒性预测功能。”
AI新药研发的未来
Numedii的Deshpande博士总结了这些公司所引领的AI生物制药行业的方向。
她说：“我们的目标是加快药物研发，降低研发成本，降低临床试验的失败率，所有这些都可能最终导致更好，更精确的药物。”
另外，当前药物成本逐渐升高，这样一种研发的重大转变，应该从逻辑上以较低的价格到达消费者端或者支付端。
Tufts药物开发研究中心2014年的一项研究显示，一款上市新药的平均药物研发成本在10年内增长了145%。
Pande博士预测，通过实现两个重要的行业里程碑，AI可能会导致药品价格降低。 他说：“一是大大缩短开发时间，开发时间的压缩是巨大的。”
这里的理由是，更快地进入市场可以解决生物制药公司面临的一个主要问题—— 缺乏专利保护以获得市场专有权来收回研发费用。
2016年5月23日，一篇发表在科学杂志《SpringerPlus》上的文章指出，一款新药从最初的专利申请到获得监管部门批准平均需要12到13年，最后只剩下7到8年的专利保护期获得市场排他性。研究人员的结论是，“大部分新药都没有足够的时间来收回前期的研发费用，并且获得投资的正面回报。”
Pande博士说：“如果我们能够更快地开发成功，就可以有更多的时间来摊销成本。这点特别吸引人。”
AI可能影响药价的第二种方法是提高临床试验的成功率。根据2016年10月3日《Clinical Leader》的一篇文章，临床试验失败的成本估计在8亿美元至14亿美元之间，相当于平均26亿美元的新药开发成本的三分之一到一半以上。
Pande博士说，临床试验失败 “也要支付，所以如果可以减少失败的试验，当然会降低成本”。
Pande博士说，除了这两个“简单的胜利”之外，AI可能会以人们无法期望的方式在某些领域产生影响。他说：“我们看到的一个领域是数字疗法的兴起。这些是用于行为疗法的软件程序，通常是关于认知行为疗法。”
例如，他指出，美国疾病控制和预防中心(The U.S. Centers for Disease Control and Prevention)进行的糖尿病预防项目显示，对2型糖尿病的行为疗法比药物二甲双胍更有效。
Pande博士认为，数字疗法也可以用于治疗焦虑，抑郁症，甚至阿兹海默病，提供药物替代疗法。
他说：“另一个有趣的领域是，你可以结合数字治疗和现有的小分子(药物)。你甚至可以用低成本方式，将一个非专利药物做成同类最好的药物。”
AI新药研发的挑战
然而，大多数这些预期的研发节省措施是长期的，在人工智能应用方面仍然存在挑战。
Smarason先生说，还没有直接与AI相关的产品被批准。 “但是我会说，我们肯定会在10年的时间框架内，看到一些跟AI相关的重要(药物)产品面世。”
根据Hopkins博士的观点，目前AI面临的挑战之一是要求“药物研发领域专家定义合理的问题。如果提出的问题太宏大，相关数据不足，提交给AI的问题就会不完善。”
Deshpande博士说，另一个挑战是获得“高质量和一致性的数据来训练算法。目前数据通常保存在孤岛中，并且跨越多个组织。”
Lanza博士补充说，克服传统的研发文化也是一个挑战。 他说：“人工智能本质上意味着不可以解释，而是更多地用作‘黑匣子’。我经常听到，为了使这些预测预言，科学家们想知道AI是如何做到的。 这是通常思考AI的错误方式。关键是，这些算法可以看到的数据中的信号对于人类而言太窄或太宽。因此，如果我们要求人工智能产生人为可解释的结果，就可能限制AI去解决最有趣的问题。
