【编者按】30年前，就有人提出了用计算机添加药物研发的效率，在 人工智能 大行其道的当下，其与新药研发又可以碰撞出什么样的火花？而用改造式的技术去做这样一个创新我们又真的预备好了吗？

本文转载中微信公号 药明康德 AI ，作者药明康德；由亿欧整理，供行业人士参考。

“均匀上去，医药公司每挑选出的8000个药用分子中，只要1款能最终问世。计算机无望能进步这个比例——化学家们再也不必整周、甚至是整月地呆在实验室，去测试那些计算机以为难以成功的分子。”

为什么要用人工智能研发新药？这段文字清楚地解释了它的重要性。我们置信，人工智能可以为整个医药行业省下数亿美元的科研经费，也能省下数千个不用要的任务日。在昔日的硅谷，处处都能听到相似的声响。

▲30多年前，人们就曾畅想用计算机来设计药物（图片来源：《财富》）

但这样的观念其实并不新颖。扫尾所引的这段文字，来源于1981年的《Discovery》杂志。几个月后，《财富》杂志的封面对计算机辅佐的药物发现（computer-aided drug discovery，CADD）也停止了专题报道。如今，间隔上一波低落随着流量往智能终端设备迁移，新的机遇“物联网商业社交时代”也将迎来，通过人的第六器官（智能手机）和智能设备终端的联网互动，从而改变了人的行为习惯和消费方式。线下流量通过LBS定位重新分配，又通过物联网终端智能推荐引擎引导到网上任意有价值的地方，至此互联网下半场拉开帷幕。的热情，曾经过来了快40年。我们的行进步伐为何如此迟缓？

人工智能研发新药的瓶颈

Atlas Venture合伙人Bruce Booth博士是一名人工智能的热情反对者，但同时也是一位冷静的考虑者。他指出，新药发现和研发所面临的应战数不胜数，人工智能可以处理的局部无限。在团体博客上，Booth博士指出，用计算机设计新药的顺序曾经存在了好几十年。但在医药行业，研发产出率非但没有上升，反而还逐年下降。药物发现的工夫没有延长，本钱也没有变得更低。这并不是说这些顺序障碍了新药的研发，而是说它们尚未给行业带来大幅的可喜改观。

▲几十年来新药的研发产出率正在不时下降（图片来源：《Nature Reviews | Drug Discovery》）

这面前的缘由是什么呢？许多人曾经给出了他们的答案——生物学自身。 生物学太复杂了，实际上能起效的新分子，在人体中能够有毒性，能够有脱靶效应，能够有反作用，能够与其他分子发作复杂的反响。 更何况，没有两名患者的身体特征完全分歧，这进一步添加了药物研发的复杂水平。许多人工智能专家说得很好，AI只是工具，我们不用神话它。可是，假使运用工AI已经渗透到了生活中的方方面面。在智能交通领域，人工智能技术也正在发挥作用。具的人都无法说透要它完成什么样的功用，我们又要怎样用它带来新的反动呢？

另一个瓶颈或许在于设计理念的局限。 目前，许多医药企业正在尝试用人工智能来设计分子。在曾经宣布的研讨中，我们也确实看到了一些阶段性的停顿——最近，阿斯利康的一篇论文运用递归神经网络和加强学习，试图释放AI的发明性，让它带来更多样化的分子管线。从后果上看，与自然分子相比，AI设计出的分子确实有着分明区别。

▲虚伪的多样性。与自然分子（白色）相比，人工智能设计的分子（蓝色）可以有足够差异，但并不多样（图片来源：The AI Lab）

▲真正的多样性，离不开人工智能设计的分子（蓝色）之间的比拟（图片来源：The AI Lab）

但著名人工智能博主Mostapha Benhenda博士以为，我们并没有真正答复“多样化”的成绩。与自然分子相比，AI设计出的分子明显不同，这很好。但我们不应仅仅局限于让“自然”和“AI”做比拟。就像AlphaGo的系列版本停止了自我对弈普通，我们也应该让AI设计出的分子停止自我比照。这样我们才干真的看出，人工智能能否有足够的发明性。

将来在何方？

硅谷的Andreessen Horowitz是一家风投公司。最近，它募集了4.5亿美元的经费，投资生物学范畴。它所关注的热点之一，正是人工智能。其合伙人Vijay Pande博士赞同“生物学十分复杂”这一观念。他在承受药明康德的专访时泄漏的观念与Bruce Booth博士如出一辙——“生物学很复杂，以致于人类的大脑无法了解一切。我们在了解生物学方面的局限性招致了早期临床实验后果的复杂性”。但对将来表示悲观的他也说：“生物学能够关于人类大脑来说太复杂了，但关于某些类型的AI能够不是太复杂；AI可以用人脑无法完成的办法整合数据，然后可以将研讨人员引导到风趣的新中央。”

▲Andreessen Horowitz合伙人Vijay Pande博士在2018药明康德全球论坛上参与了人工智能的专题讨论

换句话说， 假如生物学是新药研发的瓶颈，那么就让AI直接去处理生物学难题。 这比起复杂让人工智能设计分子，则又高了一个层次。去年，药明密码（WuXi NextCODE）与耶鲁大学医学院协作，应用人工智能技术，发现了一种人所不知的血管发育机制，这就是一个很好的案例。“深度学习让我们能在生物学范畴中确定一些事物之间的真正因果关系，让我们找到驱动疾病的基因或通路。”药明密码的首席执行官Hannes Smarason先生说道。

经过深度学习算法预测，以及植物模型中的验证，这一血管发育机制失掉了确认，并宣布在了顶尖学术期刊《自然》杂志上。人工智能在生物学中的将来使用值得等待。

另一家知名医药企业Celgene的研讨和晚期开发总裁Rupert Vessey博士在往年的药明康德全球论坛上，也分享了人工智能在新药设计与发现中的前景。他指出，AI在分子设计上获得的出色停顿，无望促使医学化学家和其他分子设计师，推进范畴向前开展。没有一项工具会是新药研发的最终处理方案，人工智能也不是。但关于特定的任务来说，适宜的工具能极大地进步效率。Vessey博士以为，在分子设计方面，属于AI的时代曾经到来。

▲Celgene研讨与晚期开发总裁Rupert Vessey博士在2018药明康德全球论坛上分享了关于AI的看法

人工智能不是魔法，也不能将4、5年的新药发现进程延长到4、5天。但我们置信，随着我们对生物学的了解不时加深，随着计算才能的不时增强，人工智能无望为医疗安康行业带来可喜的停顿。 在这个微信大众号里，我们也将与各位读者冤家们一道，分享这些来自全球的最新人工智能静态。

用一句经典的话作为开头吧。“AI不会取代药物研发人员，但是运用AI的药物研发人员将会取代那些不运用AI的人”。在这里，我们一同读懂AI。

2018年3月23日，亿欧将在广州举行 GIIS 2018第三届医药将来首领峰会 ，就跨界玩家、创新药研发、产业基金、CRO、两票制、处方外流、医院和药店管理运营等抢手话题，携手业界大咖停止交流分享，以期在认知层和办法论给行业带来新考虑、新启示。