|
新药研发具有成本高、研发周期长、成功率低三大高风险性质。据《Natrue》报道，新药研发成本约为26亿美元，耗时约10年，成功率不到1/10。如何加速新药研发进程，降低研发费用已成为各大制药公司迫切需要解决的问题。此外，药品流通环节及医疗价值链的转变，迫使制药公司降低价格，提升药物价值。
如今药物研发累计的数据高速增长，药物研发领域数字化转型加速。因此，药企的首要任务在于利用这些数据来驱动价值，达到提高药品生产效率和审批率，并降低成本的最终目标。
最近为学习和预测新特征而建立的人工智能技术，尤其是深度神经网络（DNNs）或递归神经网络（RNNs）等的进步，让人工智能技术应用更为广泛，社会自动化程度提速。在此大背景环境之下，与大数据、云计算相结合的人工智能技术在药物研发中的应用日益增多，应用优势也得到突出体现。
AI+药物研发应用情景与技术
从1956年的达特茅斯会议开始，AI在药物研发中的应用已有60多年的历史，现在已渗入医药研发各个阶段，但还主要集中在新药发现和验证阶段。不过应用的技术已有很大进步，已从以前定量关系的（QSAR）和定量结构-性质关系（QSPR）的研究中的标记训练数据集和模型进步到机器学习、认知计算和图像识别等。
现在，AI与药物研发相结合应用的主要场景包括：发掘药物靶点、挖掘候选药物、高通量筛选、药物设计、药物合成、预测药物ADMET性质、病理生理学研究及新适应症的开发——老药新用。其中靶点筛选是近期AI+药物研发最热门的领域，而两者相结合的应用也将让老药新用达到新高度，但小分子药物筛选和设计仍然占主要地位。但按照应用场景的发展速度来看，药物合成未来或将成自动化程度最高的方向。这些应用场景常用的AI技术主要是机器学习、认知计算和图像识别等。
AI+药物研发代表企业和布局领域
目前，AI+药物研发代表性的初创企业有Exscientia、BenevolentAI、Atomwise、Relay Therapeutics、晶泰科技、燧坤智能、Numerate和IBM Waston和Lam Therapeutics等。按照现有初创企业在治疗领域的布局情况来看，肿瘤占比最多，而神经领域次之，而罕见病相关的企业也较多。因此，肿瘤和神经系统不仅是目前AI+药物研发的布局重点领域，也是未来发展的潜力领域，而AI也将助力破解罕见病诊断难和药物研发难的“两难”境地。
图1. AI+药物研发初创企业治疗领域布局情况
数据来源：biopharmatrend，数据截止时间为2019年7月底
AI+药物研发优势及代表实例
与传统药物研发模式相比，AI+药物研发具有缩短研发周期，节约资金成本，提高成功率，充分利用现有医疗资源等优势。据统计，传统模式下的药物研发光是临床前阶段可能就需要4-5年。而基于AI和生物计算的新药研发管线平均1-2年就可以完成临床前药物研发，药物研发明显提速。自此，首个完全通过AI设计的药物-涡轮增压”的流感疫苗已经进入临床阶段。Pharnext公司利用AI技术开发的治疗腓骨肌萎缩症1A亚型的组合疗法PXT3003已完成两项III期临床，且取得积极结果。2017年天士力也与Pharnext达成了合作协议。
|
