1956年，约翰麦卡锡在达特茅斯会议上提出了人工智能(AI)的概念，人工智能领域应运而生。在过去的几十年里，这一领域发展迅速，在制药行业也出现了这一现象。获得了众多医药巨头的青睐，一大批初创企业应运而生。
AI赋能药物研发
新药的研发是一个非常漫长的过程。一种新药的发现和成功上市通常需要10-15年。而且大量药物在临床阶段停滞或失败，未能成功进入市场。上市药物的价格会因为高昂的研发成本而变得非常昂贵。
机器学习利用了大数据的快速处理功能，可以让药物研发中的很多分析过程更加高效，可能会缩短几年的研发工作，节省上亿元的投入。
目前，人工智能已成功应用于药物开发的四个主要阶段：
第一阶段：药物研发确定干预靶点的第一步是了解疾病的生物学起源(途径)及其耐药机制，然后确定一个好的治疗疾病的靶点(通常是蛋白质)。高通量技术的普及，如短发夹RNA(shRNA)筛选和深度测序，大大增加了寻找可行目标的数据量。然而，如何使用传统技术集成大量数据源仍然是一个挑战。
将机器学习与多模态数据集和几乎无限的计算能力相结合，不仅可以让研究人员‘重建疾病的底层机制’，还可以更容易地分析所有可用的数据，甚至可以学习自动识别准确的目标蛋白质。
代表公司：BenevolentAI、Standigm
第二阶段：在发现候选药物并确定靶点后，药物研发人员需要从数千甚至数百万个潜在化合物中筛选出一种能与它们以所需方式相互作用的化合物，还需要避免这种化合物对非靶点的副作用。
目前筛选软件的准确率不高，可能导致假阳性，筛选范围缩小到最佳候选药物的过程需要较长时间。
机器学习可以学习根据结构指纹和分子描述符来预测分子的适用性。算法可以在大量潜在分子中快速搜索筛选，找到符合要求的分子，为药物设计节省了大量时间。
代表公司：Exscientia、Insilico Medicine
第三阶段：加快临床试验临床试验是药物研发阶段的关键。招病人的问题很多。如果招募了不合适的患者，临床试验时间就会延长，耗费大量的时间和资源。
机器学习可以通过自动识别合适的候选患者来确保试验参与者的正确分布，从而加快临床试验的设计。该算法还可以对临床试验的非决定性结果进行预警，以便研究人员能够更早地干预，并可能挽救药物的发展。
代表公司：IBM Watson、Deep6 AI
第四阶段：寻找诊断疾病的生物标志物。患者只有确诊后才能接受治疗。体液(通常是血液)中的生物标志物可以准确判断患者是否患有某种疾病。此外，生物标志物还可以用于确定疾病的进展，这有助于医生选择正确的治疗方法，并监测药物是否有效。然而，很难找到适合特定疾病的生物标志物，这个过程既昂贵又耗时。
AI可以自动化很大一部分手工工作。使用算法来区分生物标记候选物的优缺点，将有助于临床医生专注于分析最佳前景。
代表公司：ReviveMed、Berg Health
AI还可以做：药物复用、研究文献、出版物和专利的分析等。“旧”药物在人体试验中出现意外毒性或副作用的风险较小，在新的治疗领域重新使用它们也可能减少所需的研发支出。尤其是在目前全球新冠肺炎疫情的情况下，使用AI来减少和加速药物筛选更有价值。
巨头群雄逐鹿
目前全球开展AI辅助药物研发的公司超过200家，大型药企也在通过收购、合作等方式积极布局。AI存在于目标筛选、药物设计和临床试验中。
表1部分人工智能制药合作
此外，一些互联网等领域的大型科技公司也利用自身的技术优势加入到医药行业。外国企业包括谷歌、IBM、英特尔、苹果、微软等。国内知名企业包括腾讯、百度、字节跳动、华为等。这些企业或搭建自己的药物研发平台，或利用自身技术优势与传统药企合作，有的还积极投资AI制药的多家初创公司。
表2进入艾药业的国内大型科技公司
量子计算热潮渐起
AI的发展和竞争在这里非常火热，南山的量子计算使能药物研发也再次崭露头角。
量子计算依赖于量子计算机，量子计算机可以完成传统计算机无法完成的任务。例如，中国的“九章”量子计算机只需要200秒就可以完成世界上最强大的超级计算机需要6亿年才能完成的计算量。
制药巨头们早就嗅到了其中的价值。1月11日，勃林格殷格翰宣布与谷歌量子AI签署合作协议，共同研究并实现量子计算在药物研发中的应用，尤其是在分子动力学模拟方面。
1月28日，剑桥量子计算宣布与罗氏合作，在早期药物发现和开发中设计并实现NISQ(noise-Intermediate-Scale-Quantum)算法。应用的疾病领域将是阿尔茨海默病，2020年9月，罗氏宣布与AC免疫联合研发的semorinemab在临床II期试验中失败。选择量子算法是罗氏在阿尔茨海默病领域的又一次新尝试。
小结
无论是轮到大型互联网公司，还是新公司的成立，都各自攻关传统制药流程中的一个或多个环节。通过技术开发和贸易合作，他们将为这一领域带来发展和进步。
未来药物研发能有多快？只能留给时间来证明了。
参考资料：
1 #医学中的人工智能(来源：datarevenue)
2 #机器学习辅助医学的八种方式(来源：自然医学)
3 #人工智能如何改变药物发现(来源：自然)
4 #量子计算：勃林格殷格翰和谷歌为PharmaRD合作(来源：勃林格殷格翰官网)
5 #剑桥量子将与罗氏合作开发量子算法用于药物发现开发(来源：剑桥量子计算官网)
6#各公司官方网站信息
