我不是药神，AI才是
一鸣网7月12日前沿观察（记者|谢东霞）昨天，《我不是药神》票房已经突破18亿，很多人在影院哭完之后，开始骂专利药不顾人性命，定价昂贵。可也有人表示专利药收取高额费用，才能投入更多资金更好地进行药物研发，帮助攻克更多人类疾病，这是为人类长远发展的良策。
所以正如影片所说，“世界上只有一种病，就是穷病。”我们吃不起高价药的，就只能等死了吗？那如果我们使用人工智能进行药物研发，是不是可以减少药物研发的巨额投入呢？
人工智能降价专利药
传统的小分子药物开发分为靶点的发现和确证、先导物的发现、先导物的优化三个阶段。由于评价化合物所需的试验次数较多，对于药物研发生产中每一阶段的推进都要花费200－400万美金。如果是开发更为复杂的生物药，药物研发的过程也更具挑战性。生物药的研发过程每一阶段成本可达到500－1000万美金。
就算拥有足够的资金支持，药物研发工作者面对每天发布的大量专利、临床试验结果等，也没有办法关注到所有的新信息。而人工智能完全可以从海量论文中摄取所需的分子结构等信息，并且可以自主学习，建立其中的关联，提供新的思路和想法。
在云计算和专用超级计算机的帮助下，人工智能可以突破科学家的个人经验限制与效率瓶颈，通过提前预测药物候选的ADMET（药物的吸收、分配、代谢、排泄和毒性）在后续药物发展中起到关键作用的性质，从而极大缩小实验范围，预测化合物不良反应，并评估通过人类临床试验的可能性，降低后续药物临床的失败概率。
2016年底，美国高盛集团发布的人工智能报告：《人工智能、机器学习和数据将推动未来生产力的发展》（AI, Machine Learning and Data Fuel the Future of Productivity）中提到：“随着人工智能和机器学习的不断整合，人们将有望在新药研发的过程中显著地实现“去风险”，不但将节约每年约260亿美元的研发成本，同时还将提高全球医疗信息领域的效率，节约的成本价值超过每年280亿美元。”
谁是“药神”
Watson
最著名的药物研发深度学习模型IBM的Watson机器人，可以快速分析大量的文本数据，并使用大量实验室数据、临床报告和科学出版物测试猜想，以此来寻找潜在药物（BenevolentAI挖掘文献和研究数据库的算法与沃森非常类似）。
AtomNet
Atomwise通过IBM超级计算机分析数据库，并用深度学习神经网络分析化合物的构效关系，于药物研发早期评估新药风险。该公司研发的深度学习网络AtomNet，可以识别医药化学中的基础模块，2015年，该公司仅用一周时间就发现了对抗埃博拉病毒的两种药物，而用传统药物研发方法寻找则可能要耗费好几年的时间。
GANs
一种比较新型的深度学习技术对抗网络(GAN)也可以构建药物分子。GANs 通过使用两个竞争神经网络模型，创建不同于真实数据的新数据，生成模型产生“看起来像”真实数据的数据，鉴别模型输入生成数据和真实数据，并且区分他们。生成模型通常用于创建图像、语音或文本，巴尔的摩的一家生物信息公司Insilico将其应用于癌症药物开发。
ALS.AI
Insilico医学公司的ALS.AI，致力于肌萎缩性侧索硬化症的个性化药物发现和生物标志物开发。专注于生成拮抗网络，它能令两个神经网络建立拮抗关系，其中一个网络尝试开发一个模型，并不断改进这个模型，直到第二个网络无法区分模型是否处于构建阶段。该公司使用该工具分析在不同分子孵育情况下，人类细胞系的转录和转录反应数据的数据库，以预测分子的治疗性质。
博格健康
生物制药公司“博格健康”利用人工智能技术，寻找应对现有药物不起反应的侵入性乳腺癌治疗方案。研究人员首先将对来自健康供体的样品和各种乳腺癌亚型的样品进行基因测序，从而对存在于癌细胞和正常细胞中的突变、蛋白及细胞过程建立基因组信息。这些数据将与患者的已知病史结合起来送入人工智能平台，并利用数万个数据点建立起健康及患病组织的不同模型。该平台的算法最终将找出横跨这些模型的分子签名中的热点，这些热点可代表生物标记或药物靶点。
基于人工智能节省时间、节省成本，完成药物发现自动化的广阔前景，国内外各大药企纷纷被吸引进“AI+新药研发”的领域，像阿斯利康、默沙东、赛诺菲等大公司通过合作或自主研发的方式投身这一领域。国内的CRO公司药明康德在今年6月份与Insilico合作，利用生成对抗网络和强化学习等新型算法进行临床前药物候选分子开发。网上有信息显示，目前已有数十家家制药公司使用人工智能进行药物开发。
“AI药神”还有多远？
既然利用“AI+新药开发”可以降低成本同时加速新药发现的速度，可市场上为什么迟迟没有出现便宜有效的药物？
事实是至今并没有人工智能研发的药物被批准上市。不像人工智能在医疗问诊和影像诊断等方面，可以快速得到实践应用，相关政策管理紧跟出台。人工智能近几年在药物研发的发展，并不如预想的神速。主要因为现在的深度学习技术还是依靠大数据积累，人工智能并不能无中生有，而药物研发领域的数据都具有保密性，导致数据库中及时有效的资料非常有限。
另外AI制药的法规监管尚不明确，AI药物和人工药物是否应用同样的法规监管。医药行业一直被国家重点监管，法规监管不止考虑药物的有效性，因为药物有效性没有绝对标准，是一个具有辩证性、相对性和动态性的概念。目前，AI在新药研发领域主要起到的是协助科学家进行药物挖掘、分析数据以及预测新药有效性等。（一鸣网记者谢东霞 关注人工智能 物联网）
一鸣网文章同步平台
艾瑞丨百度百家丨蓝鲸TMT
微博丨界面丨UC丨品途网|性看点
网易媒体开放平台丨搜狐公众平台|艾瑞网|
百家号|新浪看点|凤凰号|一点资讯
今日头条|科技头条|知乎