除了提高藥物研發效率，AI製藥還能做些什麼？
文 | 顏璇（關注AI醫療等）
來源 | 智能相對論（aixdlun）
《紐約時報》高級科技記者約翰·馬爾科夫曾說過，「人工智慧就像把新榔頭，每個領域都是顆釘子，都可以敲一下。」
在藥物保健這個領域，AI這把榔頭來勢洶洶，先有AI製藥企業晶泰科技完成了約1500萬美金的B輪融資，後有製藥巨頭羅氏以19億美金收購腫瘤大數據公司FlatironHealth的全部股份，積極布局數字化和AI。
隨著人工智慧技術的成熟，AI去敲醫藥領域這顆釘子已是可以看見的事實。
當人工智慧大步邁進位藥行業，兩者之間會擦出什麼樣的火花呢？
在製藥這件事上，AI正在全面提升人類的效率
新葯研發周期長、投入大、持續時間久、效率低，一直是醫藥領域的「心腹大患」。根據塔夫特藥物發展研究中心的數據，一款新葯的面市從藥物發現到獲得FDA批准平均大約需要96.8個月。而在成本上，德勤的數據顯示，自2010年以來，12家主要製藥公司的獲批藥物開發成本已經增加了33％，每年約16億美元。
AI的加入，讓人看到了可喜的改變。根據TechEmergence的研究報告，AI可以將新葯研發的成功率從12%提升至14%， 這僅有的2%的增長不容小覷，可以為整個生物製藥行業節省數十億美元，同時，還可以省下很多研發時間。
谷歌和斯坦福的研究人員致力於利用深度學習開發虛擬篩選技術，以取代或增強傳統的高通量篩選（HTS）過程，並提高篩選的速度和成功率。
另外，除了成功率，我們還可以用AI在風險率上面「做文章」。據高盛在16年年底的一份人工智慧報告顯示，通過實施機器學習和AI，在獲批藥物的平均年度開發成本為16億美元（包括與失敗藥物相關的成本），或者失敗藥物的年度成本為300億美元（這筆資金完全可以平均分配給獲批的藥物群）的情況下，人們有望將藥物開發與發現的相關風險減半。如此，到2025年，全球製藥行業每年即可節省約260億美元。
除了提高效率，AI製藥還有哪些可能
經過走訪一些公司，能相對論（ID:aixdlun）分析師顏璇了解到AI製藥目前至少可以做到這些。
1.填上兒童用藥的坑。
長期以來，由於兒童專用藥不足，很多患兒都會服用成人葯，而成人葯里所謂的「兒童酌減」存在著巨大的用藥安全風險。根據國家藥物不良反應監測結果顯示，中國兒童用藥不良反應發生率為12.9%，其中新生兒高達24.4%，分別是成人的2倍和4倍。因用藥不當，我國每年約有3萬名兒童耳聾，約有7000名兒童死亡。
為什麼會出現這樣的局面呢？據中國婦女報報道，在藥品生產企業看來，兒童葯的各項指標比成人葯更嚴謹，劑型比成人葯要求更高，各方面的要求也更加嚴格。兒童藥品臨床試驗風險大，而適用年齡層窄，口味還需特殊調整，這都增加了企業的生產和研發成本。
除了兒童用藥要求更高之外，還有一個原因是供給方太少，在我國，全國藥品生產企業有8000多家，其中專門生產兒童用藥的企業僅佔0.1%，也就是只有8家生產兒童專用藥品。
從這個現狀來看，AI助力兒童用藥的研發十分必要。首先，AI在數據上絕對是箇中高手。AI藥物研發的底層核心就是知識圖譜，其實質就是將來自實驗室的理化數據、各種期刊文獻中的研究成果、以及臨床數據等原本沒有關聯的數據連通，將離散的數據整合在一起，從而提供有價值的決策支持。通過AI掌握的數據，我們可以去實驗不同的藥量所產生的影響，最終找到最準確的用量，還可以進行藥物口味的數據管理。而這一切，周期不會太長，消費者也不需要為此承擔太多的成本。
其次，兒童用藥市場其實頗有潛力，有待企業挖掘。AI通過機器學習，不但可以加速時間，還可以提高到達後期試驗階段藥物的成功概率。如果AI可以減少藥物試驗的風險，就可以為大型製藥公司節約大量成本，使其能夠騰出資源集中於尋找更有潛力的機會。
2.讓中藥變得可靠。
全國政協委員、北京順天德中醫醫院院長王承德在接受記者採訪時表示，中藥院內製劑是中醫院的一大特色，但是，眾多製劑因審批困難而放棄使用。為什麼審批困難呢？關鍵在於一個「可靠性」。
雖然市面上還是存在很多療效上佳的中藥，但事實上的安全並不是純粹的安全，還是有很多潛在的未知的危險因素。許多人並不信任中藥，因為大部分中藥都標明不了具體的分子學藥理機制及毒副作用。在中藥藥劑里，我們無法知道某味草藥的有效成分到底是哪個分子，它又是如何發揮作用的。相比之下，西藥更能得到人們的信任，它有著大量的臨床數據和科學理論的支撐，西藥的說明書上能清楚地標明該葯的藥理作用和不良反應發生的概率。
所以，如果能把AI藥物發現的技術用於中藥研究，將是中藥發展的一個里程碑。比如，AI通過深度學習，構建神經網路，吸收所有已知的單步有機化學反應，解構藥物里的分子，嘗試任何單一步驟中可以使用的化學反應，重複應用這些神經網路來規劃多步驟有機化學反應的合成，直到得到中藥的藥理和毒理機制。簡單來說，就是將葯湯里的所有化學物質都分離出來，通過化學反應和臨床數據，找到那個真正有效的化學物質，並將其它化學物質進行一一的分析。
法規監管是最大問題
AI製藥仍處在一個孤島，除了數據來源、生物學發展以及市場競爭等要素會成為其發展過程中的挑戰，AI製藥最大的問題是，AI藥物是否會受到與人工藥物同樣的法規監管。
目前，因為生物學的複雜性，還沒有直接的與AI製藥相關的產品被批准發行，AI在製藥行業主要起到的是協助作用，包括藥物挖掘、深度學習演算法分析數據以及預測新葯有效性等，但這只是AI進軍製藥行業初步的結果。在以後，AI將會更大範圍和更深層次地滲透醫藥領域。譬如GSK與指導藥物研發的初創公司Exscientia在藥物研發達成戰略合作，Exscientia通過AI藥物研發平台為GSK的10個疾病靶點開發創新小分子藥物，並且針對這些靶點藥物發現臨床候選藥物。
在這之前，我們應該考慮的是，我們也許在幾年後就可以拿出一個完全由AI自主研發的藥物出來，但是，我們的藥物監管法規是否准許AI藥物的大範圍發行，AI藥物對醫藥行業的業態又會產生什麼樣的影響？
我們要明確的是，法規監管光看藥物的有效性是不夠的。藥物的有效性是一個比較特別的概念，在這裡，「有效」具有辯證性、相對性和動態性，並沒有絕對的標準。在涉及生命的領域裡，容錯率低，事實上的有效並不意味著法律上的安全。在未來，AI藥物可能會頗受人們爭議，和如今的轉基因作物面臨相同的處境。
醫藥行業一直以來都是國家重點監管的行業之一，屬於典型的政策驅動行業。當AI藥物出現時，法律法規應當與時俱進，及時修改完善，甚至針對AI藥物形成一套其獨有的法規制度。
【完】
智能相對論（微信id:aixdlun）：深挖人工智慧這口井，評出鹹淡，講出黑白，道出深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬體、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背後的晶元、演算法、人機交互等。
TAG:智能相對論 |