AI闖出新賽道！計算機加速新葯研發，跨界人才難覓

在距離法蘭克福車程一小時的童話般的小鎮殷格翰，以這個小鎮來命名的德國百年家族製藥公司勃林格殷格翰(Boehringer-Ingelheim)的研究人員只要戴上智能眼鏡，就能向大西洋另一頭美國實驗室里的同事們展示他正在開展的研究。

這種跨國研發新葯的方式正在變得越來越普遍。通過遠程應用程序XpertEye，研究人員無需漂洋過海，通過電子通信就能解決研究項目中的問題。這不僅更具可持續性，同時可以節省時間與成本。

類似於XpertEye這樣的軟體技術正在改變傳統製藥行業的工作流程。

數字化正在成為健康醫療領域的新趨勢。大型葯企很早就開始了數字化的試點，包括製藥巨頭輝瑞（Pfizer）、羅氏（Roche）、安進（Amgen）等。但是過去人工智慧（AI）等技術工具尚未成熟，還無法為人們所用，而到了今天科技大爆發的時代，一切都變得有可能實現了。

高科技降低新葯研發成本

勃林格殷格翰研究人員向第一財經記者展示他的智能手機屏幕，上面呈現出一個具有許多分支的分子圖像，圖像上除了化學結構外，還列出分子屬性等研究數據。一款叫做ADAM的人工智慧應用程序正在充當科研人員的「高級分子設計助手」，幫助他們選擇合適的分子結構，因為ADAM參與到研究決策中，藥物研究人員的工作就能變得更輕鬆。

「AI 新葯」的核心就是利用人工智慧演算法大幅降低發現靶點、構建分子試錯的成本，並通過信息化等優勢縮短新葯研發全流程。

勃林格殷格翰研究部的岑特格拉夫（Matthias Zentgraf）博士對第一財經記者表示：「人體內的生物過程非常複雜。然而，藥物研究中也常常會有反覆出現的問題。得益於數字化助手，我們將在未來大大提升工作效率。ADAM已經讓我們嘗到了甜頭。」

過去，基於模擬流程的藥物開發通常需要很長時間。想要將一個想法轉化成一種藥物，要經歷初步實驗、原型葯、患者研究等各個流程。在最壞的情況下，患者可能會因為無法及時獲得救命藥物，而最終失去生命。

但現在，研究人員可以通過人工智慧對上億個經過標準化注釋的生物學、藥理學和臨床數據進行分析，以獲得候選藥物和生物標記物，或在早期對影響藥物性質的晶型特點做出比較準確的預測，幫助葯企在早期遴選最容易成功的分子候選、晶型、固相以及研發路線，並通過預測毒副作用以減少試驗次數，從而選擇風險最低的路徑，加速進程。

此外，藉助計算機軟體的預測分析能力，製藥公司能夠分離出特定的分子，來研究它的有效性。計算機則能通過對過去的藥物和分子以及研究數據導出的臨床測試結果，為新葯的研發提供有力的洞察。在短短几秒時間裡，計算機就能讀取海量試驗數據、外部研究團隊撰寫的文獻以及統計網站上的各種數值，並對這些信息進行評估，揭示背後的關聯。

AI 醫藥初創公司崛起

IQVIA（昆泰）是美國一家為生物製藥及衛生保健行業提供專業服務和方案諮詢的公司。統計數據顯示，該公司旗下一家名叫Linguamatics的軟體公司曾幫助瑞士製藥巨頭羅氏開發了一個人工智慧平台阿爾忒彌斯（Artemis），使之能更有效地尋找藥物和化合物。正是因為有了這個人工智慧平台，羅氏在每項研究中平均節省1萬美元，全年節省成本超過20萬美元。

2017年，醫療機構梅奧診所攜手AI創業公司Nference在美國麻省劍橋市創立了一家AI生物製藥公司Qrativ。Qrativ創始人、CEO 阿拉瓦穆丹（Murali Aravamudan）在談到人工智慧在製藥領域的應用以及外部數據如何支持藥物研發時表示：「要使得預測分析對於製藥公司在研究分子時有用，還需要有一些其他技術的輔助，比如簡化數據的收集，通過讀取顯微鏡下物質的數據，來訓練機器學習的演算法。」

為更好地解決這個問題，一些軟體公司已經開始使用基於雲端數據中心的高性能計算機，甚至於使用量子物理和量子化學來更加準確地分析數據。

很多製藥公司因此都需要與數字化企業合作，或者自己成立數字化部門，僱用一大堆數字科學家。兩年前，勃林格殷格翰就成立了一家獨立子公司——數字實驗室BI X，為其三大部門——人用藥品、動物保健和生物製藥提供一個與數據科學、敏捷軟體開發以及用戶體驗設計等領域的專業人員進行協作的平台。

勃林格殷格翰每年向這一平台投資2000萬歐元。

國內的初創公司深度智耀是一家典型的利用先進的人工智慧技術，賦能新葯研發全流程的企業。公司開發了基於人工智慧的藥物早期研發平台，大幅減少了新葯早期研發全流程的時間和成本，同時基於數百個開放數據源，通過機器學習技術，結合人工專家的知識，自動提取醫藥實體、關係和屬性，並利用智能化的化學合成分析系統，預測推薦高質量的合成路線。支持這一演算法的算力一部分來源於自建設備，一部分來源於公有雲。通過這種模式，深度智耀能夠應對多線任務並進的情況，並可根據任務權重規派算力。

深度智耀創始人兼CEO李星日前在接受第一財經記者採訪時透露，研發一款新葯，並從實驗室推向市場，平均要100名科學家花10年時間、投入27億美元，而成功率僅7%——製藥行業仍然是勞動力密集行業。

「對於企業而言，進行靶點篩選、臨床研究、審批上市純靠人工費時費力，且成本高昂，這個時候人工智慧平台就是一個很好的選擇。」李星說道。

她表示，有了AI之後，徹底改變優化了製藥行業的流程，AI可以從零起點開始設計一款藥物，能夠合理評估整個製藥的流程，而且效率可以高過很多化學家。這些事情正在發生，AI不僅能夠大幅縮短新葯研發的時間，而且可以大幅提高新葯研發的成功率，從而延長患者的生命周期、提升病患的生活質量。

李星本身具有醫藥背景，在北京大學獲得藥劑學碩士學位後，曾任職於輝瑞、賽諾菲、強生等跨國葯企，從事藥物開發長達12年。

她認為，AI將是製藥行業一條全新的賽道，足以顛覆藥物的研發。2017年她放棄跨國葯企豐厚的薪資和舒適的環境，創辦了深度智耀。

自2017年成立以來，深度智耀已經合計融資四輪，累計融資約2000萬美元；最新一輪融資來自去年10月紅杉資本投資的近1500萬美元B輪資金，在前幾輪的投資中，投資方不乏天使投資人真格基金等機構。深度智耀的客戶包括瑞士羅氏、英國葛蘭素史克（GSK）、德國拜耳，以及中國本土初創新葯研發公司綠葉製藥（02186.HK）、百濟神州（06160.HK，BGNE.NASDAQ）和再鼎醫藥等。

開放式生物製藥技術平台公司葯明生物（02269.HK）高級副總裁李競對第一財經記者表示：「我們也正在嘗試如何將AI技術引入到新葯研發當中，目前主要選擇自己開發AI平台。」

葯明生物CEO陳智勝此前向媒體透露，目前葯明生物平台上有205個項目，按照正常新葯成功率，將來可能有25個新葯上市進入商業化生產，預計未來每年將賦能合作夥伴2至3個新葯上市。

全球招募頂尖數據科學家

儘管生物製藥公司對數字化人才求賢若渴，但真正的跨界人才不可多得。

藥物研發流程涉及約20個功能模塊，即使是某個模塊的專家，對其他模塊業務也只能了解大概；而製藥還是離IT和互聯網非常遠的行業，這讓醫藥專家和軟體數據工程師的有效融合成為AI醫藥研發賽道當前的最大挑戰，即「行業 技術」跨界人才的獲取。

以勃林格殷格翰的數字實驗室為例，該實驗室成立以來，已經向全球招募了50多名數據科學家和軟體工程師組成的學科團隊。

勃林格殷格翰首席財務官施梅爾莫（Michael Schmelmer）向第一財經記者表示：「BI X的員工將接受具有挑戰性的任務，和來自多個不同學科的專家合作，為新產品和解決方案開發原型，並把它們推向市場。」

第一財經記者在百度上搜索「生物醫藥」 「數據科學家」，就會跳出來滿屏的招聘啟事。

北京的一家生物科技公司的招聘網頁上顯示，碩士畢業或僅兩年工作經驗的生物醫藥研發科學家的月薪可高達2萬元，主要職責是參與公司生物類藥物發現及設計項目，以及配合演算法團隊優化現有藥物研發及設計工具和方法。

四川大學華西醫院下屬的華西生物醫學大數據中心也於近期貼出數據科學家招聘啟事，招聘計算機博士，要掌握SAS、R或Python等計算機語言，主要職責是負責生物醫學數據的分析挖掘，通過統計分析、機器學習演算法等完成模型構建等。

「一流人才總有自己的風骨——製藥人有製藥行業特有的謹慎，互聯網人有不懼一切的狼性。」李星對第一財經記者表示，「兩者如何融合是目前公司面臨的一大挑戰。」

「葯企要招到既懂計算機又具備生物醫學背景的人才非常難。但我認為，要教會一名醫學研發專家學習計算機科學的可能性更大。」國內生物科技公司創勝集團（ Transcenta Holding）共同創始人、執行董事長趙奕寧對第一財經記者表示。

「一方面是生物醫學方面的知識需要長期大量的積累，另一方面也是因為計算機在製藥公司數據科學部門畢竟是輔助的工具，不是核心。」趙奕寧說。

不僅在生物製藥領域，就連醫療機械公司也對跨界人才求賢若渴。一家數字化醫療器械公司投資人對第一財經記者表示：「計算機圖像處理和深度學習對於醫生有很大的輔助作用，以隱形牙套為例，醫生從開啟隱形矯正治療，到口腔數據一鍵上傳、快速目標位生成，精準方案設計，再到牙套的生產跟蹤、病歷管理等方面，都需要數據科學家的支持。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！