1956年，约翰·麦卡锡（John McCarthy）在达特茅斯会议（Dartmouth conference）上提出了人工智能（AI）的概念，AI领域因此而来。几十年来，这一领域发展势头迅猛，在制药行业也已崭露头角，获得了许多制药巨头的青睐，大量初创企业也应运而生。

AI赋能药物研发

新药研发是一个十分漫长的过程，一个新药从发现到成功上市通常要花费10-15年，而且大量的药物在临床阶段停滞或失败，未能成功进入市场，上市药物的价格也会因为高昂的研发成本而变得十分昂贵。

机器学习利用大数据快速处理功能，可以使药物开发中的许多分析过程变得更加高效，这有可能缩短数年的研发工作，节省数亿元的投资。

目前，药物开发的4个主要阶段AI已成功进行应用：

阶段1：确定干预靶点 药物开发的第一步是了解疾病的生物学起源（通路）及其耐药机制，然后确定疾病治疗的良好靶点（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，大大增加了发现可行靶点途径的数据量，但如何使用传统技术整合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"重建疾病的潜在机制"，而且可以更轻松地分析所有可用数据，甚至可以学习自动识别准确的靶蛋白。

代表公司：BenevolentAI、Standigm

阶段2：发现候选药物 确定靶点后，药物开发者需要从数千乃至数百万个潜在化合物中筛选出一种能以所需的方式与之相互作用的化合物，还需要避免这种化合物对非靶点产生副作用。

目前所用的筛选软件存在准确度不高，可能会产生假阳性的问题，而且将筛选范围缩小到最佳候选药物的过程耗时也较长。

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，算法快速在海量的潜在分子中搜索和过滤，找到符合要求的分子，这为药物设计节省了大量的时间。

代表公司：Exscientia、Insilico Medicine

阶段3：加快临床试验 临床试验是药物开发阶段的关键，招募患者面临着许多问题，如果招募到了不合适的患者，临床试验时间会发生延长，这将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，确保试验参与者群体的正确分布，从而加快临床试验的设计。算法还可以对临床试验没有产生结论性结果进行早期预警，使研究人员能够更早干预，并有可能挽救药物的开发。

代表公司：IBM Watson、Deep6 AI

阶段4：寻找诊断疾病的生物标志物 患者只有在确诊后才能接受治疗，体液（通常为血液）中的生物标志物可以精确判断病人是否患有某种疾病。此外，生物标志物还可以被用来确定疾病的进展，有助于医生选择正确的治疗方法并监测药物是否有效。但是，发现适合特定疾病的生物标志物很难，而且这一过程昂贵又耗时。

AI可以实现很大一部分人工工作的自动化，利用算法区分生物标志物候选分子的优劣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：药物再利用、分析研究文献、出版物和专利等。“旧”药物在人体试验中产生意外毒性或副作用的风险较小，将其重新用于新的治疗领域也可能会降低所需的研发支出，尤其在目前全球COVID-19大流行的情况下，利用AI减少加速药物筛选显得更有利用价值。

巨头群雄逐鹿

目前，全球开发AI辅助药物研发的公司已达200余家，大型药企也通过收购与合作积极布局，从靶点筛选、药物设计再到临床试验都有AI的身影。

表1 制药巨头的部分AI合作

数据来源：各公司官网

此外，还有部分互联网等领域的大型技术公司利用自身的技术优势加入制药领域，国外企业包括谷歌、IBM、英特尔、苹果、微软等，国内有腾讯、百度、字节跳动、华为等知名企业。这些企业或自身搭建药物开发平台，或利用技术优势与传统药企合作，还有的积极投资许多AI制药的初创公司。

表2 国内入局AI制药的大型技术公司

数据来源：各公司官网

量子计算热潮渐起

此间AI发展和竞争好不热乎，那山量子计算赋能药物研发又现苗头。

量子计算依托于量子计算机，能实现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花费6亿年才能完成的计算量。

制药巨头早已嗅到了价值。1月11日，勃林格殷格翰宣布已与谷歌量子人工智能（Google Quantum AI）签署了一项合作协议，共同研究和实施量子计算在药物研发中，特别是分子动力学模拟方面的应用。

1月28日，剑桥量子计算（Cambridge Quantum Computing）宣布与罗氏就早期药物发现和开发中的NISQ（noisy-intermediate-scale-quantum）算法的设计和实施达成合作，应用的疾病领域将是阿尔茨海默症，而在2020年9月，罗氏宣布了与AC Immune联合开发的semorinemab在临床II期试验中的失败，选择量子算法，是罗氏在阿尔茨海默症领域的又一次新的尝试。

小结

无论是大型互联网公司的转向，还是新公司的成立，它们各自攻坚着传统制药流程的一个或多个环节，通过技术发展和交易合作，都将为这一领域带来发展和进步。

未来药物研发究竟能有多快呢，只能留给时间去证明了。

参考资料：

1# Artificial Intelligence in Medicine（来源：datarevenue）

2# Eight ways machine learning is assisting medicine（来源：Nature Medicine）

3# How artificial intelligence is changing drug discovery（来源：Nature）

4# Quantum Computing: Boehringer Ingelheim and Google Partner for Pharma R&D（来源：勃林格殷格翰官网）

5# Cambridge Quantum to Develop Quantum Algorithms with Roche for Drug Discovery & Development（来源：Cambridge Quantum Computing官网）

6# 各公司官网资料