AI與醫(yī)療的結(jié)合，將會(huì)給人類帶來(lái)哪些突破?

最近，谷歌微調(diào)后的Med-PaLM，開始了在醫(yī)學(xué)問(wèn)題上的一路狂飆。

在挑戰(zhàn)了美國(guó)醫(yī)學(xué)基準(zhǔn)測(cè)試（MedQA），取得了86.5%的成績(jī)，遠(yuǎn)遠(yuǎn)超出其他同類大模型。

經(jīng)過(guò)專業(yè)臨床醫(yī)生評(píng)判，Med-PaLM對(duì)實(shí)際問(wèn)題的回答準(zhǔn)確率與真人相差無(wú)幾。

除了Med-PaLM模型，研究團(tuán)隊(duì)還推出了自建醫(yī)療模型測(cè)評(píng)數(shù)據(jù)集。

目前，這樣的成果已經(jīng)登上了著名的學(xué)術(shù)雜志《Nature》。

實(shí)際上，在Med-PaLM發(fā)力之前，AI+醫(yī)療的賽道，就早已被國(guó)外的各大投資機(jī)構(gòu)所看好。

一份來(lái)自來(lái)自Grand View Research的報(bào)告，預(yù)測(cè)了全球人工智能在醫(yī)療領(lǐng)域的市場(chǎng)規(guī)模將從2022年的154億美元增長(zhǎng)到2030年的1，078億美元，年復(fù)合增長(zhǎng)率為37.5%。

報(bào)告還分析了新冠之后人工智能在醫(yī)療領(lǐng)域的需求和應(yīng)用的積極影響。

而這些分析，之所以對(duì)AI+醫(yī)療如此樂(lè)觀，一個(gè)最大的原因，就是近些年AI在藥物研發(fā)方面越來(lái)越重要的作用。

1

被看好的“狹路”

實(shí)際上，與最近才興起的大模型+問(wèn)診的模式相比，AI+藥物研發(fā)的方向，早已被深耕多年。

具體來(lái)說(shuō)，AI可以通過(guò)分析大量的生物數(shù)據(jù)和文獻(xiàn)，找出與疾病相關(guān)的藥物靶點(diǎn)，以及與藥物靶點(diǎn)匹配的候選分子。

這樣就可以縮小藥物研發(fā)的范圍，提高效率和成功率。

同時(shí)，AI還可以通過(guò)模擬和預(yù)測(cè)藥物分子與靶點(diǎn)之間的相互作用，提出改進(jìn)和創(chuàng)新藥物化學(xué)結(jié)構(gòu)的建議。從而提高藥物的效力、安全性、穩(wěn)定性等方面的表現(xiàn)。

然而，雖然AI+藥物研發(fā)的方向，看上去確實(shí)是片前景廣闊的天地，可就國(guó)內(nèi)市場(chǎng)而言，國(guó)內(nèi)AI藥企的盈利模式，目前還不清晰，而且十分依賴風(fēng)投，難以實(shí)現(xiàn)自我造血。

如果自己下場(chǎng)做藥，又需要投入更多的時(shí)間和金錢，承擔(dān)更多的商業(yè)風(fēng)險(xiǎn)。

但即便如此，還是有少數(shù)AI藥企，在市場(chǎng)上站穩(wěn)了腳跟，國(guó)內(nèi)的英矽智能就是這樣的企業(yè)之一。

英矽智能科技（上海）有限公司，是一家2019年成立的端到端的AI藥企。

其旨在通過(guò)自主研發(fā)的Pharma.AI平臺(tái)，利用生成對(duì)抗網(wǎng)絡(luò)、深度強(qiáng)化學(xué)習(xí)、預(yù)訓(xùn)練模型等技術(shù)，從靶點(diǎn)發(fā)現(xiàn)、分子設(shè)計(jì)、臨床預(yù)測(cè)等方面，加速藥物的發(fā)現(xiàn)和開發(fā)。

其成立至今，最為人關(guān)注的事件，莫過(guò)于獲得了全球首例完全由AI驅(qū)動(dòng)發(fā)現(xiàn)的特發(fā)性肺纖維化（IPF）疾病新靶點(diǎn)。

通過(guò)這樣的案例，行業(yè)才真正認(rèn)識(shí)到，通過(guò)人工智能完成新藥發(fā)現(xiàn)是可能的。

而這一里程碑的實(shí)現(xiàn)，和其創(chuàng)始人的背景以及技術(shù)理念，有著莫大關(guān)系。

現(xiàn)年44歲的拉脫維亞人Aleksandrs Zavoronkovs博士（以下簡(jiǎn)稱Alex），是英矽智能的創(chuàng)始人兼CEO，也是最早嘗試用AI制藥的科學(xué)家之一。

作為一位在生物技術(shù)、再生醫(yī)學(xué)和衰老經(jīng)濟(jì)學(xué)領(lǐng)域工作的科學(xué)家，他曾在加拿大多倫多大學(xué)、約翰霍普金斯大學(xué)和莫斯科國(guó)立大學(xué)等機(jī)構(gòu)從事研究工作。

發(fā)表了137篇關(guān)于人工智能、衰老和藥物發(fā)現(xiàn)的論文總引用次數(shù)達(dá)到了11745次，他還申請(qǐng)了9項(xiàng)關(guān)于AI制藥的專利。

而同樣的，英矽智能的聯(lián)席首席執(zhí)行官任峰，也是一位經(jīng)驗(yàn)豐富的藥物化學(xué)家。

任峰博士是一位有著十余年小分子創(chuàng)新藥物研發(fā)經(jīng)歷的藥物化學(xué)家。

他于2007年在美國(guó)哈佛大學(xué)化學(xué)系獲得博士學(xué)位，曾在葛蘭素史克擔(dān)任多個(gè)藥物研發(fā)領(lǐng)導(dǎo)職務(wù)，后加入美迪西，全面負(fù)責(zé)化學(xué)部和生物部的研發(fā)服務(wù)業(yè)務(wù)。

2021年2月，任峰加入英矽智能，出任首席科學(xué)官、全球藥物研發(fā)負(fù)責(zé)人。

在成為首席科學(xué)官之后，任峰找Alex詳談了一下，而一個(gè)關(guān)鍵性的決定，就在這次交流中誕生了。

在新藥研發(fā)前線摸爬滾打的14年，讓任峰對(duì)藥物研發(fā)的艱辛深有體會(huì)。

傳統(tǒng)的藥物發(fā)現(xiàn)，首先是對(duì)數(shù)萬(wàn)個(gè)小分子進(jìn)行測(cè)試篩選，然后進(jìn)一步合成和測(cè)試數(shù)百個(gè)分子。

其中只有大約1/10的候選藥物能夠最終通過(guò)臨床試驗(yàn)。平均耗時(shí)10年，花費(fèi)十?dāng)?shù)億美元。

傳統(tǒng)的模式效率已經(jīng)太低，必須要找到新的工具。

結(jié)果Alex聽后表示:這個(gè)新的工具，英矽智能已經(jīng)有了，那就是其自研的管線和AI平臺(tái)——Pharma.AI。

2

AI藥師

實(shí)際上，在當(dāng)時(shí)的市場(chǎng)上，除了英矽智能，還有不計(jì)其數(shù)的AI藥企，都想借助人工智能技術(shù)來(lái)加速藥物研發(fā)，降低藥物研發(fā)的成本和風(fēng)險(xiǎn)。

但是，并不是每一家AI藥企都能真正做到這一點(diǎn)。

例如，BenevolentAI曾經(jīng)是英國(guó)最大的AI藥企，估值高達(dá)20億美元，但由于研發(fā)進(jìn)展緩慢、資金緊張、遭遇了大規(guī)模裁員、估值縮水。

而讓英矽智能在AI賽道上站穩(wěn)腳跟的原因之一，正是其自主研發(fā)的Pharma.AI平臺(tái)。

而Pharma.AI平臺(tái)最大的特點(diǎn)，就是可以讓研發(fā)人員SQL語(yǔ)言來(lái)指定AI任務(wù)，而不需要編寫復(fù)雜的程序或調(diào)用外部的庫(kù)或框架。

Pharma.AI的子系統(tǒng)之一:panda Omics

舉例來(lái)說(shuō)，你想要用AI系統(tǒng)來(lái)生成一個(gè)新的藥物分子，你只需要用SQL語(yǔ)言寫出你想要的分子的特征，例如“結(jié)構(gòu)類似于阿司匹林，活性高于阿司匹林”，而不需要告訴計(jì)算機(jī)怎么去設(shè)計(jì)和生成這個(gè)分子。

這樣，就可以省去用戶編寫復(fù)雜的程序，或調(diào)用外部庫(kù)或框架的麻煩。

做到了這點(diǎn)，成本才能真正降低，研究進(jìn)度才能真正加快。

其次，Pharma.AI的特點(diǎn)，還在于其可以實(shí)現(xiàn)從靶點(diǎn)發(fā)現(xiàn)、分子生成、臨床前評(píng)估到臨床試驗(yàn)結(jié)果預(yù)測(cè)等環(huán)節(jié)一站式研發(fā)，而不必依賴于外部的數(shù)據(jù)或算法，這樣可以保證數(shù)據(jù)的質(zhì)量和一致性。

這是個(gè)十分重要的環(huán)節(jié)，因?yàn)橄喈?dāng)一部分AI藥企，實(shí)際上都倒在了數(shù)據(jù)質(zhì)量和可復(fù)現(xiàn)性問(wèn)題上。

由于藥物研發(fā)涉及到大量的生物數(shù)據(jù)和化學(xué)數(shù)據(jù)，這些數(shù)據(jù)的質(zhì)量、完整性、標(biāo)準(zhǔn)化和可獲取性都會(huì)影響AI算法的效果和可靠性。

而在數(shù)據(jù)方面，英矽智能成立之初，就組建了一支專業(yè)團(tuán)隊(duì)，負(fù)責(zé)收集公開發(fā)表的所有數(shù)據(jù)，包括組學(xué)數(shù)據(jù)、化合物文獻(xiàn)專利數(shù)據(jù)、化合物的結(jié)構(gòu)、性質(zhì)數(shù)據(jù)等。

之后，這支數(shù)據(jù)團(tuán)隊(duì)會(huì)對(duì)公開數(shù)據(jù)庫(kù)中的轉(zhuǎn)錄組學(xué)數(shù)據(jù)進(jìn)行篩選、標(biāo)準(zhǔn)化和處理，轉(zhuǎn)化成機(jī)器可讀的格式，來(lái)進(jìn)行機(jī)器學(xué)習(xí)。

在學(xué)習(xí)中，Pharma.AI會(huì)通過(guò)小塊學(xué)習(xí)來(lái)訓(xùn)練自己的模型，避免數(shù)據(jù)之間的相互污染，提高模型的命中率，最后留下有效的算法。

目前，基于Pharma.AI平臺(tái)，制藥行業(yè)從項(xiàng)目啟動(dòng)到IND籌備研究階段平均耗時(shí)，可以從4.5年壓縮到12個(gè)月以內(nèi)。

客觀地說(shuō)，英矽智能在AI制藥領(lǐng)域取得的種種優(yōu)勢(shì)，實(shí)際上給行業(yè)內(nèi)所有類似的AI藥企提了個(gè)醒，那就是:

AI制藥，之所以道阻且長(zhǎng)，是因?yàn)槠渖婕暗念I(lǐng)域，本身就是一種復(fù)合型的學(xué)科，其涵蓋了生物技術(shù)、藥物化學(xué)、人工智能等多個(gè)領(lǐng)域的交叉知識(shí)。

僅精通藥理機(jī)制，或AI算法單方面的知識(shí)，都是不足以實(shí)現(xiàn)藥物的商業(yè)價(jià)值的。

雖然有些遠(yuǎn)見的Alex，早已在數(shù)據(jù)和算法方面進(jìn)行了布局，但在新藥商業(yè)化的邏輯中，除了靶點(diǎn)發(fā)現(xiàn)、化合物篩選等AI技術(shù)平臺(tái)擅長(zhǎng)的領(lǐng)域，還有臨床試驗(yàn)、商業(yè)化等多個(gè)有待跨越的“死亡之谷”，也都是AI制藥公司不擅長(zhǎng)的。

這也是任峰這樣的“制藥老將”對(duì)這家公司轉(zhuǎn)型的重要性所在。

然而，即使在數(shù)據(jù)、算法、制藥等環(huán)節(jié)順利過(guò)關(guān)斬將，英矽智能在商業(yè)化的道路上，仍然要面臨諸多不確定性與風(fēng)險(xiǎn)。

3

坎坷的商業(yè)化

在商業(yè)模式上，國(guó)內(nèi)AI藥物研發(fā)企業(yè)主要分為AI SaaS、AI CRO、AI biotech三種模式，即出售軟件、服務(wù)和研發(fā)藥物，分別占了商業(yè)模式總數(shù)的25%、23%和8%。

簡(jiǎn)單來(lái)說(shuō)，AI SaaS是提供AI平臺(tái)的方式，為制藥企業(yè)賦能;AI CRO則是用AI直接幫交付先導(dǎo)化合物;而AI biotech則是直接自研管線，包完了AI制藥的整個(gè)流程。

藥物研發(fā)流程示意

在實(shí)際生產(chǎn)中，醫(yī)藥行業(yè)的 SaaS做下來(lái)其實(shí)非常不容易，因?yàn)檫@不僅需要圍繞客戶的管線去打磨一套產(chǎn)品，而且為了應(yīng)對(duì)實(shí)際部署后模型會(huì)產(chǎn)生偏差，AI藥企還需要人員去現(xiàn)場(chǎng)調(diào)試參數(shù)。

總體來(lái)說(shuō)，SaaS做下來(lái)根本不賺錢，訂單額度較小，但維護(hù)壓力較大。

而AI CRO模式，則需要面對(duì)技術(shù)驗(yàn)證和風(fēng)險(xiǎn)分擔(dān)的雙重難題，在目前，行業(yè)還沒有統(tǒng)一和公認(rèn)的驗(yàn)證方法和標(biāo)準(zhǔn)，來(lái)衡量AI技術(shù)在藥物研發(fā)中的各個(gè)環(huán)節(jié)的貢獻(xiàn)。

人工智能生產(chǎn)出來(lái)的藥物，不知道要幾個(gè)月和多少成本去做驗(yàn)證，這是AI CRO模式最大的難點(diǎn)。

雖然英矽智能主要以AI SaaS服務(wù)為主，但其自身也有原創(chuàng)AI藥物研發(fā)平臺(tái)，和完整的藥物研發(fā)管線。

對(duì)于英矽智能來(lái)說(shuō)，燒錢搞自研藥物雖然辛苦，但實(shí)際上也為自身帶來(lái)了勝于雄辯的廣告效應(yīng)。

因?yàn)獒t(yī)藥產(chǎn)業(yè)是一個(gè)極為嚴(yán)謹(jǐn)?shù)男袠I(yè)，而研發(fā)又是一個(gè)失敗率很高的環(huán)節(jié)，稍有不慎就會(huì)價(jià)值清零，因?yàn)橄喈?dāng)一部分大藥企，并不愿意輕易將研發(fā)交給AI制藥這樣的新技術(shù)。

在此情況下，英矽智能唯一破局之道，就是通過(guò)自研去向市場(chǎng)證明自身的AI制藥技術(shù)是能夠幫助藥企進(jìn)入到臨床階段。

雖然憑借著獨(dú)特的自研管線，2021年至2022年間，英矽智能的營(yíng)收從471.3萬(wàn)美元猛增至3014.7萬(wàn)美元，增幅達(dá)到了539.6%。

但從營(yíng)收結(jié)構(gòu)上來(lái)說(shuō)，英矽智能的營(yíng)收增長(zhǎng)主要依賴于與大型制藥企業(yè)的合作，其中復(fù)星醫(yī)藥和賽諾菲是最大的兩個(gè)客戶，分別占了2022年?duì)I收的40.6%和36.7%。

從實(shí)力上來(lái)說(shuō)，大藥企要數(shù)據(jù)有數(shù)據(jù)、要人才有人才，如果他們要親自下場(chǎng)用AI研發(fā)新藥，很多AI制藥公司恐怕就都沒有機(jī)會(huì)了。

這種情況對(duì)有自研管線的AI公司挑戰(zhàn)最大。

同時(shí)，英矽智能向外界透露，盡管在分子活性方面AI制藥公司已經(jīng)非常擅長(zhǎng)，但是在藥代動(dòng)力學(xué)（與藥物在人體中的代謝有關(guān)）和毒理等需要從人體試驗(yàn)中獲得數(shù)據(jù)的項(xiàng)目，則相對(duì)不容易獲取。

因?yàn)榕c人體試驗(yàn)相關(guān)的數(shù)據(jù)主要還都集中在大藥企的手里。

而這一痛點(diǎn)，也是所有AI藥企繞不開的問(wèn)題，因?yàn)锳I制藥雖然能夠大幅縮短研發(fā)時(shí)間，降低巨大的人力和材料成本，但這種加速無(wú)論如何不能跳過(guò)臨床階段的。

而如果無(wú)法改變臨床階段進(jìn)展緩慢的問(wèn)題，就根本談不上所謂的顛覆。

從這點(diǎn)來(lái)看，盡管AI為藥物醫(yī)學(xué)帶來(lái)了諸多可能，但在商業(yè)化的道路上，AI藥企的未來(lái)仍然充滿不確定性。