消灭天价药？这23家创业公司正用AI颠覆医药行业

很多新药，贵得让人心凉。

这背后，是药物漫长的研发周期和高昂的研发成本。美国卫生及公共服务部的最新研究显示，每种新药的研发成本通常在1.61亿美元到20亿美元之间，平均耗时7年半，在临床试验阶段，还很难招募到合适的病人。

于是，借助人工智能降低研发成本，成了各药企的共同心愿。

现在，从临床诊断到药物研发，再到远程监控和风险分析，人工智能几乎渗透到各个医药领域，医疗也成了最快适应和探索人工智能应用前景的行业之一。

CB Insights最近就根据自己的创投数据库，整理了23家人工智能公司，这些公司分布在临床试验的不同阶段，有望加速新药研发。

加快药物发现和配方

数据来源：Crunchbase、新闻报道

月初，英国的人工智能药物发现平台Exscientia和制药巨头葛兰素史克达成交易，Exscientia协助葛兰素史克进行10种药品的研发，并将根据研发成果获得总计4270万美元的款项。

葛兰素史克并非唯一一家希望借助人工智能加快药物研发过程的制药巨头。

2016年第四季度，英国独角兽创业公司BenevolentAI与杨森制药（强生子公司）达成独家授权协议，从强生那里获得小复方，并用人工智能开发候选药物，同时展开商业化探索。

默克与Atomwise展开了合作，后者使用深度卷积神经网络来预测生物活性（两个分子将会如何反应）。这家公司背后，有着Khosla Ventures、德丰杰、Data Collective、Y Combinator等众多投资机构，

下图就显示了Atomwise专利申请文件中的部分内容：

这项人工智能应用激发了风险投资家的兴趣：Andreessen Horowitz（与其他公司一起）参与了twoXAR种子轮融资；光速创投2013年投资了NuMed·ii；Foundation Capital参与了Numerate的3轮股权融资。

在一个相关用例中，梅奥诊所和人工智能公司Nference今年早些时候成立了Orativ，这是一家开展药物再利用业务的生物科技公司。Qrativ于2017年第三季度完成830万美元A轮融资。

病人鉴别和招募

数据来源：Crunchbase、新闻报道

美国目前有超过1.6万项研究正在招募病人。招募过程中的一大挑战是寻找符合特定研究指标的病人。

人工验证多个来源的非结构化健康数据，以了解某个病人是否适合某项临床试验，是一项非常耗时而繁琐的程序，而且往往会产生人为错误。

创业公司现在希望借助深度学习和自然语言处理技术，来自动完成这些步骤。在私有市场，诊断和风险分析是医疗人工智能最为热门的投资领域。

单纯关注临床试验匹配的创业公司仍处于发展初期，同时采用B2B和B2C两种模式。

2017年第三季度，加州Mendel.ai获得200万美元种子轮融资。Mendei.ai允许病人提交自己的病例，然后使用机器学习将其与正在进行的最合适的临床试验进行匹配。该公司还宣布与Cancer Genetic公司合作，为医疗机构“持续提供实时临床试验匹配”。

这一领域的另外一家早期创业公司Deep 6 AI使用NLP和机器学习提取和分析多个来源的病人临床数据，帮助研究人员寻找合适的病人和研究地点。

使用人工智能有助于降低每个病人的招募成本——四期临床试验目前每个病人的成本可能高达30万美元。

协议和药物依从性

数据来源：Crunchbase、新闻报道

对药物临床试验来说，药物依从性以往完全依靠病人披露的信息。如果不遵医嘱，便会对病人的健康产生反作用，还需要额外花钱招募新的病人，甚至干扰研究结果的准确性。

除了使用移动技术给病人定期发送提醒外，辉瑞和诺华等大型制药公司一直都在投资物联网和“可消化传感器”，以便追踪药物摄取过程。2017年第一季度，默克风投参与了无线药瓶开发公司Medisafe总额1450万美元的B轮融资。

其他公司也在利用用户的具体数据来追踪与药物相关的个人行为。今年早些时候，物联网创业公司Neura推出了一款人工智能软件开发工具包，可以利用多个生物传感器对数据进行处理和“个性化”，以便让用户意识到自己独特的行为模式。

这一领域的另外一家公司则是Khosla Ventures支持的Catalia Health，他们依靠对话式人工智能了解病人习惯，设置提醒，并更好地理解病人为什么有可能忘记吃药。

纽约移动SaaS平台AiCure采用了不同方法，使用图像和面部识别算法确认药物摄入。2016年第一季度，AiCure从Biomatics Capital Partners、New Leaf Venture Partners、Prizker Group Venture Capital和Tribeca Venture Partners那里获得1230万美元A轮融资。

下图来自AiCure关于药品依从性监控(左)和物体分型识别的专利申请文件：

随着人工智能越发深入地融合到病人监控流程中，创业公司可能也会采取全栈模式，将病人参与与视觉确认整合起来。

远程数据收集和分析

数据来源：Crunchbase、新闻报道

过去两年，苹果推出了Researchkit和Carekit两个开源框架，帮助临床试验招募病人，并使用智能手机和可穿戴设备收集的数据远程监控他们的健康状况。

随着消费者对移动健康应用和Fitbit及Apple Watch等可穿戴设备的依赖度提升，医疗专业人士面临的最大挑战之一，就是对目前可用的海量健康数据进行解读和分析。

人工智能与物联网密不可分，原因在于需要一个机器学习层提取来自数百万数据点的信息。人工智能-物联网在临床试验中的前景在于，可以实时监控病人的身体和行为变化。另外，在家中整合医疗设备的创业公司可以降低成本，也可以减少现场核对的频率。

3家专注于远程数据收集和分析的人工智能-物联网创业公司在2017年完成融资。

2017年，Sensely通过Bioved Ventures、成为资本、Fenox Ventures Capital、梅奥诊所风投部门完成800万美元B轮融资。

2017年第二季度，VitalConnect通过Baxter International和MVM Life Science Partners完成3300万美元C轮融资。

PhysIQ也在第二季度通过LionBird Venture Capital获得680万美元C轮融资。

监管、合规和数据安全

数据来源：Crunchbase、新闻报道

这一类别包括使用人工智能保护敏感数据的监管科技和网络安全公司，他们把医疗作为自己的重点领域之一。

例如，英国早期创业公司CheckRecipient（获得Accel Partners支持）使用机器学习监控电子邮件行为。这家创业公司的一个案例是帮助制药公司Vernalis在分发敏感研发数据的过程中确保邮件安全，减少人为错误。

来源：量子位（微信号 QbitAI）   作者：编译：李杉