除了提高药物研发效率，AI制药还能做些什么？

在药物保健这个领域，AI这把榔头来势汹汹，先有AI制药企业晶泰科技完成了约1500万美金的B轮融资，后有制药巨头罗氏以19亿美金收购肿瘤大数据公司FlatironHealth的全部股份，积极布局数字化和AI。

在制药这件事上，AI正在全面提升人类的效率

新药研发周期长、投入大、持续时间久、效率低，一直是医药领域的“心腹大患”。根据塔夫特药物发展研究中心的数据，一款新药的面市从药物发现到获得FDA批准平均大约需要96.8个月。而在成本上，德勤的数据显示，自2010年以来，12家主要制药公司的获批药物开发成本已经增加了33％，每年约16亿美元。

AI的加入，让人看到了可喜的改变。根据TechEmergence的研究报告，AI可以将新药研发的成功率从12%提升至14%， 这仅有的2%的增长不容小觑，可以为整个生物制药行业节省数十亿美元，同时，还可以省下很多研发时间。

谷歌和斯坦福的研究人员致力于利用深度学习开发虚拟筛选技术，以取代或增强传统的高通量筛选（HTS）过程，并提高筛选的速度和成功率。

另外，除了成功率，我们还可以用AI在风险率上面“做文章”。据高盛在16年年底的一份人工智能报告显示，通过实施机器学习和AI，在获批药物的平均年度开发成本为16亿美元（包括与失败药物相关的成本），或者失败药物的年度成本为300亿美元（这笔资金完全可以平均分配给获批的药物群）的情况下，人们有望将药物开发与发现的相关风险减半。如此，到2025年，全球制药行业每年即可节省约260亿美元。

除了提高效率，AI制药还有哪些可能

经过走访一些公司，智能相对论分析师颜璇了解到AI制药目前至少可以做到这些。

填上儿童用药的坑

长期以来，由于儿童专用药不足，很多患儿都会服用成人药，而成人药里所谓的“儿童酌减”存在着巨大的用药安全风险。根据国家药物不良反应监测结果显示，中国儿童用药不良反应发生率为12.9%，其中新生儿高达24.4%，分别是成人的2倍和4倍。因用药不当，我国每年约有3万名儿童耳聋，约有7000名儿童死亡。

为什么会出现这样的局面呢？据中国妇女报报道，在药品生产企业看来，儿童药的各项指标比成人药更严谨，剂型比成人药要求更高，各方面的要求也更加严格。儿童药品临床试验风险大，而适用年龄层窄，口味还需特殊调整，这都增加了企业的生产和研发成本。

除了儿童用药要求更高之外，还有一个原因是供给方太少，在我国，全国药品生产企业有8000多家，其中专门生产儿童用药的企业仅占0.1%，也就是只有8家生产儿童专用药品。

从这个现状来看，AI助力儿童用药的研发十分必要。

首先，AI在数据上绝对是个中高手。AI药物研发的底层核心就是知识图谱，其实质就是将来自实验室的理化数据、各种期刊文献中的研究成果、以及临床数据等原本没有关联的数据连通，将离散的数据整合在一起，从而提供有价值的决策支持。通过AI掌握的数据，我们可以去实验不同的药量所产生的影响，最终找到最准确的用量，还可以进行药物口味的数据管理。而这一切，周期不会太长，消费者也不需要为此承担太多的成本。

其次，儿童用药市场其实颇有潜力，有待企业挖掘。AI通过机器学习，不但可以加速时间，还可以提高到达后期试验阶段药物的成功概率。如果AI可以减少药物试验的风险，就可以为大型制药公司节约大量成本，使其能够腾出资源集中于寻找更有潜力的机会。

让中药变得可靠

全国政协委员、北京顺天德中医医院院长王承德在接受记者采访时表示，中药院内制剂是中医院的一大特色，但是，众多制剂因审批困难而放弃使用。为什么审批困难呢？关键在于一个“可靠性”。

虽然市面上还是存在很多疗效上佳的中药，但事实上的安全并不是纯粹的安全，还是有很多潜在的未知的危险因素。许多人并不信任中药，因为大部分中药都标明不了具体的分子学药理机制及毒副作用。在中药药剂里，我们无法知道某味草药的有效成分到底是哪个分子，它又是如何发挥作用的。相比之下，西药更能得到人们的信任，它有着大量的临床数据和科学理论的支撑，西药的说明书上能清楚地标明该药的药理作用和不良反应发生的概率。

所以，如果能把AI药物发现的技术用于中药研究，将是中药发展的一个里程碑。

比如，AI通过深度学习，构建神经网络，吸收所有已知的单步有机化学反应，解构药物里的分子，尝试任何单一步骤中可以使用的化学反应，重复应用这些神经网络来规划多步骤有机化学反应的合成，直到得到中药的药理和毒理机制。简单来说，就是将药汤里的所有化学物质都分离出来，通过化学反应和临床数据，找到那个真正有效的化学物质，并将其它化学物质进行一一的分析。

事实上，这类技术的雏形已经存在，只是还没有应用于中药研究。德国明斯特大学有机化学家和人工智能研究员MarwinSegler以及他的同事就开发了这样一款AI工具，这款AI工具能够预测在任何单一步骤中可以使用的化学反应，工具重复应用深度学习的神经网络来规划多步骤合成，解构所需的分子，直到它最终得到可用的启动试剂。

法规监管是最大问题

AI制药仍处在一个孤岛，除了数据来源、生物学发展以及市场竞争等要素会成为其发展过程中的挑战，AI制药最大的问题是，AI药物是否会受到与人工药物同样的法规监管。

目前，因为生物学的复杂性，还没有直接的与AI制药相关的产品被批准发行，AI在制药行业主要起到的是协助作用，包括药物挖掘、深度学习算法分析数据以及预测新药有效性等，但这只是AI进军制药行业初步的结果。

在以后，AI将会更大范围和更深层次地渗透医药领域。 譬如GSK与指导药物研发的初创公司Exscientia在药物研发达成战略合作，Exscientia通过AI药物研发平台为GSK的10个疾病靶点开发创新小分子药物，并且针对这些靶点药物发现临床候选药物。

在这之前，我们应该考虑的是，我们也许在几年后就可以拿出一个完全由AI自主研发的药物出来，但是，我们的药物监管法规是否准许AI药物的大范围发行，AI药物对医药行业的业态又会产生什么样的影响？

我们要明确的是，法规监管光看药物的有效性是不够的。药物的有效性是一个比较特别的概念，在这里，“有效”具有辩证性、相对性和动态性，并没有绝对的标准。在涉及生命的领域里，容错率低，事实上的有效并不意味着法律上的安全。在未来，AI药物可能会颇受人们争议，和如今的转基因作物面临相同的处境。

医药行业一直以来都是国家重点监管的行业之一，属于典型的政策驱动行业。当AI药物出现时，法律法规应当与时俱进，及时修改完善，甚至针对AI药物形成一套其独有的法规制度。

来源：亿欧   作者：颜璇