面對新冠肺炎，“AI醫生”早早便投入疫情阻擊戰場：AI測溫系統利用“人體識別+人像識別+紅外/可見光雙傳感”方案，能在高密度人員流動場景下快速排查發燒者；全基因組檢測分析平臺可以快速精確地診斷傳染患者，并檢測可能存在的病毒變異情況；利用大數據構建疫情分散圖，能夠分析新冠患者的軌跡圖，為聯防聯控疫情……而在藥物研發領域，通過大數據處理、機器學習、深度學習等技術，AI正發揮著越來越重要的作用。

疫情之下的AI“智”藥

近日，工信部發布倡議書，提出要加大科研攻關力度，盡快利用人工智能技術補齊疫情管控技術短板，快速推動產業生產與應用服務；要發揮人工智能的效用，優化AI算法和算力，助力病毒基因測序、疫苗/藥物研發、蛋白篩選等藥物研發攻關。

清華大學藥學院院長、全球健康藥物研發中心主任丁勝曾在采訪時表示，GHDDI（全球健康藥物研發中心）早前已部署相關團隊從事“AI+藥物研發”工作，比如，已經上線的人工智能藥物研發平臺和大數據分享平臺，就是由人工智能研發團隊支持運作的。同時，GHDDI也正向社會上有研發基礎的科研人員或機構免費提供中心的高通量篩選平臺、多個化合物分子庫等優質資源，阿里也在疫情期間在該平臺上免費開放AI算力，助力新藥和疫苗的相關研發工作。

AI如何賦能新藥研發？

新藥和疫苗研發，是個費時費力耗資的過程。據《Nature》的相關報道，在美國研發一種新藥，從項目啟動到被美國食品藥品監督管理局批準上市，平均需要花費10-15年的時間，研發成本約為26億美元。基于大數據、云計算提供的AI技術，可以充分利用現有醫療資源，簡化科研人員耗費在數據分析、大規模文獻篩選和科學超算等工作上的時間，幫助科研機構大幅縮短疫苗研發周期，減少醫藥研發成本。

當前，AI與藥物研發相結合的主要應用在包括：發掘藥物靶點、挖掘候選藥物、藥物設計、藥物合成、病理生理學研究及新適應癥的開發，以及老藥新用等主要場景。據北京大學前沿交叉學科研究院定量生物學中心裴劍鋒教授介紹，融合運用人工智能技術，可為前期新藥研發階段節約40-50%的時間，每年節約約260億美元的化合物篩選成本和280億美元的臨床實驗費用，新藥研發人工智能正成為藥物研發的重要新工具。針對本次新冠肺炎疫情，GHDDI已經使用了3種互補的研發方案來尋找臨床上安全有效的藥物，正在進行進一步確認研究和排序，希望盡快將方案提交國家相關機構并協助推進臨床研究。

“現在藥物研發的時間和經濟成本越來越高，而AI技術是有力的突破點。”裴劍鋒表示，作為一種強大的數據挖掘工具，人工智能技術在近幾年已經應用到藥物設計的各個領域。“例如知識圖譜技術可以快速的進行老藥新用和藥物靶標的發現，AI分子生成技術可以高效快速的設計和優化新藥分子，現在的AI逆合成分析技術也日漸成熟，可以自動指導新藥的合成路線設計，AI也技術顯著提高了藥物有效性及安全性預測的準確率。”

部分初創企業已在探索用于研發新藥的AI技術，科研機構和醫藥公司對這一領域正在投入更多資源。葛蘭素史克與英國的人工智能初創企業Exscientia合作，出資4300萬美元用于藥物研發，在未公開的治療區域為10個選定的靶向藥物識別小分子；新加坡國立大學創建的“CURATE.AI”的人工智能平臺，可以利用患者的臨床數據，來快速識別藥物劑量，并在此基礎上對腫瘤大小或腫瘤生物標志物水平進行修正。

“智”藥之路，任重而道遠

AI+藥物研發的背后同樣隱藏著諸多挑戰。“AI用于藥物研發幾十年前就已經開始了，到目前為止，除了可以降低藥物研發行業的入門門檻，讓更多非專業性人才一同加入研發的前期工作，在我看來，AI暫時并沒有為整個領域帶來特別大的改變。”

作為美國生物制藥研發公司DeepBiome Therapeutics的創始人，羅成偉博士長期專注于利用AI挖掘人類微生物組的領域，他表示：“以新的小分子研發過程來舉例，首先需要大量計算和模型來確定并驗證分子的可用性，然后在不同的細胞系中做實驗，再到動物模型的各類臨床實驗，AI發揮作用的計算部分，在藥物研發過程中占到的比例僅為2%左右。”

AI+醫藥的領跑者IBM公司，在2019年4月因財務業績低迷而決定停止開發和銷售藥物開發工具Watson人工智能套件。羅成偉坦言：“AI助力藥物研發需要足夠多的數據點作為支撐，但在世界范圍內，各大藥廠的數據共享是個難題，因此使得AI作用削弱。”中國的AI技術應用在醫藥研發上也存在不少短板，例如對于非結構化的醫藥文獻信息處理技術，還處于比較初級的階段；AI技術對于醫藥研發中常見的小數據問題的學習和處理能力不強等問題。

“中國的AI+藥物研發亟需發展更多更好的原創性算法和底層工具。”裴劍鋒認為，AI輔助醫藥研發必然是未來新藥研發的主要技術方向之一，有可能促進新藥研發方式的改變。未來，隨著強人工智能和認知智能技術的發展，這些問題將逐步得到解決。