《科創(chuàng)板日報》5月18日訊（記者 朱潔琰）2023年以來，AI醫(yī)療的場子特別熱！ChatGPT的火爆將AI技術(shù)、生成式技術(shù)與其他行業(yè)的融合推向了新的討論及實踐高度。其中，醫(yī)藥行業(yè)是與這些革命性技術(shù)結(jié)合的重要方向，企業(yè)家、投資人在行業(yè)會議里樂此不疲地談?wù)撝?/p>
AI醫(yī)療相關(guān)概念在資本市場上亦持續(xù)發(fā)酵，從今年年初至今，智能醫(yī)療板塊已累計上漲超15%。
事實上，AI醫(yī)療已經(jīng)不是第一次爆火，這一次有什么不一樣？現(xiàn)在行業(yè)發(fā)展到了哪一步？還面臨哪些挑戰(zhàn)？這些都是市場關(guān)注的問題。
《科創(chuàng)板日報》記者今年以來就AI醫(yī)療領(lǐng)域參加了多場行業(yè)論壇，本篇文章將把記者獲取到的最新資訊以及對明星創(chuàng)業(yè)者、專家學(xué)者、投資人的采訪進行整理，以更有針對性的回答上述問題。
AI或打開創(chuàng)新藥研發(fā)想象空間
2021年7月，DeepMind公司與歐洲生物信息研究所（EMBL-EBI）合作開發(fā)的AI系統(tǒng)AlphaFold2，榮登Science雜志公布2021年度科學(xué)突破榜單榜首。其能夠預(yù)測出超過100萬個物種的2.14億個蛋白質(zhì)結(jié)構(gòu)，幾乎涵蓋了地球上所有已知蛋白質(zhì)，在制藥界引起很大轟動。
與AlphaFold2針對已知蛋白質(zhì)序列預(yù)測蛋白質(zhì)結(jié)構(gòu)不同，生成式AI模型可以生成全新的蛋白序列或結(jié)構(gòu)。
有市場觀點認(rèn)為，AI+醫(yī)藥真正的魅力體現(xiàn)在使不可能發(fā)現(xiàn)的靶點及成藥機制成為可能，拓展用于藥物研發(fā)的初始蛋白結(jié)構(gòu)庫，創(chuàng)造新的藥物方向及增量市常
“AI是一個持續(xù)在增長、且泛化能力更強的技術(shù)，所以我們有理由相信只要去擁抱它，可能醫(yī)療真的會變得不一樣。只是我們需要先找到問題在哪里，然后再看怎么用技術(shù)去解決這樣的問題。”啟明創(chuàng)投執(zhí)行董事毛碩在第七屆未來醫(yī)療100強大會生成式AI與醫(yī)療健康論壇上說。
在英矽智能聯(lián)合首席執(zhí)行官、首席科學(xué)官任峰看來，傳統(tǒng)藥物研發(fā)面臨著研發(fā)費用高、成功率低、周期長等問題。“這主要是因為目前有三方面的問題還沒有得到解決，一是沒有找到好的靶點，二是如何生成好的分子，三是如何設(shè)計好的臨床試驗方案。而這也正是AI可以起到作用的地方。”
英矽智能是全球率先將生成式AI應(yīng)用于藥物發(fā)現(xiàn)領(lǐng)域的公司，已經(jīng)成功賦能多款抗腫瘤候選藥物的發(fā)現(xiàn)和設(shè)計。
“英矽智能的AI平臺建立在生成式AI的基礎(chǔ)上，包括靶點發(fā)現(xiàn)平臺PandaOmics，分子生成平臺Chemistry42和臨床試驗結(jié)果預(yù)測平臺inClinico。另外，我們有2款已經(jīng)推進到臨床階段的藥物，也均出自生成式人工智能平臺，包括一款全新機制用于治療特發(fā)性肺纖維化的候選藥物，還有一款靶向主蛋白酶的口服新冠小分子。”任峰說。
比如，英矽智能的多模態(tài)生成式強化學(xué)習(xí)平臺Chemistry42，就是建立在多年對大型生物、化學(xué)和文本數(shù)據(jù)集建模和訓(xùn)練的基礎(chǔ)上，包括42個生成式AI模型和超過500個用于評分的預(yù)測模型，幫助研究人員通過基于結(jié)構(gòu)的藥物設(shè)計（SBDD）和基于配體的藥物設(shè)計（LBDD）思路，利用尖端深度學(xué)習(xí)技術(shù)從頭開始生成具有所需特性的分子。
據(jù)任峰介紹，這42種生成式AI模型包含了生成式對抗網(wǎng)絡(luò)（GANs）、自注意力機制為基礎(chǔ)（Transformer-based）的知識圖譜、大型自然語言模型等多種可生成虛擬分子結(jié)構(gòu)的算法；而預(yù)測模型可以判斷每種模型所生成的候選分子是否達到所需特性，包括分子的成藥性、穩(wěn)定性、靶點選擇新、是否有晶型鹽型等等。
“我們還會利用強化學(xué)習(xí)對生成未達標(biāo)分子結(jié)構(gòu)的生成算法進行懲罰，反之進行獎勵，通過這種過濾機制去掉不準(zhǔn)確的分子。這與ChatGPT的強化學(xué)習(xí)（RLHF）模型是一樣的道理。”任峰說。
深勢科技聯(lián)合創(chuàng)始人兼CEO孫偉杰也認(rèn)為，AI可以幫助新藥研發(fā)做到過去做不了的事。深勢科技是AI for Science的標(biāo)桿企業(yè)，該公司曾在18個月內(nèi)連續(xù)完成四輪融資。深勢科技開創(chuàng)性地提出了「多尺度建模+機器學(xué)習(xí)+高性能計算」的革命性科學(xué)研究新范式，并推出了Bohrium微尺度科學(xué)計算云平臺、Hermite藥物計算設(shè)計平臺、RiDYMO強化動力學(xué)平臺及電池材料計算設(shè)計平臺等微尺度工業(yè)設(shè)計基礎(chǔ)設(shè)施，顛覆了現(xiàn)有研發(fā)模式，打造“計算引導(dǎo)實驗、實驗優(yōu)化設(shè)計”的全新范式。
AI for Science 簡單來說就是用 AI 去學(xué)習(xí)一系列事物底層運作的科學(xué)規(guī)律。
孫偉杰表示：“ AI for Science 也已經(jīng)進入到預(yù)訓(xùn)練模型時代了，那 AI for Science 所處的行業(yè)階段差不多相當(dāng)于 LLM 在 2018 年左右的時候個階段。因為我們可以發(fā)現(xiàn) AI for Science 的預(yù)訓(xùn)練模型，它的能力要遠遠超過我們?nèi)魏我粋�細分的科學(xué)問題上的小模型，那說明整個領(lǐng)域的發(fā)展正在變成由預(yù)訓(xùn)練模型來驅(qū)動的。”
“比如一些難成藥的靶點，現(xiàn)在可以開發(fā)了。以深勢科技RiDYMO平臺為例，就可以對蛋白動態(tài)構(gòu)象進行充分采樣，探索全新的隱藏/別構(gòu)口袋，誘導(dǎo)形成可藥口袋，助力難成藥靶點的理性開發(fā)。其實這本質(zhì)上是把一個生命科學(xué)的問題，轉(zhuǎn)化成了計算工程的問題。”孫偉杰說。
孫偉杰表示：如果說 GPT 是一個通識的文科生， AI for Science 就是一個硬核的理科生，它可以求解一系列復(fù)雜的物理方程，可以去推演在微觀層面電子、原子分子的運動和變化，來幫助我們做藥物研發(fā)等各種場景。所以說，AI for Science 可以說是我們研究我們的客觀世界一個基礎(chǔ)的 AI 的預(yù)訓(xùn)練模型。
合作生態(tài)逐步成熟
近年來，AI制藥行業(yè)定位更多元化，越來越垂直和深入到細分領(lǐng)域中解決實際問題，思考也在迭代。企業(yè)也開始更清楚AI在各環(huán)節(jié)可以發(fā)揮的作用和自身戰(zhàn)略定位。
在2020年后，可以看到藥企對AI制藥的態(tài)度從謹(jǐn)慎轉(zhuǎn)變到更大規(guī)模的合作。
進入2022年，晶泰科技與正大天晴等傳統(tǒng)藥企陸續(xù)達成合作，將共同研發(fā)新一代抗腫瘤藥物；英矽智能則與復(fù)星醫(yī)藥建立了管線共同開發(fā)的合作；深勢科技也與翰森制藥達成合作，共同推動后者小分子的藥物研發(fā)工作，并于近日與上海交通大學(xué)藥學(xué)院、晶泰科技等達成戰(zhàn)略合作共同推進AI for Science 在藥物設(shè)計中的實踐。
圖|國內(nèi)2021-2022年藥企+AI合作一覽，資料來源：智藥局，浙商證券研究所
此外，多家CXO上市公司也先后披露了AI布局情況。CXO公司紛紛通過自建及合作、投資等方式豐富了自身的AI+服務(wù)平臺，相關(guān)公司包括成都先導(dǎo)、藥石科技、泓博醫(yī)藥、藥明康德、美迪西、皓元醫(yī)藥等。
一位CXO企業(yè)負(fù)責(zé)人對《科創(chuàng)板日報》記者表示，現(xiàn)在他們對于AI對新藥的發(fā)現(xiàn)及生產(chǎn)的幫助是絕對肯定的，“我們公司也引入了AI，并且會向客戶做介紹。”但同時他也認(rèn)為，AI是一種技術(shù)和手段，可以擁抱，但完全依賴于這個技術(shù)不太可能。
還有哪些挑戰(zhàn)？
當(dāng)然，AI技術(shù)與醫(yī)藥行業(yè)的結(jié)合，目前仍有很多挑戰(zhàn)和問題需要克服。
啟明創(chuàng)投執(zhí)行董事毛碩指出，這其中就包括數(shù)據(jù)安全、數(shù)據(jù)共享、患者隱私、倫理等一系列問題，相關(guān)的法律基儲社會制度及政策都亟待發(fā)展。
“比如，AI導(dǎo)致的錯誤或風(fēng)險怎么辦，我們?nèi)绾巫尡O(jiān)管層放心企業(yè)使用AI技術(shù)。這是談AI技術(shù)與醫(yī)藥行業(yè)融合要關(guān)注的一個重要問題。如果這些方面沒有實質(zhì)性進展，AI技術(shù)在醫(yī)藥行業(yè)的普及是要受到挑戰(zhàn)的。”毛碩說。
另在置身于產(chǎn)業(yè)中的孫偉杰看來，AI for Science基礎(chǔ)設(shè)施建設(shè)需要的要素也還不夠成熟。
首先是跨學(xué)科人才的緊缺，AI方面的人才、科學(xué)計算的人才、大規(guī)模工程建設(shè)的人才、基礎(chǔ)學(xué)科領(lǐng)域的研究人員等，他們得緊密地配合，才能完成基礎(chǔ)設(shè)施建設(shè)。
其次是硬件上的挑戰(zhàn)，如果要達到大規(guī)模工程化體系，相應(yīng)對于芯片、網(wǎng)絡(luò)、存儲等方面的需求也要跟上。
最后落到應(yīng)用端上，即要找到適合用AI求解的問題。這即需要在底層算法上進行持續(xù)創(chuàng)新，也需要和制藥企業(yè)一道對 AI for Science 新范式下的藥物研發(fā)流程進行重新思考和實踐驗證。
（科創(chuàng)板日報記者 朱潔琰）
