近年来，人工智能（AI）是生物医药产业关注的热点。许多产业资深人士期待利用人工智能和机器学习等技术，能加速药物开发的流程，提高产业的研发产率。但在热情之下，一些人也产生了对人工智能不切实际的幻想，仿佛只需要简单按下一个按钮，等上几年，就可以获得一款新药。

迈入2022年，产业对人工智能的热度不减，也有多款来自人工智能设计的药物已进入临床阶段。对于这些在研疗法，生物医药产业应有怎样的期待？今日，业内知名媒体Endpoints发表了一篇深度报告，指出产业不宜过度乐观，也不用妄自菲薄。人工智能在产业中自有其现实的价值，而产业同仁也需要有着客观和理性的预期。

火热的人工智能领域

毫无疑问，产业在近些年来为人工智能领域倾注了大量的热情。根据DealForma的数据，自2014年以来，共有103起和人工智能以及机器学习的生物技术公司相关的风投轮次，总共募集到了51亿美元的资金。其中光在2021年，就有33亿美元，占总比的近三分之二。这些公司中，不乏一些耳熟能详的名字，比如获得4亿美元C轮融资的insitro，获得3.7亿美元融资的Generate Biomedicines，以及2.55亿美元融资的Insilico Medicine。

▲2021年，涌入人工智能/机器学习新药发现公司的风投资金有明显增加（图片来源：参考资料[1]；数据来源：DealForma.com，统计至2022年2月18日）

在研发许可方面，同期的市场则更为活跃——共有243项合作签署，前期付款和期权超过10亿美元，公布的总合作金额达到377亿美元。其中，仅仅是今年1月，数额就已经达到了约100亿美元。

▲人工智能/机器学习新药发现项目的合作金额（图片来源：参考资料[1]；数据来源：DealForma.com，统计至2022年2月18日）

insitro首席执行官Daphne Koller博士在接受Endpoints采访时提到，火热的人工智能领域背后，是产业对数据的看重，以及数据收集能力的爆发。在机器学习的史前时代（上世纪九十年代早期），如果一个数据集包含几百个样本，研究人员们就会认为它已经足够庞大了。然而对于机器学习，这样的数据集还是远远不够的。

2012年，这一领域逐渐出现了转变。“大数据”进入主流，数据科学也被证实能产生重要的影响。在大规模数据的训练下，算法模型已经能在无需人类提示的情况下，自行找到一些关键信息，用于区分图片或是不同的问题。也几乎在同一时期，生物医药领域开始拥抱人工智能技术：2012年到2014年期间，多家专攻人工智能的生物技术公司先后宣告成立。

在大量资金的涌入下，这些公司也有着长足的发展。终于，产业等来了历史性的一刻：由人工智能发现的候选药物分子，已经进入了临床试验。

临床试验的关键

2020年1月，位于英国的Exscientia宣布，其候选药物DSP-1181已进入1期临床试验，旨在治疗强迫症（OCD）。相关新闻也指出，这是首个由人工智能平台创造，并进入临床试验的分子——它来源于大规模化合物数据库的筛选。

Recursion随后宣布有两款候选分子进入临床。Endpoints的深度报告指出，它们的诞生，依旧是通过传统的药物发现手段——一款来自Dean Li博士的实验室，另一款则是从俄亥俄州立大学获取的授权。但该公司的创新在于，利用人工智能平台，找到了这两款药物的新应用场景。

然而在热度之外，目前这些临床试验的结果还少之又少。同样是来自Endpoints的报告，作者提到目前仅有的数据来自Exscientia一项公开标签的1期篮子试验。Recursion尚未发表任何1期临床数据，尽管其“已经在为今年年初的2期临床试验做准备。”

看似激进的发展，也引来了人工智能领域另一些从业者的担忧。1910 Genetics首席执行官Jen Nwankwo博士指出在快速推进人工智能管线的同时，应当注意是否能为患者带来真正的改变。在她看来，人工智能与机器学习再怎么能颠覆产业的研发格局，也只是开发好药新药的工具之一。热度之下，关键还在于这些进展是不是能实质性改变患者生活。

“筹集的资金、风险投资的金额、与业务发展伙伴以及医药公司的前期合作规模，这些都是空泛的指标，”Nwankwo博士提到，“我们是一家生物技术公司，让我们来谈谈想要推向市场的药物，我觉得对此的关注还远远不够。对我而言，这不是正确的思考方式。”

重拾理性

Koller博士最担心的问题之一，在于人工智能技术一旦遭遇失利，是否会被其热度所反噬。她说在过去，生物医药产业曾有不少类似的例子：人们曾夸下海口，却最终遭遇失败，导致整个领域的停滞。在人工智能领域，即便第一批进入临床试验的药物没有取得预想中的结果，她也不希望就此终结投资者和研究人员们的热忱。

背后的原因很简单，与以往的泡沫不同，如今的人工智能技术表明它们真的可以给研发过程带来价值。驾驭了爆炸性的数据增长之后，强大的计算力能用于早期药物发现，或是让大规模的关键性试验变得更为高效。人工智能会对研发过程提供协助，只是我们还不知道协助的比例是多少，是5%？50%？还是80%？

为此，产业的领导者需要做的，是合理调整人们的预期，使其与实际情况结合起来。人们期待能快速看到结果，但成功要比速度更重要。

而调整预期的过程，可能需要大型药企与生物技术公司的共同努力。Endpoints的深度报告指出，目前不少大型药企正在建立自己的人工智能项目，而且正冷静地看待这项创新的工具。葛兰素史克的人工智能与机器学习全球负责人Kim Branson博士提到，在期待看到范式转变的同时，他也期望为这个领域设置合理的目标；诺华的人工智能创新实验室全球负责人Iya Khalil博士则指出，目前机器学习方面的努力很像当时的人类基因组计划。谁都不否认它的重要性，但单独解析出基因组的数据，并不能一下子带来数十种全新的药物。

而生物技术公司也有望做得与众不同。Khalil博士点评指出，一个关键策略是在失败来临之前，先建立起足够的成功机遇。这样一来，即便遭遇失败，这个领域也能从失败中学习，变得更好。另外的一些策略则包括向其它公司提供服务，譬如Insilico Medicine也在为其它公司提供软件。通过使用这些工具，产业的研发人员能够评估研发项目的成功可能。该公司的首席执行官Alex Zhavoronkov博士在Endpoints的采访中提到。

人工智能的未来

大部分生物医药产业的人都相信，我们正处于一个转变期的开端。只是这个转变的幅度能有多大，目前还没有一个明确答案。乐观点讲，倘若上一个十年是属于数据科学的十年，那么这个十年，有可能成为人工智能的十年。问题在于，目前人工智能所获得的热度，是否能为产业带来与之相称的改变？

Koller博士指出，她在这一领域看到了大量的机会，因此不认为热度只是炒作。另一方面，她也指出率先的创新者，也须兼具相应的责任感，因为失败会给领域带来影响。“即便你有一个机器学习模型，能在好靶点的寻找上带来巨大变化，即便你能将成功率从5%提升到10%，或者是20%，失败仍然会是大多数，” Koller博士提到，“你需要真正有长远的目光，理解我们在药物发现领域所尝试做的事，是最困难的事之一。”

这是因为生物学领域极为复杂，人体内的许多系统都相互交织。如果我们改变了其中的一处，从未设想过的另一处也有可能突然出现，带来问题。Koller博士在Endpoints的访谈里讲道。为此，研究人员们还有很长的路要走。在这条道路上，人工智能与科研人员的通力合作，有望产生新的变革。

参考资料：

[1] Biopharma has hyped AI for years. But as the first trials get underway, experts try to manage expectations, Retrieved February 22, 2022, from https://endpts.com/biopharma-has-hyped-ai-for-years-but-as-the-first-trials-get-underway-experts-try-to-manage-expectations/

来源: 新浪医药新闻 药明康德 https://med.sina.com/article_detail_103_2_113242.html