《紐約時報》高級科技記者約翰·馬爾科夫曾說過，“人工智能就像把新榔頭，每個領域都是顆釘子，都可以敲一下?！彪S著人工智能技術的成熟，AI去敲醫藥領域這顆釘子已是可以看見的事實。當人工智能大步邁進制藥行業，兩者之間會擦出什么樣的火花呢？

本文首發于智能相對論，作者顏璇，以下帶來億歐智庫精選：

在藥物保健這個領域，AI這把榔頭來勢洶洶，先有AI制藥企業晶泰科技完成了約1500萬美金的B輪融資，后有制藥巨頭羅氏以19億美金收購腫瘤大數據公司FlatironHealth的全部股份，積極布局數字化和AI。

在制藥這件事上，AI正在全面提升人類的效率

新藥研發周期長、投入大、持續時間久、效率低，一直是醫藥領域的“心腹大患”。根據塔夫特藥物發展研究中心的數據，一款新藥的面市從藥物發現到獲得FDA批準平均大約需要96.8個月。而在成本上，德勤的數據顯示，自2010年以來，12家主要制藥公司的獲批藥物開發成本已經增加了33％，每年約16億美元。

AI的加入，讓人看到了可喜的改變。根據TechEmergence的研究報告，AI可以將新藥研發的成功率從12%提升至14%， 這僅有的2%的增長不容小覷，可以為整個生物制藥行業節省數十億美元，同時，還可以省下很多研發時間。

谷歌和斯坦福的研究人員致力于利用深度學習開發虛擬篩選技術，以取代或增強傳統的高通量篩選（HTS）過程，并提高篩選的速度和成功率。

另外，除了成功率，我們還可以用AI在風險率上面“做文章”。據高盛在16年年底的一份人工智能報告顯示，通過實施機器學習和AI，在獲批藥物的平均年度開發成本為16億美元（包括與失敗藥物相關的成本），或者失敗藥物的年度成本為300億美元（這筆資金完全可以平均分配給獲批的藥物群）的情況下，人們有望將藥物開發與發現的相關風險減半。如此，到2025年，全球制藥行業每年即可節省約260億美元。

除了提高效率，AI制藥還有哪些可能

經過走訪一些公司，智能相對論分析師顏璇了解到AI制藥目前至少可以做到這些。

1.填上兒童用藥的坑。

長期以來，由于兒童專用藥不足，很多患兒都會服用成人藥，而成人藥里所謂的“兒童酌減”存在著巨大的用藥安全風險。根據國家藥物不良反應監測結果顯示，中國兒童用藥不良反應發生率為12.9%，其中新生兒高達24.4%，分別是成人的2倍和4倍。因用藥不當，我國每年約有3萬名兒童耳聾，約有7000名兒童死亡。

為什么會出現這樣的局面呢？據中國婦女報報道，在藥品生產企業看來，兒童藥的各項指標比成人藥更嚴謹，劑型比成人藥要求更高，各方面的要求也更加嚴格。兒童藥品臨床試驗風險大，而適用年齡層窄，口味還需特殊調整，這都增加了企業的生產和研發成本。

除了兒童用藥要求更高之外，還有一個原因是供給方太少，在我國，全國藥品生產企業有8000多家，其中專門生產兒童用藥的企業僅占0.1%，也就是只有8家生產兒童專用藥品。

從這個現狀來看，AI助力兒童用藥的研發十分必要。

首先，AI在數據上絕對是個中高手。AI藥物研發的底層核心就是知識圖譜，其實質就是將來自實驗室的理化數據、各種期刊文獻中的研究成果、以及臨床數據等原本沒有關聯的數據連通，將離散的數據整合在一起，從而提供有價值的決策支持。通過AI掌握的數據，我們可以去實驗不同的藥量所產生的影響，最終找到最準確的用量，還可以進行藥物口味的數據管理。而這一切，周期不會太長，消費者也不需要為此承擔太多的成本。

其次，兒童用藥市場其實頗有潛力，有待企業挖掘。AI通過機器學習，不但可以加速時間，還可以提高到達后期試驗階段藥物的成功概率。如果AI可以減少藥物試驗的風險，就可以為大型制藥公司節約大量成本，使其能夠騰出資源集中于尋找更有潛力的機會。

2.讓中藥變得可靠。

全國政協委員、北京順天德中醫醫院院長王承德在接受記者采訪時表示，中藥院內制劑是中醫院的一大特色，但是，眾多制劑因審批困難而放棄使用。為什么審批困難呢？關鍵在于一個“可靠性”。

雖然市面上還是存在很多療效上佳的中藥，但事實上的安全并不是純粹的安全，還是有很多潛在的未知的危險因素。許多人并不信任中藥，因為大部分中藥都標明不了具體的分子學藥理機制及毒副作用。在中藥藥劑里，我們無法知道某味草藥的有效成分到底是哪個分子，它又是如何發揮作用的。相比之下，西藥更能得到人們的信任，它有著大量的臨床數據和科學理論的支撐，西藥的說明書上能清楚地標明該藥的藥理作用和不良反應發生的概率。

所以，如果能把AI藥物發現的技術用于中藥研究，將是中藥發展的一個里程碑。

比如，AI通過深度學習，構建神經網絡，吸收所有已知的單步有機化學反應，解構藥物里的分子，嘗試任何單一步驟中可以使用的化學反應，重復應用這些神經網絡來規劃多步驟有機化學反應的合成，直到得到中藥的藥理和毒理機制。簡單來說，就是將藥湯里的所有化學物質都分離出來，通過化學反應和臨床數據，找到那個真正有效的化學物質，并將其它化學物質進行一一的分析。

事實上，這類技術的雛形已經存在，只是還沒有應用于中藥研究。德國明斯特大學有機化學家和人工智能研究員MarwinSegler以及他的同事就開發了這樣一款AI工具，這款AI工具能夠預測在任何單一步驟中可以使用的化學反應，工具重復應用深度學習的神經網絡來規劃多步驟合成，解構所需的分子，直到它最終得到可用的啟動試劑。

法規監管是最大問題

AI制藥仍處在一個孤島，除了數據來源、生物學發展以及市場競爭等要素會成為其發展過程中的挑戰，AI制藥最大的問題是，AI藥物是否會受到與人工藥物同樣的法規監管。

目前，因為生物學的復雜性，還沒有直接的與AI制藥相關的產品被批準發行，AI在制藥行業主要起到的是協助作用，包括藥物挖掘、深度學習算法分析數據以及預測新藥有效性等，但這只是AI進軍制藥行業初步的結果。

在以后，AI將會更大范圍和更深層次地滲透醫藥領域。 譬如GSK與指導藥物研發的初創公司Exscientia在藥物研發達成戰略合作，Exscientia通過AI藥物研發平臺為GSK的10個疾病靶點開發創新小分子藥物，并且針對這些靶點藥物發現臨床候選藥物。

在這之前，我們應該考慮的是，我們也許在幾年后就可以拿出一個完全由AI自主研發的藥物出來，但是，我們的藥物監管法規是否準許AI藥物的大范圍發行，AI藥物對醫藥行業的業態又會產生什么樣的影響？

我們要明確的是，法規監管光看藥物的有效性是不夠的。藥物的有效性是一個比較特別的概念，在這里，“有效”具有辯證性、相對性和動態性，并沒有絕對的標準。在涉及生命的領域里，容錯率低，事實上的有效并不意味著法律上的安全。在未來，AI藥物可能會頗受人們爭議，和如今的轉基因作物面臨相同的處境。

醫藥行業一直以來都是國家重點監管的行業之一，屬于典型的政策驅動行業。當AI藥物出現時，法律法規應當與時俱進，及時修改完善，甚至針對AI藥物形成一套其獨有的法規制度。