人工智能與制藥結合不斷提速

  今年下半年，醫藥巨頭輝瑞和禮來均宣布首次設立首席人工智能官，這一崗位的設立，表明人工智能被提升到公司最高管理層級別。兩家公司一個被稱作“宇宙藥企”，一個則是全球市值最高藥企，可以說代表著全球制藥業在戰略上的最新動向。

  那么，人工智能到底如何改變了制藥流程？

  星亢原聯合創始人兼首席執行官劉帆介紹，人工智能技術在傳統制藥中的應用，大致可分為三個階段：藥物靶點的發現和識別、藥物分子設計、臨床開發和臨床轉化方案的優化。“這其中，第二階段數據最豐富，人工智能技術應用也更成熟。”

  前不久，人工智能制藥領頭企業英矽智能對外宣布，其一款人工智能藥物取得積極結果，數據顯示出良好的安全性和劑量依賴性的藥效趨勢，這也成為全球首個人工智能藥物概念驗證案例。

  星亢原介紹了其在藥物分子設計與優化方面的進展，目前公司已搭建了由“人工智能+生物物理+高通量”三大要素組成的創新藥物研發平臺。“我們希望用創新技術和平臺去解決制藥領域的‘老大難’問題，即‘不可成藥’靶點的成藥問題”，劉帆介紹，公司進展最快的一個產品管線于今年年底在美國食品藥品管理局進行臨床試驗申報，這是一款針對實體瘤的腫瘤免疫靶點，是星亢原利用人工智能計算篩選蛋白進而實現成藥的一個典型案例。

  研發效率顯著提升

  在人工智能引領的新一代信息技術革命浪潮下，藥物研發效率大大提升。英矽智能聯合首席執行官任峰曾表示，人工智能技術的應用使得某些藥物分子的研發較傳統方式用時縮短了三分之二，研發費用只有行業平均研發費用的十分之一。平均來看，在沒有人工智能支持的情況下，新藥研發管線的成功率通常低于5%，而人工智能的引入可以將這一數字提高3至5倍。

  回顧這些年，人工智能制藥領域不論是資本市場表現，還是管線推進，都經歷了起起伏伏的發展。

  英矽智能高級業務拓展總監王玨坦言，在很多藥物研發實際場景中，尤其是在具備較好的數據基礎的環節，人工智能已經實現了非常好的落地。但是，由于藥物研發鏈條長、涉及數據種類多，想要通過人工智能完成藥物研發“端到端”的系統性提升，目前仍非常具有挑戰。

  前路漫漫亦燦燦。2024年諾貝爾三大科學獎項中，兩大獎項與人工智能研究相關。同樣也是在今年，一家人工智能領域新銳公司推出了一款能夠生成新型蛋白質的里程碑人工智能模型，利用這一模型，研究團隊生成了一種新型綠色熒光蛋白。

  在海通證券投行委醫療健康行業組負責人王莉看來，這些成果的發布對于投資界來說是相當大的鼓舞。“新型綠色熒光蛋白需要5億年的進化才能自然發生，而這家人工智能領域新銳公司成立于2023年。這讓我們感到，人工智能與醫療行業的結合迎來了真正的第二波浪潮，一些底層邏輯開始在真正意義上進行兌現，而不再是講故事。”

  王莉表示，其團隊在七八年前就開始關注人工智能與醫療場景的結合。起初，人工智能應用的場景更多是人員的替代、效率的提升。“但在這些場景中，人工智能作為一種工具產生的價值一直是被打問號的，大家也在懷疑人工智能在這些場景中是否有落地的必要性。后來，我們將目光聚焦在人工智能與制藥的結合領域，在這一應用場景中，人工智能并不是在提升人員效率，而是在提升時間效率和資金效率上發揮作用。我們期待人工智能是一種顛覆性的存在，能夠改變行業發展邏輯，而這也是它的價值魅力所在。”

  可以看到，相較于海外，國內人工智能制藥行業起步較晚，但其追趕勢頭強勁。2021年是國內人工智能制藥的創業高峰，共有27家公司在這一年創立。今年6月，晶泰科技正式在港交所掛牌上市。

  “人工智能+醫療”駛入快車道

  當前，人工智能與醫療結合的領域廣泛，不僅限于制藥相關場景。

  “隨著人工智能、元宇宙等技術的發展，其在醫療領域的應用范圍也越來越廣泛。我們目前聚焦的數字醫學仿真技術，就是將一些元宇宙的技術與醫學方面的應用相結合，提升醫生、護士以及儀器操作人員的培訓效率，改善目前基層醫療服務能力差的現狀。”復旦大學智能機器人研究院常務副院長張立華表示。

  “2019年全國每千名兒童兒科醫生數僅為0.63，2021年兒童兒科醫生僅占全國總醫師數的3.2%。”張立華表示，其研究的標準化兒童患者模型，可基于虛實結合的模擬方案構建標準化兒童患者模型，搭建高保真模擬診療系統，實現基層兒科醫生的規范化、規模化，以及基層醫療機構診療能力的客觀評估。

  森億醫療致力于醫療的數據化和智能化。“雖然中國沉淀了全球最龐大的醫療數據，但很多數據未經標準化處理，或者仍是孤島，對于人工智能來說并不好用，甚至不可用。”公司首席技術官殷嘉珩介紹，公司與醫院傳統信息系統進行對接，并通過醫學自然語言處理技術進行處理，實現了對已有病歷信息進行識別、處理和標準化。

  從政策端來看，人工智能與醫療的結合也已進入快車道。今年11月，國家衛生健康委、國家中醫藥局、國家疾控局聯合發布《衛生健康行業人工智能應用場景參考指引》，聚焦“人工智能﹢”與醫療服務管理、基層公衛服務、健康產業發展、醫學教學科研相結合的四大領域，明確醫學影像智能輔助診斷等84個細分領域的基本概念和應用場景。

  值得注意的是，人工智能落地醫療領域還面臨很多挑戰。張立華表示，目前在醫院等機構中，很多醫療數據的沉淀尚未完全開放，解決醫療數據的安全共享問題需要加速。

  錦天城律師事務所合伙人、醫療健康委員會秘書長吳旭日表示，需要關注人工智能應用于醫療領域時的法律和倫理風險。“不論是在制藥領域、診療領域，還是在器械領域，未來人工智能的應用都存在數據合規性、敏感個人信息的保護問題；在倫理方面，目前業界關于算法偏見、算法黑箱等問題也多有討論。此外，人工智能應用于不同場景的法律風險也值得關注，比如，智能診療中的處方權問題、手術機器人的限制性使用問題�？傮w來看，人工智能技術仍在不斷發展中，監管部門、法律從業機構等需要直面挑戰，不斷發現人工智能醫療應用場景中存在的法律問題并推進立法完善。”