" 比 DeepMind 的 AlphaFold，要更加完整。"
" 传统新药研发需 10 年，它却只用了18 个月。"
" 还是全球首例。"
……
这就是当 AI 与生物、化学相结合，擦出的火花所创造的奇迹。
而宣布这一消息的，正是 AI 药物研发公司 Insilico Medicine。
具体而言，主要通过 AI 完成了两项任务：
通过人工智能发现了治疗具有广泛适应症的创新靶点。
通过人工智能产生了全新的小分子化合物，并且一直把这个化合物推到临床侯选化合物。
不仅如此，Insilico Medicine 的化合物，还即将进入临床研究阶段。
英伟达 CEO黄仁勋对此点赞道：
实现了我们几年前的梦想——通过 AI 加速药物研发。
把 AI 的力量导入各产业以解决我们所面临的挑战，显得无比重要。
甚至连创新工场董事长兼 CEO李开复都坦言一个错误：
我以前说过，AI 最弱的地方就是它没有创造性，只有人能创造出新的东西。
今天我想 Insilico Medicine 至少证明了我在这个问题上是错的，因为他们真的发明了一个新的药物。
新药研发，只需 18 个月、200 万美元
首先需要介绍的是，此次 AI 研发的，是一种全新机制的用于治疗特发性肺纤维化 （IPF）的临床候选新药。
据了解，IPF 病因至今未明，医学界尚不清楚其发病机制，且该病多为散发，患者从出现症状到死亡，平均存活年限不超过 5 年。
而且现在用于治疗 IPF 的药物已在临床使用 30 多年，且仅对 10%～30% 的病人有效。
Insilico Medicine 首席执行官 Alex Zhavoronkov 说：
将正确的药物靶点与正确的疾病联系起来，是药物研发的最大挑战。
除此之外，在找到靶点之后如何发现、发明新化合物，而后又该怎样设计好的临床方案，来减少临床上的不可预测性，都是这个过程中面临的挑战。
对此，Insilico Medicine 发明了一个Pharma.AI人工智能平台。
分别针对三个痛点，发明了三个不同的 AI 引擎。
PandaOmics：主要是通过组学的数据分析来帮助发现靶点。
Chemistry42：可以基于生成式对抗网络（GAN）以及深度学习，以及蛋白结构或者配体结构进行化合物设计。
InClinico：可以帮助预测临床试验的结果，同时也能指导正确的临床实验方案。
据首席科学官任峰博士介绍， Insilico Medicine 前期要做的事情，就是将这三个 AI 系统统一起来研发新药物：
通过 AI 系统，我们发现了一个新的靶点，它针对多种纤维化都有作用，包括肺纤维化、肝纤维化、皮肤纤维化和肾纤维化。
△ Insilico Medicine 首席科学官，任峰
而在找到这样的靶点之后， Insilico Medicine 通过大量实验数据的验证，对靶点以及对化合物进行了充分的证明，最后才成功发明了这一临床侯选化合物。
包括酶学活性的测试、细胞学活性的测试、动物模型有效性测试，以及小鼠的毒理试验、药代动力学试验等，来评估化合物的安全性和耐受性。
也正是由于 AI 在此过程中发挥的作用，还使得成本降低的同时，效果还翻倍。
据介绍，按照传统方式，针对新的靶点来讲，需要 2.5 年到 4.5 年的时间，需要合成几百个化合物，以及需要数千万美元的经费。
而 Insilico Medicine 却只用了 18 个月的时间，合成了小于 80 个化合物，同时研发经费只有不到 300 万美元。
不仅如此，在相同疗效下，给药剂量是市面药物的 1/10，但活性却要高出 5-10 倍。
虽具突破性，但也只是迈出了一步
所说 AI 在此次药物研发方面取得了重大突破，但若是以十分制来打分，成绩又会如何呢？
对此，李开复先是认可了其突破性，但却给出了这样的分数：
1 分。
△创新工场董事长兼 CEO，李开复
李开复强调，打了 1 分，其实表示的是 AI 赋能医疗健康的整体情况仍处于初步阶段，" 但万里长征迈出了突破性的第一步 "。
若以 DeepMind 在数月前推出的 AlphaFold 做比较，确实是具备突破性的。
虽然 AlphaFlod 在非常困难的蛋白折叠问题上，做到了超越人的能力，但这只能说是在一个 " 点 " 上。
但 Insilico Medicine 的发明，可以说是一个完整的、产品化的解决方案。
而且能够把整个新药研发流程打通，说明 AI 也可以用创意的方式解决很难的事情。
但李开复给出 "1 分 " 也是有原因的，他认为：
我们今天其实只走了第一步，未来的潜力特别的巨大，整个流程可以更快被打通。
AI 跟今天的科学家扮演的是一个合作的角色，以后可能会有更多不同的角色。
所以我们非常兴奋，一部分是因为里程碑的事件，一部分是未来还有更好的愿景我们可以期待。
启明创投主管合伙人 梁颕宇，也对这样的分数表示认可。
AI 在医疗领域第一个大规模的应用是 AI+ 影像，这也得益于 AI 图像识别技术发展的成熟，后面慢慢衍生到药物研发的领域，并取得了很好的进展。
从医疗领域全景来看，还有很多 AI 没有介入的领域，很多问题更复杂，需要更长的时间、更系统化的解决方案。
△启明创投主管合伙人，梁颕宇
如此看来，AI 在医疗健康这条赛道中，虽迈出了关键一步，但依旧还有漫漫长路要前行。
那么若是对此要做一个前瞻性的猜想，20 年后"AI+ 生命科学 " 将会是怎样一种场景？科技驱动的突破口又有哪些？
对此，李开复认为，AI 底层就是一个数字化的演进，什么领域能够变成数字化，它就可能用数据科学和 AI 来帮它提升价值。
至于这条赛道的未来，李开复认为可以分三部分来讲。
首先，是在新药的研发和加速方面。
这个过程中会涉及到一个自动化的问题，例如机械臂，可以一周 7 天、每天 24 小时地不断工作。
它非常高速度去测试各种医疗的可行性，使新药研发变得更便宜、更快速、更有效。
李开复认为，" 这肯定是一个未来发展的方向 "。
其次，是在诊断方面。
虽然现在在这方面，影像技术是一个非常好的切入点，但若放眼 20、30 年之后，" 一定是 AI 机器人的诊断，会超过医生的水平 "。
因为没有医生可以记得所有新发明的药物，医生一旦每天忙着看病人，不可能对新的治疗方法、药物都能够背得那么熟悉。
而且每一个病人的情况，可能都不尽相同。
而一套 AI 的诊断系统，可以在很短的时间，就可以诊断几十亿的病人，这里学习到的内容跟数据一定是巨大。
第三，是机器人方面。
在今天手术的过程当中，机器人参与程度已经达到了 20%，李开复认为，以后机器人的参与率还会提高，并且还会出现更多类型的机器人，比如纳米机器人，将有助于对抗癌症。
最后，李开复对于 "AI+ 医疗 " 这条赛道，做出了这样的总结：
我觉得二三十年以后，真的就是一个 AI 加上人的最好结合。
未来 20 年的推动可能会大于人类过去几千年所有历史的累计。
— 完 —
点这里关注我，记得标星，么么哒～
加入 AI 社群，拓展你的 AI 行业人脉
量子位「AI 社群」招募中！欢迎 AI 从业者、关注 AI 行业的小伙伴们扫码加入，与50000+ 名好友共同关注人工智能行业发展 & 技术进展：
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~
如若转载，请注明出处：https://www.ozabc.com/keji/426409.html