人工智能在医学影像诊断方面的用途已经被越来越多的临床研究所证实，FDA也已至少批准了5款AI诊断工具。而人工智能在药物研发上的尝试才刚刚开始，目前主要集中于靶点的发现与验证，以及先导化合物的发现与优化两个方面。创业公司纷纷涌现，而大型药企也开始与这些初创公司开展合作（包括阿斯利康与Berg，强生与BenevolentAI，默沙东与Atomwise，武田制药与Numerate，赛诺菲和葛兰素史克与Exscientia，辉瑞与IBMWatson等）。目前成果都还比较初期，但前景令人期待。
Berg公司的InterrogativeBiology技术平台对从患者样本进行高通量质谱分析，获得患者的基因组、蛋白组、代谢组以及线粒体功能等多方面信息。这一过程可以从一个患者样本中获得上兆个数据点。这些数据与患者的临床信息相结合，通过AI分析，详细描绘出患者体内生物系统个体化状态。根据这些信息，研究人员可以进一步发掘与疾病相关的生物标记物，检测手段和治疗方法。
Atomwise公司的AtomNet平台，是一种深度卷积神经网络。通过自主分析大量的药物靶点和小分子药物的结构特征，AtomNet可以学习小分子药物与靶点之间相互作用规律，并且根据学习到的规律预测小分子化合物的生物活性，从而加快药物研发进程。公司成立以来，已经与斯坦福大学、Scripps研究所等著名科研机构合作开展了27个药物研发项目，与默沙东也有药物研发合作项目。BenevolentAI公司自从2013年创建以来，已开发出24个候选药物，有的已经进入临床IIb期试验。
参考观研天下发布《2018年中国医药行业分析报告-市场运营态势与发展趋势预测》
Numerate公司的创新药物设计平台运用机器学习技术来模拟小分子化合物的药物特性，比如靶点结合能力和特异性，药物动力学和药物代谢特性，以及毒副作用等。这一平台的药物筛选流程会依据特定的药物活性、特异性和ADME模型，从包含一兆个模拟化合物的化合物库中选出2500万个化合物进行模拟测试。这个过程只需要一周就可以完成，每个模拟化合物的测试成本为0.01美分。化学家会对测试结果进行分析，挑选出最有希望的模拟化合物进行合成和实验。实验结果被用于修正和改良模拟的准确性，随着这个过程的不断循环，模拟系统给出的候选化合物将越来越有针对性。目前该公司的药物研发管道包含治疗代谢疾病，心血管疾病和阿兹海默病的候选药物。
InsilicoMedicine公司收集了大量不同年龄的健康和患病人群的多类组学数据，并且利用机器学习对这些数据进行综合分析，从中找出与衰老和疾病有关的生物标记物，并且根据这些数据寻找上市药物的新功能，发现新的抗衰老药物。该公司的另一项业务是与研究所和制药公司合作，利用自身对深度神经网络机器学习的专长，帮助它们进行药物研发、发现生物标记物和开发研究衰老的新工具。该公司与世界上150多个机构建立了合作关系。
中国在数据、人才、资本、政府支持力度等方面的优势，使很多人期待中国在人工智能上可超越美国而领先世界。当前，中国在人工智能上的创业投资和专利数量确实已超过美国，在脸部识别、汉语的语音语义识别和机器翻译等领域，中国公司的算法也全球领先。但在人工智能与医药医疗的结合上，中国尚有所落后，未来值得关注。
Berg公司的InterrogativeBiology技术平台对从患者样本进行高通量质谱分析，获得患者的基因组、蛋白组、代谢组以及线粒体功能等多方面信息。这一过程可以从一个患者样本中获得上兆个数据点。这些数据与患者的临床信息相结合，通过AI分析，详细描绘出患者体内生物系统个体化状态。根据这些信息，研究人员可以进一步发掘与疾病相关的生物标记物，检测手段和治疗方法。
Atomwise公司的AtomNet平台，是一种深度卷积神经网络。通过自主分析大量的药物靶点和小分子药物的结构特征，AtomNet可以学习小分子药物与靶点之间相互作用规律，并且根据学习到的规律预测小分子化合物的生物活性，从而加快药物研发进程。公司成立以来，已经与斯坦福大学、Scripps研究所等著名科研机构合作开展了27个药物研发项目，与默沙东也有药物研发合作项目。BenevolentAI公司自从2013年创建以来，已开发出24个候选药物，有的已经进入临床IIb期试验。
参考观研天下发布《2018年中国医药行业分析报告-市场运营态势与发展趋势预测》
Numerate公司的创新药物设计平台运用机器学习技术来模拟小分子化合物的药物特性，比如靶点结合能力和特异性，药物动力学和药物代谢特性，以及毒副作用等。这一平台的药物筛选流程会依据特定的药物活性、特异性和ADME模型，从包含一兆个模拟化合物的化合物库中选出2500万个化合物进行模拟测试。这个过程只需要一周就可以完成，每个模拟化合物的测试成本为0.01美分。化学家会对测试结果进行分析，挑选出最有希望的模拟化合物进行合成和实验。实验结果被用于修正和改良模拟的准确性，随着这个过程的不断循环，模拟系统给出的候选化合物将越来越有针对性。目前该公司的药物研发管道包含治疗代谢疾病，心血管疾病和阿兹海默病的候选药物。
InsilicoMedicine公司收集了大量不同年龄的健康和患病人群的多类组学数据，并且利用机器学习对这些数据进行综合分析，从中找出与衰老和疾病有关的生物标记物，并且根据这些数据寻找上市药物的新功能，发现新的抗衰老药物。该公司的另一项业务是与研究所和制药公司合作，利用自身对深度神经网络机器学习的专长，帮助它们进行药物研发、发现生物标记物和开发研究衰老的新工具。该公司与世界上150多个机构建立了合作关系。
中国在数据、人才、资本、政府支持力度等方面的优势，使很多人期待中国在人工智能上可超越美国而领先世界。当前，中国在人工智能上的创业投资和专利数量确实已超过美国，在脸部识别、汉语的语音语义识别和机器翻译等领域，中国公司的算法也全球领先。但在人工智能与医药医疗的结合上，中国尚有所落后，未来值得关注。
图表：阿斯利康用循环神经网络和强化学习来生成新分子
资料来源：公开资料整理
资料来源：公开资料整理，观研天下整理，转载请注明出处（WJJ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
