刘霞

目前，一新药物的研发费用平均达到数十亿美元，并需耗时约数十年方能上市。随着人工智能（AI）科技的迅速发展与海量临床数据的迅猛增加，这一过程已经大大改善了成本效益。

波士顿咨询集团指出，人工智能推动的新药研发工作取得了重大进展，极大地提高了治疗能力并为人类健康事业注入了新的动力。牛津大学结构生物信息学专家夏洛特·迪恩表示：在未来的日子里，一个AI技术将身处药物发现舞台中央的时期即将到来。

AI制药潜力巨大

传统药物的研发耗时较长且费用昂贵，而且，在众多候选药物中，只有大约10%会被批准上市。

人工智能技术有望利用高效的分析与精巧的模型，大幅缩短前期药物研发的时间。这一趋势也得到市场分析公司的数据验证：到2028年，基于AI的药物开发将会为行业节约超过700亿美元的资金。

波士顿咨询公司近来对100多家开展人工智能药物研究企业的临床管线进行量化分析，结果显示，AI发现的药物分子的整体成功率从5%-10%增加到9%-18%，而Ⅰ期临床试验的成功率则高达80%-90%。

该公司的分析师克里斯·梅耶解释了人工智能（AI）如何在发现和验证药物靶标以及帮助设计和优化化合物方面显示出强大的能力。

具体而言，人工智能可以帮助在庞大的数据库中细致地探索分子与疾病之间的关联，从而更精确地锁定药物攻击的目标。例如，日本三菱田边制药公司借助人工智能技术，私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596在研究非酒精性脂肪肝和系统性红斑狼疮等两种疾病时，成功发现了众多潜在的药物靶点和生物标志物。这些发现为这两类疾病的治疗带来了新的希望。

也有一些科学家使用生成式AI工具想象和创建可能与靶标结合并发挥其作用的分子美国英矽智能公司的首席执行官亚历克斯·扎沃龙科夫透露该公司研发的治疗特发性肺纤维化的新型分子就是由这种工具设计出来的。

根据波士顿咨询公司的最新研究报告显示至少有75种基于人工智能的技术在开发过程中已经进入到人体临床试验阶段目前这一数量还在上升之中。

AI工具正成为加速发动机。

在全球技术领域，AI制药被视为一个备受瞩目的新风口。就如科技巨头和初创企业以及科研机构都在竞相角逐，谷歌公司的“深度思维”公司开发的一项名为“阿尔法折叠”的人工智能工具展现了非凡的能力。通过这种智能系统，“阿尔法折叠”能够成功预测蛋白质的三维结构，并对疾病的诊断提供全新视角。其成果显著提高了药物发现的速度与质量，为人类健康事业注入了新的活力和希望。

英国Isomorphic Labs公司希望通过应用人工智能技术加快新药开发速度并攻克人类顽疾。该公司的上个月表示，将与医药巨擘礼来合作寻找适用于多个靶点的新型小分子药物疗法。

总部设在美国旧金山的Atomwise公司致力于应用人工智能和机器学习技术，在药物研发领域彻底革新药物筛选流程。他们采用深度学习与结构导向药物设计相结合的方式，加快了新药开发进程，并已利用自家AI平台AtomNet发现了一种TYK2抑制剂。

英伟达推出了一款用于医疗保健的AI技术，该技术可筛选数万亿种药物化合物，并预测蛋白质结构。与此同时，致力于计算软件设计的凯登公司将这款工具集成到其分子设计平台上，以帮私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596助生成、搜索和建模包含数千亿个化合物的数据库。这项技术旨在为新药研发开辟更广阔的天地。

资料不足或者成为障碍。

但对 AI 模型而言，它的价值以及有效性主要取决于它从何获得的数据质量。如果没有高质量的临床数据支持，它是难以在药物开发中发挥作用的关键挑战之一。

大数据作为大模型重要的基础设施，在人工智能模型的训练、学习以及算法优化过程中发挥着至关重要的作用。在药物研发这一特殊应用领域中，获取和积累所需的关键数据却往往备受限制。

此外，由复用实验所得的数据较少，因此限制了人工智能模型的训练数据量。对于如何合理合规地使用这一类数据以及保护病人的隐私问题也成为了当前行业中的一个重要挑战。

亟需解决的另一个问题便是有效生物人工智能模型的缺乏。尽管近年来，诸如多模态和自然语言处理等领域发展迅速，但对比于制药行业而言，生物智能模型的数量相对不足，这对AI在医药领域中的广泛运用造成了严重阻碍。

美国德克萨斯大学机器学习基础研究所在人工智能领域的工作成果表明，在发现新的小分子药物上做得很好，然而对于基于蛋白质的新型生物制剂的研究则相对不足。