本報記者 張敏

    近日，在從“‘AI＋醫療’到數字醫療：機遇與挑戰論壇”上，創新工場董事長兼CEO李開復表示：“醫療創新方面，一個很大的瓶頸就是有能力發明新藥的人就那么多，他們一天的時間就那么多，而且小分子制藥已經進入成熟的狀態，發明一個新的藥，從頭到尾可能要花20億美金，如果我們能把部分流程降到1/10的時間和資源，我們就可以用更低的成本、更快的時間創造更多的藥，帶來巨大的幫助。”

    李開復所指向的解決方案就是人工智能技術+藥物研發。而上述美好的愿景已經逐漸露出曙光，并出現階段性成果。

    伴隨著藥物研發數據的高速累積和數字化轉型，以及人工智能技術（AI）的加速發展，AI在新藥發現的應用日益增多。人工智能藥物開發公司InsilicoMedicine（英矽智能）近日宣布，其在全球首次利用人工智能發現新機制特發性肺纖維化藥物。

    “這次在AI技術平臺的支持下，快速研發推進針對特發性肺纖維化病癥的潛在的首創藥物分子，并成功達到臨床前候選藥物的里程碑，一定程度上驗證了AI算法結合藥物化學與生命科學，能夠更高效的研發出有巨大潛力的候選藥物分子，在全球范圍內是個標志性的里程碑。”英矽智能公司人士向本報記者介紹。

    AI+藥物發現“又快又省”：200萬美元+18個月

    一般而言，創新藥物的研發、成功上市整個過程需要耗費數十年，數十億美元，且失敗率達90%以上。市場上很少有真正創新的藥物。2020年，FDA共批準53款新藥上市，其中35種是小分子藥物，這是史上新藥獲批數量最高的一年，而且這些藥物中的許多都是針對已知分子靶點。發現能夠作用于廣泛適應癥新靶點的新分子極其罕見。

    英矽智能公司人士向本報記者介紹：“我們首次利用許多相互關聯的深度學習模型和其他先進的人工智能技術，成功地將生物學和化學結合起來，發現了一個新的生物靶點，并生成了能夠作用于特發性肺纖維化（IPF）這一非常難治疾病的一個新的小分子。我們進行了所有必要的人類患者細胞、組織和動物驗證實驗，證明其是能夠作用于新型泛纖維化靶點的首個臨床前候選分子藥物，目前正在為臨床開發做準備。”

    值得一提的是，“整個藥物發現過程，從疾病假設到臨床前候選藥物，只用了不到18個月完成，并只花費了約為200萬美元的經費。與傳統的藥物發現過程相比，這一成就的速度快了幾個數量級，所耗費成本也低了幾個數量級。”英矽智能介紹。

    “未來十年，中國將成為全球醫藥創新的重要力量，中國將在藥物的原發性創新上成為引領者和推動者。藥物研發是人工智能最重要和最大的應用場景之一，人工智能則是藥物研發最重大的技術紅利之一。AI賦能藥物研發，既能夠縮短藥物研發的時間，又能夠大大降低成本。”啟明創投主管合伙人梁颕宇表示。

    人工智能+醫療健康投資潮起

    值得一提的是，李開復與梁颕宇均認為，雖然英矽智能利用人工智能發現新機制特發性肺纖維化藥物成為里程碑事件，但是這只是邁出了第一步。“AI跟今天的科學家扮演的是一個合作的角色，以后可能會有更多不同的角色。”李開復認為。

    “AI在醫療領域第一個大規模的應用是AI+影像，這也得益于AI圖像識別技術發展的成熟，后面慢慢衍生到藥物研發的領域，并取得了很好的進展。從醫療領域全景來看，還有很多AI沒有介入的領域，很多問題更復雜，需要更長的時間、更系統化的解決方案。”梁颕宇認為。

    值得一提的是，在當下，隨著人工智能+醫療健康創業熱潮迭起。目前，全球用AI來輔助藥物研發的公司已經超過200余家。此外，AI+藥物發現、研發的發展離不開資本的支持。據記者了解，英矽智能背后的投資機構就包括啟明創投、創新工場等。

    AI醫療投資的壁壘在哪里？如何甄別出具有投資價值的標的，考驗著投資機構的“慧眼”。

    對此，梁颕宇對《證券日報》記者表示：“AI醫療的投資壁壘在于創業團隊對計算機技術和醫療行業需求兩方面的深刻理解，我們相信這兩者缺一不可。我們持續看好AI技術在醫療行業的應用，除了之前對話中提到的藥物發現、醫療影像處理和電子病歷信息挖掘等領域之外，我們相信AI技術在醫療行業還有更多的應用場景尚待挖掘。我們將持續關注團隊優秀、有技術競爭力的AI公司。”

    對于投資AI+創新藥物發現，創新工場董事長兼CEO李開復針對《證券日報》的提問回答道：“我們認為海量地、高質量地數據是成功的一個非常關鍵地壁壘，所以我們會去了解一個公司是否有或者能否得到獨家的數據，如果有的話會加分。第二，創業團隊AI的科學家不見得知道怎么去賣產品或者怎么去開發，但是對落地和渠道的理解還是需要的。第三，我們最喜歡看到的是像InsilicoMedicine這樣有生物的專家+AI的專家大家一塊工作，也有充分的行業背景。”

（編輯 張偉 白寶玉）