AI赋能药物研发或将成为医药行业的里程碑事件。
3月2日，启明创投、创新工场、AI制药公司英科智能联合发起线上高峰对话，主题为“AI+医疗健康”到数字医疗，共同探讨AI+医疗健康的机遇与挑战。
众所周知，新药的研发既耗时又昂贵，是人类发展过程中最复杂的技术研究领域之一。
一种药物从研发到正式上市，不仅不需要众多的生物、化学、医学等专家，还需要承受巨大的失败风险。
平均而言，制药公司每个新药从靶点发现到上市平均花费26亿美元和长达10年的研发时间，药物开发的失败率通常超过90%。
相关数据显示，2019年FDA共批准上市新药53个，其中小分子药物35个。
这是历史上新药批准数量最多的一次。
同时，许多这些药物针对已知的分子靶标。
发现作用于新靶点并具有广泛适应症的新分子是极其罕见的。
当前，医药行业面临三大痛点。
“第一，如何找到合适的或新的靶点来治疗某种疾病；第二，找到靶点后如何发现新的化合物，并将其推向临床；第三，如何在临床计划方面减少不可预测性。
”英科智能首席科学官任峰博士表示。
面对这些痛点，英科智能带来了新的解决方案。
任峰介绍，英科智能通过Pharma.AI一体化平台主要涵盖三个方面的药物研发。
首先，PandaOmics 通过数据分析帮助目标发现。
其次，生成对抗网络（GAN）和深度学习人工智能引擎Chemistry42根据蛋白质结构或配体结构设计化合物，帮助寻找新的小分子化合物，从新兴化合物的发现到临床化合物的测定。
。
第三，另一个人工智能引擎InClinico可以帮助预测临床试验结果并指导正确的临床试验计划。
据了解，Insilico Medicine人工智能系统发现了一个可以作用于多种适应症的新靶点，以及相应的候选药物。
整个研发过程仅耗时18个月，研发成本相当于同类项目的十分之一。
一。
回顾Insilico Medicine综合AI平台的发展历史。
在 2017 年，集成人工智能平台首次通过生成对抗网络（GAN）进行探索。
生成对抗网络由两种类型的神经网络组成。
其中一个充当发电机，用于发明新的“物质”来满足一些预定义的需求；另一个负责检测生成器中的错误。
两个神经网络的工作都是学习，推进彼此的工作，直到生成器最终达到最佳结果。
2017年，Insilico Medicine发表了论文“Enriching Meaningful Leads: Application of Deep Adversarial Autoencoders for New Molecule Development in Oncology”，描述了使用对抗性自动编码器（AAE）生成新分子的概念。
与此同时，Insilico Medicine 开始围绕生成化学建立全球社区。
2017年，Insilico Medicine建立了多个工作GAN模型，包括指纹druGAN、SMILES' ORGAN、具有强化学习和LSTM的各种循环神经网络（RNN）架构、敏捷时间卷积网络（ACTN）和强化对抗神经计算机（RANC）。
Insilico Medicine 在构建和验证名为生成张量强化学习 (GENTRL) 的强大深度生成模型方面取得了进展。
GENTRL 是一种用于药物发现的新型人工智能系统，可将先导药物的发现过程从几年缩短到几天。
Insilico Medicine 随后在 GitHub 上公开了该代码，以激励更多的科学家社区继续这项工作。
经过一系列努力，Insilico Medicine最终构建了一个包含三个关键组件的集成人工智能平台：靶点发现和多组数据分析引擎PandaOmics、新型分子设计引擎Chemistry42和临床试验结果预测引擎InClinico。
在本次线上会议上，英科智能还带来了解决特发性肺纤维化（IPF）的最新研究成果。
肺纤维化广泛存在，多发生于中老年人。
Insilico Medicine 根据年龄和不同类型的纤维化进行训练的深度神经网络确定了一系列相关目标。
目前，特发性肺纤维化的治疗方法非常有限。
吡非尼酮和尼达尼布两种药物可以减缓第一年用力肺活量的下降，但不能显着改善血氧饱和度。
明显的缺陷。
即便如此，他们的年销售额仍超过 30 亿美元。
英科智能医学改变了这一状况。
Insilico Medicine在全球首次利用人工智能发现具有治疗特发性肺纤维化新机制的临床候选化合物。
即利用人工智能发现肺纤维化的创新靶点，同时利用人工智能生成新的小分子化合物并推广临床候选化合物。
大量实验数据表明，Insilico Medicine发现的临床候选化合物的剂量是尼达尼布的十分之一，活性是尼达尼布的五到十倍。
Insilico Medicine仅用了18个月就合成了不到80种化合物，研发经费不到1万美元，大大缩短了新药研发流程、时间和资金成本。
人工智能技术正在以意想不到的效率改变医疗行业。
在高峰对话环节，医疗健康投资女王、启明创投管理合伙人梁宇宇与人工智能顶尖领军人物、创新工场董事长兼CEO李开复博士探讨了发展现状与前景AI+医疗。
谈及人工智能对医疗行业发展进程的影响，梁永玉认为，现阶段说人工智能对医疗领域的潜在影响还为时过早，但我们的思维和视野需要开放。
关键是找到能够满足患者需求的解决方案。
以取得优异的临床效果。
此外，医疗保健行业是一个受到严格监管的行业，需要深入了解该行业的各个方面才能找到更好的解决方案。
尽管如此，AI+医疗仍具有光明的前景。
李开复表示，今年AI+医疗仅迈出了从1到10的第一步。
AI在医疗领域的首次大规模应用出现在AI+影像上，并逐渐延伸到医疗研发领域。
目前，人工智能还有很多领域尚未渗透。
但整个过程很快就会被弄清楚。
今天，人工智能和科学家发挥着合作作用，未来可能会发挥更多作用。
未来20年潜力巨大，人工智能与人类的结合可能对医疗行业产生比人类过去几千年更大的影响。