2018年，仅排名前十的制药公司就将产生超过3000亿美元的收入。与此同时，目前将一种新药推向市场需要10年时间，花费超过25亿美元（有时高达120亿美元）。即使是进入I期临床试验的10种药物中，也有9种从未进入市场。随着人口老龄化，我们不能依赖这种低成功率、高成本的方法。到2030年，世界上约有12%的人口年龄在65岁及以上，像阿尔茨海默氏症这样的“衰老疾病”将对社会构成越来越大的挑战。随着人工智能与海量医疗数据的结合，新药的研发将更便宜、更快捷、更智能。我所知道的这个领域最热门的初创公司之一是InsilicoMedicine，它在其端到端药物管道中使用人工智能，通过药物研究讨论未来长寿和健康的秘密。案例研究：使用AI进行药物发现您可能已经听说过深度神经网络：人工神经元的多层网络可以从大量数据中“学习”并自行进行基本编程。生成对抗网络(GAN)将建立在深度神经网络之上，这是一项支持Insilico药物发现管道的革命性技术。什么是GAN？“GAN技术本质上是两个深度神经网络之间的对抗游戏，”Alex解释道。Alex的最终目标是开发一个完全自动化的健康即服务(HaaS)/长寿即服务(LaaS)引擎。一旦接入阿里巴巴到Alphabet的服务，该引擎将为在线用户提供个性化解决方案，帮助他们预防疾病和保持健康。Insilico的端到端管道首先，Insilico利用AI（以GAN的形式）来识别目标（如下面管道的第一阶段所示）。为此，Insilico使用来自健康组织样本和受疾病影响的样本的基因表达数据。（目标是涉及药物预期作用的特定病理学的细胞或分子结构。）仅此一项就可以在医疗保健和医学研究中取得突破。但真正的作用并不止于此。在了解了衰老过程背后的机制和因果关系后，Insilico使用GAN来“想象”新的分子结构。Insilico的系统使用强化学习来唯一识别目标，然后从头开始生成定制分子以达到这些特定目标。根据Insilico科学家PolinaMamoshina与牛津大学计算心血管团队合作的一项研究，这也最大限度地减少了所涉及药物的副作用。虽然仍处于开发的早期阶段，但准确的临床试验预测因子将使研究人员能够确定理想的临床前候选药物。从今天的情况来看，这是行业效率的10倍提升。目前，超过90%的通过传统技术发现并在小鼠身上测试的分子最终未能通过人体临床试验。准确预测临床试验结果将导致药物测试成本、时间和开销的大幅削减。药物发现药物发现的数字化和非物质化转型已经发生。机器学习正在推动药物发现和分子生物学的突破，随着计算能力的提高，新的治疗方法将以更低的成本、惊人的速度推向市场，而且不需要大量的基础设施和投资。除了量子计算的预期突破之外，我们很快将见证可预测分子数量的爆炸式增长，并且准确性会大大提高。结论人工智能技术的发展将改变未来医疗行业效率低、创新慢的问题。大型制药公司是任何人都值得关注的领域，无论他们身处哪个行业。融合技术将很快能够在长寿和疾病预防方面取得长足进步，像Insilico这样的初创公司将引领行业变革。在大规模数据集、不断增长的计算能力、量子计算、区块链、人工智能等创新因素的推动下，人类健康长寿的未来确实值得期待。技术将比人类想象更快地商业化。当亚历克斯被问及他对这个行业的期望时，他的时间框架是二十年。也许他的预测是保守的。我的朋友RayKurzweil经常讨论“长寿逃逸速度”的概念，即你每活一年，科学可以将你的寿命延长一年以上。凭借86%的准确率，Ray的预测“可能还需要10到12年的时间，公众才能达到长寿逃逸速度。”你打算用你生命中额外的20年或更多健康年做什么？
