消息稱，日本京都大學日前聯合多家企業就計劃推出研發新藥的人工智能成立相關機構。
據悉，該機構的成立是為了大幅降低藥品的研發成本。據相關資料統計，所有進入臨床試驗階段的藥物的研發周期在10年左右，研發經費高達26億美元，另外，隻有不到12%的藥品最終能夠上市銷售。“而通過人工智能研發的藥物周期可以縮短至三年，成本降低一半。”該項目負責人表示。他同時表示，藥品研發人工智能的工作内容包括鎖定緻病蛋白質、篩選對蛋白質起作用的藥物成分、評估藥物成分的安全性并決定合成方法、制定臨床試驗計劃以确定藥效等。據悉，僅篩選藥物成分一項，以往靠制藥企業研究人員調查海量的國内外醫學論文和資料，耗時又耗力，而人工智能則可以更快地處理龐大的醫學文獻資料。
此舉并非是日本的一時“腦熱”行為，據雷鋒網了解，早在數月前，日本的醫療服務系統中就出現了人工智能的身影。如為解決外國人在日就醫的語言問題，日本東京大學醫院等20家醫院便與相關公司合作，并于4月1日推出了醫療領域翻譯裝置，它能将醫生和患者的對話在日語和英語、漢語之間以文字和聲音的形式互譯。該翻譯系統的推廣使用無疑将會幫助外國人消除在日就醫的溝通問題。
在醫療服務領域成功試行之後，幾個月後的今天，人工智能又被日本無縫對接至新藥的研發應用上。值得一提的是，該項目還得到了日本政府的大力支援，據悉，為能讓人工智能幫助日本提升國際競争力，日本政府還将為該項目提供5億日元的研究基金。另外，該項目還得到了大批日本企業如富士通、武田藥品工業等的支援。
據雷鋒網(公衆号：雷鋒網)調查，作為人工智能世界中的又一個新興領域，除了日本之外，業内已經有很多公司在此之前就已涉獵。
如美國的atomwise公司，該公司設計了一套名為 atomnet 的系統，運用超級計算機、ai和複雜的算法模拟制藥過程，來預測新藥品的效果，加快新藥研發進度并最大限度降低成本。
atomwise是一家利用超級計算機進行藥品研發的前沿醫學公司，總部位于美國舊金山。據悉，atomwise公司用超級計算機分析已有資料庫，并用ai和複雜的算法來模拟藥品研發的過程，在研發的早期評估新藥研發風險，讓藥物研究的成本降至數千美元，并且該評估可以在幾天内完成。atomwise為制藥公司、創業公司和研究機構提供候選藥物預測服務，可以預測哪些新藥品真的有效，哪些無效。
值得一提的是，atomwise最近就利用了ai技術為尋找埃博拉病毒治療方案做出了貢獻。據該公司統計，該系統在不到24小時的時間内就成功地對7000多種藥物進行了分析測試。該項目負責人透露，如果利用傳統方法，這項分析至少需要花費數月甚至數年才能完成。
另外，英國的初創公司benevolentai也是其中的一頭“獨角獸”。據雷鋒網了解，benevolentai目前是歐洲最大的ai初創公司之一，在全球排名前五。benevolentai的技術平台應用人工智能技術，它可從海量的散亂無章的資訊中提取出能夠推動藥物研發的知識，提出新的可以被驗證的假說，進而加速藥物研發的過程。
據悉，該技術平台名為jacs（judgment
augmented cognition
system，判斷加強認知系統）。jacs在運算的時候會涉及海量的資料，為了提高運算效率跟能力，公司從英偉達購買了專門為深度學習設計的超級計算機dgx-1。這台計算機可以模拟發生在大腦皮層中的識别和學習模式，加快在不同資訊源之間建立新的關系，進而産生更快、更多的新藥創新。
據透露，該公司能夠獲得8億美元的巨額交易便是歸功于此人工智能系統。2014年6月，benevolentai将兩個正在研發的阿爾茨海默氏症新藥賣給一家美國公司，此次交易高達8億美元，而此次交易的兩款藥物就是利用jacs系統開發的。
據雷鋒網跟蹤了解，上個月，該公司又發現了用來治療肌萎縮性側索硬化症的藥物，經過英國謝菲爾德一家機構的研究，确實對治愈運動神經衰退有作用。自從2013年建立以來，該公司已經開發出24個候選藥物，有的已經進入臨床iib期試驗（iia階段會先入組少量受試者，确立合适的治療劑量；iib則是在a的基礎上有效組擴大樣本量，明确劑量等有效性、安全性）。
除了以上介紹的幾家專注于研發藥物的人工智能公司以外，全球範圍内已有很多公司發力該領域。2016年底，美國高盛集團釋出的人工智能報告：《人工智能、機器學習和資料将推動未來生産力的發展》（ai,
machine learning and data fuel the future of
productivity）中提到：“随着人工智能和機器學習的不斷整合，人們将有望在新藥研發的過程中顯著地實作“去風險”，不但将節約每年約260億美元的研發成本，同時還将提高全球醫療資訊領域的效率，節約的成本價值超過每年280億美元。”從該資料中不難讀出，人工智能的發展已不僅僅局限于網際網路服務業，ai的強勢注入也給傳統藥物研發領域帶來了非常積極的推動作用。
本文作者：張棟