▎藥明康德内容團隊編輯
近年來，人工智能（AI）是生物醫藥産業關注的熱點。許多産業資深人士期待利用人工智能和機器學習等技術，能加速藥物開發的流程，提高産業的研發産率。但在熱情之下，一些人也産生了對人工智能不切實際的幻想，仿佛隻需要簡單按下一個按鈕，等上幾年，就可以獲得一款新藥。
圖檔來源：123RF
邁入2022年，産業對人工智能的熱度不減，也有多款來自人工智能設計的藥物已進入臨床階段。對于這些在研療法，生物醫藥産業應有怎樣的期待？今日，業内知名媒體Endpoints發表了一篇深度報告，指出産業不宜過度樂觀，也不用妄自菲薄。人工智能在産業中自有其現實的價值，而産業同仁也需要有着客觀和理性的預期。
火熱的人工智能領域
毫無疑問，産業在近些年來為人工智能領域傾注了大量的熱情。根據DealForma的資料，自2014年以來，共有103起和人工智能以及機器學習的生物技術公司相關的風投輪次，總共募集到了51億美元的資金。其中光在2021年，就有33億美元，占總比的近三分之二。這些公司中，不乏一些耳熟能詳的名字，比如獲得4億美元C輪融資的insitro，獲得3.7億美元融資的Generate Biomedicines，以及2.55億美元融資的Insilico Medicine。
▲2021年，湧入人工智能/機器學習新藥發現公司的風投資金有明顯增加（圖檔來源：參考資料[1]；資料來源：DealForma.com，統計至2022年2月18日）
在研發許可方面，同期的市場則更為活躍——共有243項合作簽署，前期付款和期權超過10億美元，公布的總合作金額達到377億美元。其中，僅僅是今年1月，數額就已經達到了約100億美元。
▲人工智能/機器學習新藥發現項目的合作金額（圖檔來源：參考資料[1]；資料來源：DealForma.com，統計至2022年2月18日）
insitro首席執行官Daphne Koller博士在接受Endpoints采訪時提到，火熱的人工智能領域背後，是産業對資料的看重，以及資料收集能力的爆發。在機器學習的史前時代（上世紀九十年代早期），如果一個資料集包含幾百個樣本，研究人員們就會認為它已經足夠龐大了。然而對于機器學習，這樣的資料集還是遠遠不夠的。
2012年，這一領域逐漸出現了轉變。“大資料”進入主流，資料科學也被證明能産生重要的影響。在大規模資料的訓練下，算法模型已經能在無需人類提示的情況下，自行找到一些關鍵資訊，用于區分圖檔或是不同的問題。也幾乎在同一時期，生物醫藥領域開始擁抱人工智能技術：2012年到2014年期間，多家專攻人工智能的生物技術公司先後宣告成立。
在大量資金的湧入下，這些公司也有着長足的發展。終于，産業等來了曆史性的一刻：由人工智能發現的候選藥物分子，已經進入了臨床試驗。
臨床試驗的關鍵
2020年1月，位于英國的Exscientia宣布，其候選藥物DSP-1181已進入1期臨床試驗，旨在治療強迫症（OCD）。相關新聞也指出，這是首個由人工智能平台創造，并進入臨床試驗的分子——它來源于大規模化合物資料庫的篩選。
Recursion随後宣布有兩款候選分子進入臨床。Endpoints的深度報告指出，它們的誕生，依舊是通過傳統的藥物發現手段——一款來自Dean Li博士的實驗室，另一款則是從俄亥俄州立大學擷取的授權。但該公司的創新在于，利用人工智能平台，找到了這兩款藥物的新應用場景。
然而在熱度之外，目前這些臨床試驗的結果還少之又少。同樣是來自Endpoints的報告，作者提到目前僅有的資料來自Exscientia一項公開标簽的1期籃子試驗。Recursion尚未發表任何1期臨床資料，盡管其“已經在為今年年初的2期臨床試驗做準備。”
看似激進的發展，也引來了人工智能領域另一些從業者的擔憂。1910 Genetics首席執行官Jen Nwankwo博士指出在快速推進人工智能管線的同時，應當注意是否能為患者帶來真正的改變。在她看來，人工智能與機器學習再怎麼能颠覆産業的研發格局，也隻是開發好藥新藥的工具之一。熱度之下，關鍵還在于這些進展是不是能實質性改變患者生活。
“籌集的資金、風險投資的金額、與業務發展夥伴以及醫藥公司的前期合作規模，這些都是空泛的名額，”Nwankwo博士提到，“我們是一家生物技術公司，讓我們來談談想要推向市場的藥物，我覺得對此的關注還遠遠不夠。對我而言，這不是正确的思考方式。”
重拾理性
Koller博士最擔心的問題之一，在于人工智能技術一旦遭遇失利，是否會被其熱度所反噬。她說在過去，生物醫藥産業曾有不少類似的例子：人們曾誇下海口，卻最終遭遇失敗，導緻整個領域的停滞。在人工智能領域，即便第一批進入臨床試驗的藥物沒有取得預想中的結果，她也不希望就此終結投資者和研究人員們的熱忱。