近年来，人工智能（AI）它是生物医药行业的热点。许多行业资深人士期待使用人工智能和机器学习技术来加快药物开发过程，提高该行业的研发率。但在热情下，有些人也对人工智能产生了不切实际的幻想，好像他们只需要简单地按下一个按钮，等待几年，你就可以得到一种新药。

2022年，该行业对人工智能的热度没有下降，许多人工智能设计药物已进入临床阶段。生物医学行业对这些研究和治疗方法有什么期望？今天，该行业的知名媒体Endpoints发表表了一份深入的报告，指出这个行业不应该过于乐观，也不应该贬低自己。人工智能在行业中有其现实价值，行业同事也需要有客观和理性的期望。

人工智能领域火爆

毫无疑问，该行业近年来对人工智能领域倾注了大量的热情。根据这一说法，DealForma数据显示，自2014年以来，共有103家与人工智能和机器学习生物技术公司相关的风险投资轮次，共筹集了51亿$。仅2021年，就有33亿$，占总额的近三分之二。在这些公司中，有一些熟悉的名字，比如4亿$C轮融资的insitro，获得3.7亿美元融资Generate Biomedicines，以及2.融资55亿美元Insilico Medicine。

在R&D许可证方面，同期市场更加活跃——共签署了243项合作，前期支付和期权超过10亿美元，公布的合作总额达到377亿美元。其中，仅今年1月，金额就达到了约100亿美元。

insitro首席执行官Daphne Koller博士在接受Endpoints采访中提到，热门人工智能领域的背后是行业对数据的重视和数据收集能力的爆发。在机器学习的史前时代（20世纪90年代初），如果一个数据集包含数百个样本，研究人员会认为它足够大。然而，对于机器学习来说，这样的数据集还远远不够。

2012年，该领域逐渐发生了变化。大数据进入主流，数据科学也被证明能产生重要影响。在大规模数据的训练下，算法模型可以找到一些关键信息来区分图片或不同的问题，而无需人类提示。几乎同时，生物医学领域也开始拥抱人工智能技术：从2012年到2014年，许多专门从事人工智能的生物技术公司已经宣布成立。

随着大量资金的涌入，这些公司也取得了巨大的进步。最后，该行业等待了一个历史性的时刻：人工智能发现的候选药物分子已经进入了临床试验。

临床试验的关键

2020年1月，位于英国的Exscientia宣布，其候选药物DSP-1181已进入一期临床试验，旨在治疗强迫症（OCD）。相关新闻还指出，这是第一个由人工智能平台创建并进入临床试验的分子，来自大规模化合物数据库的筛选。

Recursion随后宣布有两名候选人进入临床实践。Endpoints深度报告指出，它们的诞生仍然是通过传统的药物发现手段——一种来自Dean Li另一个博士实验室是俄亥俄州立大学的授权。但公司的创新是利用人工智能平台找到这两种药物的新应用场景。

然而，除了热度，这些临床试验的结果仍然很少。它也来自于热量。Endpoints在报告中，作者提到目前唯一的数据来自Exscientia一期公开标签篮子试验。Recursion虽然它已经在为今年年初的两次临床试验做准备期临床试验做准备

看似激进的发展也引起了人工智能领域其他从业者的关注。1910 Genetics首席执行官Jen Nwankwo医生指出，在快速推进人工智能管道的同时，要注意是否能给患者带来真正的变化。在她看来，无论人工智能和机器学习如何颠覆行业的研发行业的研发模式，它都只是开发新药的工具之一。在热度下，关键是这些进展是否能大大改变病人的生活。

筹集的资金、风险投资金额、与业务发展合作伙伴和制药公司的早期合作规模都是空洞的指标，Nwankwo医生说：我们是一家生物技术公司。让我们谈谈我们想推向市场的药物。我认为这还远远不够重视。对我来说，这不是正确的思考方式。

重拾理性

Koller医生最担心的问题之一是，一旦人工智能技术失败，它是否会被它的热度所逆转。她说，过去，生物医学行业也有许多类似的例子：人们夸耀海口，但最终失败了，导致了整个领域的停滞。在人工智能领域，即使第一批进入临床试验的药物没有达到预期的结果，她也不想结束投资者和研究人员的热情。

背后的原因很简单。与以往的泡沫不同，今天的人工智能技术表明，它们真的可以给研发过程带来价值。在控制了爆炸性数据增长后，强大的计算能力可以用于早期药物发现，也可以使大规模的关键试验更有效率。人工智能将帮助研发过程，但我们不知道帮助的比例是多少，是5%？50%？还是80%？

为此，行业领导者需要做的是合理调整人们的期望，并将其与实际情况相结合。人们期待着快速看到结果，但成功比速度更重要。

调整预期的过程可能需要大型制药公司和生物技术公司的共同努力。Endpoints深入报告指出，许多大型制药公司正在建立自己的人工智能项目，并冷静地看待这一创新工具。葛兰素史克的全球人工智能和机器学习负责人Kim Branson博士提到，在期待看到范式变化的同时，他也期望为该领域设定合理的目标；诺华人工智能创新实验室全球负责人Iya Khalil医生指出，机器学习的努力与当时的人类基因组计划非常相似。没有人否认它的重要性，但单独分析基因组的数据并不能突然带来几十种新药。

而生物技术公司也有望与众不同。Khalil医生的评论指出，一个关键策略是在失败之前建立足够的成功机会。这样，即使失败了，这个领域也可以从失败中学习，变得更好。其他策略包括为其他公司提供服务，比如Insilico Medicine还为其他公司提供软件。通过使用这些工具，行业研发人员可以评估研发项目成功的可能性。公司首席执行官Alex Zhavoronkov博士在Endpoints在采访中提到。

人工智能的未来

大多数生物医学行业的人都相信我们正处于一个转型时期的开始。但目前还没有明确的答案来改变这个范围。乐观地说，如果前十年是数据科学的十年，那么这十年可能是人工智能的十年。问题是，目前人工智能的普及能否给行业带来相应的变化？

Koller医生指出，她在这个领域看到了很多机会，所以她不认为热度只是炒作。另一方面，她还指出，领先的创新者也必须有相应的责任感，因为失败会对该领域产生影响，即使你有一个机器学习模型，它可以给寻找好的目标带来巨大的变化。即使你能把成功率从5%提高到10%或20%，失败仍然是大多数。Koller医生说：你需要真正有一个长远的眼光，理解我们在药物发现领域所尝试的事情是最困难的事情之一。

这是因为生物学领域非常复杂，人体内的许多系统相互交织。如果我们改变其中一个，我们从未想过的另一个可能会突然出现，带来问题。Koller博士在Endpoints采访中说。为此，研究人员还有很长的路要走。在这条路上，人工智能与科研人员的合作有望产生新的变化。