“AI的應(yīng)用場(chǎng)景很多，但是AIDD最佳的應(yīng)用場(chǎng)景是品種交付?，F(xiàn)在很多AIDD公司的理念、研發(fā)路徑、戰(zhàn)略都不一樣；如果拿中國歷史比，現(xiàn)在更像春秋時(shí)代，連戰(zhàn)國都還沒到?！?/p>

劉振明博士是北京大學(xué)藥學(xué)院研究員，國家化合物資源庫北京大學(xué)負(fù)責(zé)人，是我國抗腫瘤創(chuàng)新藥物研發(fā)和AIDD領(lǐng)域的科學(xué)家。前不久，劉振明研究員在與雷峰網(wǎng)&《醫(yī)健AI掘金志》的對(duì)話中，表達(dá)了他對(duì)AIDD制藥的一些個(gè)人看法。

作為一名北大培養(yǎng)出的科研工作者，從在北大藥學(xué)院學(xué)習(xí)藥物合成，到北大化學(xué)院學(xué)習(xí)藥物設(shè)計(jì)，再到法國實(shí)踐藥理學(xué)，劉振明研究員認(rèn)為，多學(xué)科的融匯學(xué)習(xí)，促使他走上藥物設(shè)計(jì)方法和候選藥物發(fā)現(xiàn)這條路。

2005年8月至今，劉振明研究員在北大藥學(xué)院藥物化學(xué)系任教，相繼參與北京大學(xué)藥學(xué)院分子設(shè)計(jì)平臺(tái)和化合物庫的建設(shè)。目前，北京大學(xué)正在打造“智慧藥物研發(fā)平臺(tái)”，對(duì)接創(chuàng)新藥物發(fā)現(xiàn)重大國家戰(zhàn)略需求。

隨著醫(yī)藥體制改革的不斷推進(jìn)和創(chuàng)新環(huán)境的不斷改善，中國已經(jīng)進(jìn)入創(chuàng)新藥時(shí)代，頂層制度設(shè)計(jì)為迎接創(chuàng)新藥研發(fā)鋪平了道路，積極開展和建立人工智能驅(qū)動(dòng)的創(chuàng)新藥物研發(fā)（AIDD），成為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力。

然而現(xiàn)實(shí)情況卻是，自從2012年Exscientia注冊(cè)成立，AI制藥開始在全球萌芽，至今已經(jīng)十多個(gè)年頭，依然沒有一款A(yù)IDD“獨(dú)立”研發(fā)的藥物成功獲批上市，甚至進(jìn)入臨床試驗(yàn)的藥物都鳳毛麟角。此外，部分進(jìn)入臨床階段的藥物是否全流程基于AI設(shè)計(jì)還存在爭議。

在劉振明研究員看來，“AIDD不是謊言，按照AI研發(fā)的藥物規(guī)律，樂觀來講，給這個(gè)行業(yè)5-8年時(shí)間，能看到一波AIDD設(shè)計(jì)出來的藥物，至少做到讓傳統(tǒng)藥企眼前一亮。完成這歷史性第一步的，未必是現(xiàn)在公認(rèn)為最好的AIDD公司?！?/p>

近日，雷峰網(wǎng)&《醫(yī)健AI掘金志》推出《AI制藥十人談》系列，探究AI制藥的前景與隱憂。以下為我們與劉振明研究員的對(duì)話內(nèi)容，雷峰網(wǎng)&《醫(yī)健AI掘金志》做了不改變?cè)獾木庉嬇c整理。

雷峰網(wǎng)：作為一名北大培養(yǎng)出的科研工作者，從在北大藥學(xué)院學(xué)習(xí)藥物的合成，到北大化學(xué)院學(xué)習(xí)藥物設(shè)計(jì)，再到法國實(shí)踐藥理學(xué)，您何時(shí)嘗試在藥物設(shè)計(jì)中使用計(jì)算機(jī)技術(shù)？

我本科是北京醫(yī)科大學(xué)（現(xiàn)北京大學(xué)醫(yī)學(xué)部）藥學(xué)院藥物化學(xué)專業(yè)，直博保送到北京大學(xué)化學(xué)與分子工程學(xué)院物理化學(xué)專業(yè)。雖然是物理化學(xué)，但總體來說，五年博士學(xué)習(xí)更側(cè)重計(jì)算化學(xué)。當(dāng)時(shí)和我一同入門的有4 個(gè)博士生，一律都進(jìn)入了計(jì)算機(jī)模擬方向。入學(xué)第五天，我跟師兄就到了國家氣象局接觸到了曙光大型機(jī)和超算，從那時(shí)開始，我就嘗試將計(jì)算機(jī)輔助手段用于藥物研發(fā)。

2005年畢業(yè)，我回母校效力，碰巧當(dāng)時(shí)北大藥學(xué)院要建設(shè)計(jì)算機(jī)輔助藥物設(shè)計(jì)（CADD，computer aided drug design）平臺(tái)，這就成了我留校任教后的第一個(gè)項(xiàng)目。自然地，CADD就成為了我的研究方向。

后來我到法國做了一年半的訪問學(xué)者，主要工作是熟悉神經(jīng)藥理學(xué)研究的一般流程和規(guī)律，進(jìn)一步熟悉和了解藥物研發(fā)的過程。

為什么要做這個(gè)研究？在此之前，我有幸參與了國家“重大新藥創(chuàng)制”科技重大專項(xiàng)的啟動(dòng)和實(shí)施工作，那時(shí)候我就發(fā)現(xiàn)：新藥研發(fā)一定會(huì)成為中國未來10～15年的重要發(fā)展方向。我進(jìn)一步梳理自己的知識(shí)背景，發(fā)現(xiàn)我本科更多是做合成，博士是計(jì)算，所以我到法國，主要是為了補(bǔ)充和完善自己在藥物研究方面的知識(shí)和認(rèn)知體系。

為什么選擇藥理學(xué)？實(shí)際上，藥理學(xué)對(duì)藥物研發(fā)非常關(guān)鍵，很多人將藥理學(xué)定義為一個(gè)“橋梁學(xué)科”，聯(lián)接基礎(chǔ)研究和臨床研究。所以我經(jīng)常感慨，我是站在了“計(jì)算機(jī)科學(xué)”和“生命科學(xué)”的分水嶺上，同時(shí)看到了兩邊的發(fā)展情況。

現(xiàn)在隨著算力的提升，AI真正走入藥物設(shè)計(jì)領(lǐng)域，證明國家的判斷方向是正確的。

AI其實(shí)并不神秘，在我們?nèi)?nèi)一些老師看來，簡化一些講，AI就是定量構(gòu)效關(guān)系，完成各種各樣的定量關(guān)系。只不過當(dāng)時(shí)我們用“已知模型框架”做算法和軟件，后來出現(xiàn)了以“深度神經(jīng)網(wǎng)絡(luò)”為基礎(chǔ)的工具，比如AlphaGo，AlphaGoZero。

從我的經(jīng)歷看，8年前CADD還不是那么火熱，但正如當(dāng)初預(yù)期，現(xiàn)在風(fēng)口來了，CADD的能力逐漸顯現(xiàn)出來了，用了AIDD這個(gè)詞。但無論叫什么名字，藥物研發(fā)的門檻還是蠻高的。

目前大家比較擔(dān)憂的是很多闖入“AIDD”這個(gè)領(lǐng)域的人是不懂藥的，以化學(xué)藥研發(fā)為例，至少要懂藥化、藥理，否則光會(huì)玩程序，算出了一個(gè)binding（用于配體結(jié)合位點(diǎn)的檢測(cè)，ligand binding site，LBS），就認(rèn)為解決了藥物發(fā)現(xiàn)的問題，這是比較危險(xiǎn)的“樂觀”。

雷峰網(wǎng)：近年來，您在知識(shí)庫構(gòu)建上做了很多工作，為什么決定從數(shù)據(jù)出發(fā)做工作？

我們?cè)跀?shù)據(jù)庫上做了兩個(gè)重要工作。一個(gè)是“通用知識(shí)的海洋天然產(chǎn)物數(shù)據(jù)庫”（CMNPD）。這是北大藥物設(shè)計(jì)研究室與北大計(jì)算機(jī)技術(shù)研究所等多家機(jī)構(gòu)合作構(gòu)建的，面向化學(xué)知識(shí)庫自動(dòng)生成的高效策略平臺(tái)。

以化合物的結(jié)構(gòu)為主索引，在結(jié)構(gòu)信息、制備（來源）信息、譜圖信息、科研人員信息、開展工作的科研實(shí)體等方面實(shí)現(xiàn)了自動(dòng)化提取與整合，目前加工效率達(dá)到每天超300篇文獻(xiàn)（大于每天10000個(gè)結(jié)構(gòu)）。

特別是在針對(duì)復(fù)雜天然產(chǎn)物數(shù)據(jù)庫的構(gòu)建中，一個(gè)月內(nèi)就可以完成數(shù)年非冗余海洋天然產(chǎn)物數(shù)據(jù)庫的構(gòu)建與標(biāo)引工作。

另一個(gè)是參與到北京大學(xué)張陸霞研究員所承擔(dān)的重點(diǎn)研發(fā)計(jì)劃“生物與信息融合（BT 與 IT 融合）”重點(diǎn)專項(xiàng)：“基于AI大數(shù)據(jù)驅(qū)動(dòng)和可信安全計(jì)算的創(chuàng)新藥物篩選系統(tǒng)研發(fā)與應(yīng)用”，前不久啟動(dòng)會(huì)在北大醫(yī)學(xué)部召開。

回過頭看，我們?yōu)槭裁匆鲞@些數(shù)據(jù)庫項(xiàng)目？

因?yàn)樵缭谖迥昵拔覀兙鸵庾R(shí)到了數(shù)據(jù)的重要性。當(dāng)時(shí)我們也在用別人的數(shù)據(jù)，雖然能拿到一部分?jǐn)?shù)據(jù)，但是底層數(shù)據(jù)是觸及不到的。所以即便我們的能力再高，在下游的模型搭建上只能做一些修修補(bǔ)補(bǔ)的工作。

但這五年以來，我反而對(duì)自己做的模型和方法更有信心了，因?yàn)槲覀冎睋舻耐袋c(diǎn)是“自主可控的原始數(shù)據(jù)”。只有自主可控的數(shù)據(jù)，才能使得模型自主可控。

目前我們的CMNPD數(shù)據(jù)平臺(tái)上線后，一年內(nèi)達(dá)六萬點(diǎn)擊量， 90多個(gè)國家訪問。不同人的需求對(duì)接過來，我們首先會(huì)問他們要做什么問題？所以很明顯，數(shù)據(jù)成了我們的護(hù)城河。

總體來說，后信息時(shí)代的生物醫(yī)學(xué)研究，使整個(gè)生命科學(xué)領(lǐng)域都面臨著學(xué)科整合的問題。只有整合，才能避免科學(xué)研究中的“盲人摸象”，而不同學(xué)科之間整合的基礎(chǔ)和最優(yōu)途徑，就是結(jié)構(gòu)化的知識(shí)和數(shù)據(jù)。

所以現(xiàn)在我有一個(gè)判斷：未來“基于數(shù)據(jù)的科研”可能會(huì)超過“基于實(shí)驗(yàn)的科研”，效率和維度都會(huì)提升。而且大家也意識(shí)到，基于高維數(shù)據(jù)可以俯瞰整個(gè)學(xué)科，這要和翻閱某一學(xué)者的一篇文獻(xiàn)或者若干篇文獻(xiàn)，或者基于自身知識(shí)體系看到的東西不一樣。

雷峰網(wǎng)：有人稱，AIDD一定會(huì)成為藥研專家必不可少的工具，這也意味未來數(shù)據(jù)一定是“兵家必爭之地”。目前您在這方面有哪些準(zhǔn)備？

大家都知道，數(shù)據(jù)很值錢，但如果僅僅把數(shù)據(jù)存到硬盤上是不值錢的，那是死數(shù)據(jù)。所以近年來，很多人想用聯(lián)邦學(xué)習(xí)解決這一問題。

但聯(lián)邦學(xué)習(xí)最大的問題在哪？

它本質(zhì)上是一種加密的分布式機(jī)器學(xué)習(xí)技術(shù)，可以在不披露底層數(shù)據(jù)和加密形態(tài)的前提下共建模型。但在實(shí)際使用中，如果只是做了數(shù)據(jù)接口，并不能解決數(shù)據(jù)稀缺的問題。

首先，聯(lián)邦學(xué)習(xí)使用的數(shù)據(jù)，大部分都是拷貝數(shù)據(jù)，甚至有些數(shù)據(jù)清洗完丟失了很多信息；

其次，由于聯(lián)邦學(xué)習(xí)的數(shù)據(jù)光有接口，沒有打通數(shù)據(jù)內(nèi)部，所以“模型拿走數(shù)據(jù)留下”的理念具體實(shí)施起來非常難。

此外，國內(nèi)搞了很多數(shù)據(jù)匯交，數(shù)據(jù)中心，但很多時(shí)候這些也都是“死數(shù)據(jù)”。

舉個(gè)例子，ACS（American Chemical Society，美國化學(xué)學(xué)會(huì)）是世界上最大的科技協(xié)會(huì)之一，涵蓋了20多個(gè)與化學(xué)相關(guān)的學(xué)科，是全球被使用次數(shù)最多的化學(xué)期刊源之一。

為什么ACS這么受歡迎？因?yàn)锳CS的一大特色，Article References可直接鏈接到Chemical Abstracts Services(CAS)的資料記錄，也可與PubMed、Medline、GenBank、Protein Data Bank等數(shù)據(jù)庫相鏈接。

但ACS的創(chuàng)立時(shí)間是1876年，有150年的發(fā)展歷史，現(xiàn)在ACS為了讓數(shù)據(jù)流動(dòng)，每年幾乎花費(fèi)4億美元從全世界找人往里面敲數(shù)據(jù)。

這個(gè)事情中國現(xiàn)在干不了，我們和國外的差距，一是時(shí)間沉淀，二是資金支持。

因此，大概在五年前我們定了一個(gè)原則：絕對(duì)不做人工的事情，要做主動(dòng)數(shù)據(jù)采集，不能做被動(dòng)的數(shù)據(jù)獲取，而且要找一個(gè)和AI技術(shù)結(jié)合得更好的數(shù)據(jù)解決方案。

我們現(xiàn)在認(rèn)為自己做的還不錯(cuò)的是“面向結(jié)構(gòu)的生物醫(yī)藥大數(shù)據(jù)生態(tài)社區(qū)”。這個(gè)社區(qū)的建設(shè)不依靠人工，首先是太過昂貴漫長，其次是依賴責(zé)任心和主觀判斷得到的數(shù)據(jù)也不可靠。

我們采取了幾種方式：

第一，自動(dòng)化數(shù)據(jù)主動(dòng)采集。

我們不會(huì)讓研究者自己去上傳數(shù)據(jù)，而是采用光學(xué)識(shí)別技術(shù)（OSR，Optical Scanning Recognition）、語義識(shí)別技術(shù)（NLP）在內(nèi)的AI策略，自動(dòng)且高效抓取數(shù)據(jù)和構(gòu)建知識(shí)庫

第二，打造“面向?qū)W科的數(shù)據(jù)知識(shí)信息體系和社區(qū)”。

比如某位研究海洋天然產(chǎn)物的學(xué)者發(fā)了200篇文章和專利，我們只要把他的200篇文章和專利做結(jié)構(gòu)化，就能很快推出一個(gè)免費(fèi)的知識(shí)庫。他本人也不再需要使用excel或者word工具去做標(biāo)記，而是郵箱或賬號(hào)登陸，馬上就能看到結(jié)構(gòu)化信息。

更進(jìn)一步地，他可以再次利用自己的已有知識(shí)做分析或補(bǔ)充，并獲得相應(yīng)的積分，再去換取別人的知識(shí)和數(shù)據(jù)。通過我們的初步實(shí)踐發(fā)現(xiàn)，這也許才是打造一個(gè)高質(zhì)量知識(shí)庫的更好路徑。

事實(shí)上，結(jié)構(gòu)化數(shù)據(jù)庫已經(jīng)成為我們研究小組的根基。雖然占比不大，但是自從開始做這個(gè)方向后，我們愈發(fā)看好這個(gè)方向，也計(jì)劃在這個(gè)方向上投入相關(guān)的人力、物力。期待未來在藥物研發(fā)的某個(gè)細(xì)分領(lǐng)域做出類似ChatGPT的工具。

雷峰網(wǎng)：北大在藥物設(shè)計(jì)上非常開放，建立藥物設(shè)計(jì)研究室，生物醫(yī)藥大數(shù)據(jù)庫和生態(tài)社區(qū)，藥物設(shè)計(jì)-信息與情報(bào)分析中心、“智慧藥物研發(fā)平臺(tái)”，與杭州市共建創(chuàng)新應(yīng)用基地，以及前不久和10家單位共同開發(fā)創(chuàng)新藥物篩選系統(tǒng)。您在這一過程中也進(jìn)行了不少跨學(xué)科合作，有哪些課題可以分享？

在AI方向上，北大前不久剛剛獲批教育部支持建設(shè)的“中國首個(gè)智慧藥物研發(fā)平臺(tái)”。這個(gè)平臺(tái)包括了智能設(shè)計(jì)、智能合成、智能檢測(cè)，智能篩選等四個(gè)模塊，都可以對(duì)外合作。

我們正在跟晶泰科技洽談，希望將他們的智能化自動(dòng)化實(shí)驗(yàn)室，發(fā)展為我們面向特定合成方法的、訓(xùn)練模型的“數(shù)據(jù)產(chǎn)生器”。

如果將來面向單步合成的條件篩選一天能產(chǎn)生1萬個(gè)數(shù)據(jù)點(diǎn)，一年就是365萬個(gè)數(shù)據(jù)點(diǎn)，某種程度上就可以破解國外的數(shù)據(jù)壁壘或數(shù)據(jù)封鎖。

除了擴(kuò)大數(shù)據(jù)生產(chǎn)渠道，在數(shù)據(jù)標(biāo)準(zhǔn)上我們也有對(duì)外合作。

比如，我們跟望石智慧成立了“北大醫(yī)學(xué)-望石智慧AI生物醫(yī)藥數(shù)據(jù)技術(shù)協(xié)同創(chuàng)新聯(lián)合實(shí)驗(yàn)室”，在此基礎(chǔ)上合作孵化了一些高質(zhì)量的數(shù)據(jù)產(chǎn)品，并開發(fā)了一些面向業(yè)界的解決方案。

實(shí)際上，我跟望石智慧的創(chuàng)始人周杰龍先生在2017年6月就有過交流。我們之所以一拍即合，第一，我們都認(rèn)清了一個(gè)問題，AIDD最根本的東西是數(shù)據(jù)、高質(zhì)量、自主可控的數(shù)據(jù)；第二，AI的盈利模式很多，但是AIDD的盈利模式一定是藥物品種交付。

我特別希望這個(gè)行業(yè)中有更多的公司成長起來，所以我以及北大團(tuán)隊(duì)都非常開放，我們和很多藥企都有學(xué)生聯(lián)合培養(yǎng)，比如泰德制藥、普洛藥業(yè)、望石智慧。

我接下來要講一句話：中國現(xiàn)在已經(jīng)進(jìn)入到創(chuàng)新藥時(shí)代，很重要的一點(diǎn)，我們“懇請(qǐng)”中國的創(chuàng)新藥企業(yè)幫助中國的科研院所一起成長，把我們自己的創(chuàng)新藥研發(fā)能力提升上來，進(jìn)而服務(wù)于企業(yè)的藥物研發(fā)。

我現(xiàn)在基本上每個(gè)月出差三次以上，主要工作就是和業(yè)界、醫(yī)院溝通，包括我們很多項(xiàng)目都是跟企業(yè)、醫(yī)院一起申請(qǐng)的。我們課題組算是跟行業(yè)、產(chǎn)業(yè)結(jié)合比較緊密的實(shí)驗(yàn)室。

這也是北大的一個(gè)理念：給企業(yè)提需求，高校建高地。我也經(jīng)常跟學(xué)生講，我們做任何事，一定要面向需求，就像習(xí)總書記經(jīng)常告訴我們科研人員的那句話：廣大科技工作者要把論文寫在祖國的大地上，把科技成果應(yīng)用在實(shí)現(xiàn)現(xiàn)代化的偉大事業(yè)中。

雷峰網(wǎng)：從您自己的研究經(jīng)歷出發(fā)，您覺得現(xiàn)在AI制藥人才應(yīng)該如何培養(yǎng)，還有哪些不足和問題？

我個(gè)人感覺AI制藥這個(gè)概念熱得太快。AIDD絕對(duì)有用，但需要一個(gè)發(fā)展過程，往后再看5年到8年，AIDD對(duì)于藥物研發(fā)和智能醫(yī)療的作用一定不可估量。

為什么需要 5 到 8 年？實(shí)際上，這就是AIDD領(lǐng)域中的技術(shù)積累和爬坡的過程，而且這個(gè)過程必然要有，學(xué)費(fèi)一定要交。

對(duì)學(xué)校的科研團(tuán)隊(duì)而言，科研經(jīng)費(fèi)比較充足，不那么迫切，但對(duì)于AIDD從業(yè)者和投資人來講，大家都要有一些耐心。我能肯定的是，未來AIDD的收益一定會(huì)超過傳統(tǒng)的藥物研發(fā)，而且周期一定會(huì)縮短，但也絕對(duì)不會(huì)像醫(yī)療器械研發(fā)那么快。

回過頭看人才培養(yǎng)，這個(gè)領(lǐng)域快速熱起來，我挺高興也挺擔(dān)憂的。

一方面這個(gè)領(lǐng)域非常缺人，另一方面AIDD在過去屬于小眾學(xué)科，人才輸出量沒有那么大，能夠培養(yǎng)到博士的人才更是少之又少。

但是讓老師們非常尷尬的是，即使是一些在校期間水平不高的學(xué)生，因?yàn)檎瓷狭艘粋€(gè)概念，薪資不不低?，F(xiàn)在一個(gè)碩士的月薪炒到3萬以上，一個(gè)博士月薪炒到5萬以上，高校培養(yǎng)人才蠻難的，人都搶光了。

雷峰網(wǎng)：國外有些基于AIDD的新藥推到了臨床一期，您覺得截至今天，進(jìn)入臨床的分子里面有哪些是沒有AIDD，專家就無法設(shè)計(jì)出來的嗎？AIDD的重要性是否會(huì)提高？

首先回答第一個(gè)問題，AIDD能夠贏過專家？

大家可以這樣理解，藥物開發(fā)在某種程度上是“大海撈針”，那么AIDD在內(nèi)一些新技術(shù)、新策略的介入，是讓“撈針”的準(zhǔn)確性稍微高點(diǎn)。但這個(gè)任務(wù)的本質(zhì)沒有變化，它依舊是大海撈針。所以如果把一個(gè)藥物的發(fā)現(xiàn)過程倒回去，再重新做一遍，有可能就是變成了另一條路徑。

藥物研發(fā)中的影響因素比較多，是因?yàn)樗幬镅邪l(fā)本身的鏈條很長，涉及數(shù)據(jù)、法規(guī)、主觀因素，絕對(duì)不能說“沒有AIDD，藥物就發(fā)現(xiàn)不出來”。如果真的如此，那之前很多藥物都是怎么來的？

但與此同時(shí)，AIDD的作用也在逐漸提高。

現(xiàn)在我們經(jīng)常在講，要做基于臨床需求的、新技術(shù)驅(qū)動(dòng)的創(chuàng)新候選藥物研發(fā)。沒有臨床需求，藥物研發(fā)就是“無病呻吟”，沒有落腳點(diǎn)。

舉個(gè)例子，之前有個(gè)新聞?wù)f到一個(gè)生理學(xué)家的女兒患了罕見病，無藥可治，這位父親就去學(xué)習(xí)藥學(xué)知識(shí)，了解這種罕見疾病的臨床表現(xiàn)，再利用自己的已有手段，結(jié)合新技術(shù)，完成整個(gè)藥物發(fā)現(xiàn)過程。

所以這位父親是有了主觀動(dòng)力，才想去解決具體的臨床需求。但如今的行業(yè)現(xiàn)狀是，新技術(shù)有了，但70%的疾病依然沒有臨床治療藥物。

第二個(gè)問題，AIDD的重要性是否提高？

我做一個(gè)推斷，未來5-8年，大家會(huì)看到AIDD參與到藥物發(fā)現(xiàn)過程中的證據(jù)或痕跡。那時(shí)候人們會(huì)驚嘆AIDD的巧妙：“為什么計(jì)算機(jī)能發(fā)現(xiàn)，我沒有發(fā)現(xiàn)？”

如果AIDD能給一個(gè)傳統(tǒng)藥物學(xué)家感受到驚喜，那它就是有優(yōu)勢(shì)的。所以我們是兩邊站的，我們?cè)敢馊ソ邮芤恍┬录夹g(shù)，期待它能超越我們。

不要說AIDD賦能整個(gè)藥物研發(fā)鏈條，只要它能解決其中某一個(gè)環(huán)節(jié)，把這一個(gè)環(huán)節(jié)做好，在大家倒推結(jié)果的時(shí)候，發(fā)現(xiàn)這個(gè)工具確實(shí)是充分必要條件，就足夠了。

雷峰網(wǎng)：AIDD和CADD，或者說AI方法和物理方法，各有什么優(yōu)缺點(diǎn)？您認(rèn)為未來二者的關(guān)系是什么？

這兩個(gè)詞怎么理解？CADD的全稱是computer aided drug design，計(jì)算機(jī)輔助藥物設(shè)計(jì)；AIDD是AI drug discovery，人工智能輔助藥物發(fā)現(xiàn)。

業(yè)界在講，“為什么以前叫CADD不熱，叫AIDD就突然熱了？”

解釋一下，CADD是先預(yù)設(shè)一個(gè)模型，這個(gè)情況下需要加入專家經(jīng)驗(yàn)。

比如我認(rèn)為它是S型模型、二元一次函數(shù)，都是我給它預(yù)設(shè)一個(gè)模型之后，再用數(shù)據(jù)去訓(xùn)練它，最后把這個(gè)模型變成方程，并應(yīng)用到具體的領(lǐng)域中。這也是早期機(jī)器學(xué)習(xí)的基本思想。

那么AIDD是什么？它不用做預(yù)設(shè)，給它一堆數(shù)據(jù)，直接就能基于深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)一個(gè)模型，機(jī)器學(xué)出來什么算什么。這個(gè)過程當(dāng)中，當(dāng)加入新數(shù)據(jù)時(shí)，它能夠自動(dòng)做優(yōu)化。

大家知道遷移學(xué)習(xí)（Transformer Learning)，它最大的作用是以任務(wù)A開發(fā)的模型作為初始點(diǎn)，重新使用在為任務(wù)B開發(fā)模型的過程中。

例如，有了英語的語言模型后，后續(xù)只需要提供法語法規(guī)則和小樣本數(shù)據(jù)，就可以很快幫你生成法語的語言模型。

但是AIDD的短板也很明顯--只要有數(shù)據(jù)，它始終能給出答案。但是基于10個(gè)數(shù)據(jù)和基于1萬個(gè)數(shù)據(jù)的答案是不一樣的，但總會(huì)有“答案”。

因此，對(duì)AIDD來說，它和CADD一樣：大量的、高質(zhì)量數(shù)據(jù)是剛需。

基于這一點(diǎn)，我始終認(rèn)為，CADD和AIDD沒有本質(zhì)性的差別，本身就是一體的，只不過業(yè)界或投資者有意把它們割裂了。至于各自的優(yōu)缺點(diǎn)，業(yè)界的觀點(diǎn)不太一樣。

但只要有用，它們可以融合互補(bǔ)。比如目前數(shù)據(jù)不足的情況下，CADD肯定有優(yōu)勢(shì)，因?yàn)樗囊徊糠帜Ｐ褪腔趯＜蚁到y(tǒng)做出來的，普通人的知識(shí)很難企及。

而在數(shù)據(jù)足夠多的時(shí)候，當(dāng)數(shù)據(jù)本身可以涵蓋或者超越專家的認(rèn)知，AIDD的優(yōu)勢(shì)會(huì)更明顯。這也是我們看好AIDD的一個(gè)原因。

但是現(xiàn)在行業(yè)里太多人愛蹭熱點(diǎn)，包括最近GPT-4.0出來后，有些AIDD公司一周內(nèi)就推出了所謂的“DrugdesignGPT”，這種跟風(fēng)做出來的東西意義不大。

第一，達(dá)不到預(yù)期，自己和資本方失去信心；

第二，對(duì)藥物發(fā)現(xiàn)的本質(zhì)和核心路徑的改變并沒有實(shí)質(zhì)性貢獻(xiàn)。

雷峰網(wǎng)：針對(duì)國內(nèi)創(chuàng)新藥研發(fā)現(xiàn)狀，目前還是 Fast follow 居多，或者是 me too ，me better，這種情況下最需要AI去解決什么問題？

首先我們要回歸到一個(gè)本質(zhì)問題，AI最大的作用在哪？

當(dāng)給它40%的數(shù)據(jù)，AI有可能基于40%的數(shù)據(jù)產(chǎn)生一個(gè)模型，找到另外60%數(shù)據(jù)中的缺失點(diǎn)?，F(xiàn)在我們比較看好AI模型，因?yàn)樵缭?016年和2017年，AlphaGo和AlphaGoZero已經(jīng)展示出AI的“創(chuàng)造力”：當(dāng)給它足夠多的棋譜數(shù)據(jù)之后，它能夠創(chuàng)造新的棋譜。

現(xiàn)在我們?cè)诟鷩鴥?nèi)的藥企去聊，發(fā)現(xiàn)大家都形成了一個(gè)基本共識(shí)：Fast follow沒有前途，很多藥企提出新的創(chuàng)新藥口號(hào)，“我們要做世界前五，中國前三?！?/p>

為什么？

因?yàn)橹袊呀?jīng)被迫進(jìn)入創(chuàng)新藥時(shí)代，頂層制度設(shè)計(jì)為迎接創(chuàng)新藥時(shí)代鋪平了道路。

2018年3月，十三屆全國人大一次會(huì)議表決通過了關(guān)于國務(wù)院機(jī)構(gòu)改革方案的決定，組建國家醫(yī)療保障局和國家市場(chǎng)監(jiān)督管理總局；

2019年1月國務(wù)院辦公廳印發(fā)《國家組織藥品集中采購和使用試點(diǎn)方案》的通知，確定將在4個(gè)直轄市和7個(gè)城市進(jìn)行帶量采購，涉及31個(gè)指定規(guī)格的采購品種。

2021年7月，國家藥監(jiān)局關(guān)于實(shí)施《藥品專利糾紛早期解決機(jī)制實(shí)施辦法（試行）》相關(guān)事宜的通告，預(yù)示著未來Fast follow生存空間變小，F(xiàn)ast in Class勢(shì)在必行。

而且當(dāng)中國進(jìn)入創(chuàng)新藥時(shí)代后，不管你愿意面對(duì)還是不愿意面對(duì)，都要面對(duì)。

像我們國家非常好的某家藥企，2021年裁員了仿制藥員工，根本原因是Fast in Class和Fast follow的思路完全不一樣。

前幾年創(chuàng)新藥企業(yè)的日子比較好，某醫(yī)藥企業(yè)登陸港股市場(chǎng)，但上市來研發(fā)跟不上，對(duì)投資人的信心也有打擊，最終結(jié)果是大家對(duì)創(chuàng)新藥投資比較悲觀。

但是再悲觀，創(chuàng)新藥時(shí)代已經(jīng)來了，現(xiàn)在的重點(diǎn)是找到一顆好種子。

以前做仿制藥，大家在找種子這件事上不愿意花錢，撿別人的就行。按照以前的藥物研發(fā)生態(tài)，做成歪瓜裂棗也照樣有人買。

現(xiàn)在你會(huì)發(fā)現(xiàn)，如果沒有一個(gè)好種子，你的努力全部白費(fèi)，市場(chǎng)和監(jiān)管層都不可能認(rèn)可。

因此，如何找到一顆好種子，需要“新技術(shù)、新策略驅(qū)動(dòng)創(chuàng)新藥候選品種研發(fā)”。實(shí)際上，AIDD就屬于其中的一種新技術(shù)。我們比較看好，未來AIDD一定能夠在創(chuàng)新藥研發(fā)過程中賦能。

同時(shí)，我不想把AIDD單獨(dú)拿出來說 ，因?yàn)樗褪且环N賦能技術(shù)。

我們也是親歷者和踐行者，它一定能夠起到作用，存在一條上升曲線，具體發(fā)揮什么作用，業(yè)界和投資界都稍微給點(diǎn)耐心。

雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))：自從2012年首家AI制藥公司成立，至今已經(jīng)第十個(gè)年頭，但是依然沒有一款藥物成功獲批上市，甚至進(jìn)入臨床試驗(yàn)的藥物都鳳毛麟角。AI研發(fā)的藥物距離上市還有多遠(yuǎn)？

實(shí)際上你們看到的，跟我們看到的一樣。所以我對(duì)行業(yè)的一個(gè)忠告，現(xiàn)在AI制藥企業(yè)正處于艱難期，在資本和外界都很焦慮的情況下，一定不要為了應(yīng)付“考試”，說出一些莫須有的話。

AIDD這個(gè)東西不是謊言，按照AI的藥物研發(fā)規(guī)律，具體還有多長時(shí)間上市，我不能直接回答你，樂觀來講，給這個(gè)行業(yè)5到8年時(shí)間，就能看到一波AIDD設(shè)計(jì)出來的藥物，至少做到讓傳統(tǒng)藥物廠商眼前一亮。

現(xiàn)在以藥學(xué)驅(qū)動(dòng)的公司，或者圍繞藥物研發(fā)的公司太少。

有一個(gè)數(shù)據(jù)，截至2022年底，國內(nèi)已經(jīng)成立了73家AI制藥公司，大部分都是IT背景的創(chuàng)業(yè)者轉(zhuǎn)過來的，他們?nèi)匀皇恰盎ヂ?lián)網(wǎng)+”的模式。真正的AIDD，我想一定是藥學(xué)家牽頭的，叫做“藥學(xué)+AI” 的方式。

可能在投資人看來，第一，藥學(xué)家自己不敢吹，第二，藥物家相對(duì)比較保守，這幫人知道藥物研發(fā)這個(gè)任務(wù)有多大，也知道其中有多少變數(shù)。

但是現(xiàn)在很多AIDD制藥公司的理念、研發(fā)路徑、戰(zhàn)略都不一樣，如果拿中國歷史比，現(xiàn)在更像春秋時(shí)代，連戰(zhàn)國都還沒到。

當(dāng)然，我也對(duì)AIDD的未來充滿信心。因?yàn)檎麄€(gè)醫(yī)藥研發(fā)體系分為兩個(gè)階段：以PCC為臨界點(diǎn)，前端為research研究；后端為development研發(fā)。

中國的后端研發(fā)體系很強(qiáng)大，特別是相對(duì)于歐洲，只要PCC之前的東西做好，中國至少在全世界排名前三沒問題。所以中國藥物研發(fā)的最大問題在于，前端的基礎(chǔ)研究沒有做好，根本能力提升不了。但只要種下一顆好種子，藥物研發(fā)領(lǐng)域的信譽(yù)就建立起來了。

這也給我們高校老師提出的一個(gè)要求。對(duì)于產(chǎn)業(yè)也是一樣，好種子種活了，整個(gè)產(chǎn)業(yè)都是得利的，所有環(huán)節(jié)都能打通。

雷峰網(wǎng)：目前AI制藥公司大都進(jìn)行到什么階段，還有哪些痛點(diǎn)沒有解決，技術(shù)瓶頸在哪？

瓶頸倒不在技術(shù)，是很多AI制藥公司沒有真正的做過藥物研發(fā)。

我個(gè)人觀點(diǎn)，IT驅(qū)動(dòng)的AIDD公司，軟件產(chǎn)品乃至服務(wù)都不是產(chǎn)業(yè)想要的東西。

其次，現(xiàn)在AIDD從業(yè)者， IT人很多，但是真正參與的臨床專家、藥學(xué)專家還太少。當(dāng)然，一些公司可能是為了融資，找了一個(gè)做藥的人站臺(tái)。但實(shí)際上做藥物研發(fā)，并不是靠一個(gè)藥學(xué)背景的人就夠了。

此外，IT人創(chuàng)立的公司，基因是IT的思維，藥企人可能融不進(jìn)去。未來需要讓更多的臨床學(xué)家、藥物學(xué)家加入到AI制藥中，由他們來攢局，創(chuàng)立IT公司，或者招募一批IT人才，解決藥物研發(fā)當(dāng)中的數(shù)據(jù)、知識(shí)，以及模型的問題。這樣才能真正的觸及AIDD技術(shù)，促使它面向產(chǎn)業(yè)，面向研發(fā)任務(wù)。

現(xiàn)在有個(gè)聲音：未來會(huì)死一批AI制藥公司。

因?yàn)楹芏喙居没ヂ?lián)網(wǎng)思維做藥物研發(fā)，互聯(lián)網(wǎng)思維做消費(fèi)是可以的，它們叫“高舉快打”，但是在藥品研發(fā)領(lǐng)域，藥物研發(fā)的周期太長，速度太慢，“互聯(lián)網(wǎng)+”這種方式不適合，半天到不了終點(diǎn)。

雷峰網(wǎng)：針對(duì)創(chuàng)新藥，國內(nèi)在這一領(lǐng)域還存在哪些薄弱環(huán)節(jié)？

有很多，最直接的是國家提倡的基礎(chǔ)研究沒跟上。

我們?yōu)槭裁磿?huì)follow？說到底是別人有了，我們一做就是follow。原始創(chuàng)新太少。

比如靶點(diǎn)發(fā)現(xiàn)，人家敢做，我們敢做嗎？

人家敢做，是因?yàn)楸澈笥写罅康难邪l(fā)數(shù)據(jù)，證明這個(gè)東西跟疾病密切相關(guān)。但試想一下，你一做之后，人家不做了，你心里是什么滋味，肯定很慌。這就是說，如果沒有原始創(chuàng)新，你只能永遠(yuǎn)被迫去做follow。從國家層面來講，基礎(chǔ)研究是一個(gè)長期的事情。

同時(shí)，中國的優(yōu)勢(shì)也很明顯：人口優(yōu)勢(shì)。這是西方所不具備的。因此我們的重要工作，是面向臨床做原始藥物發(fā)現(xiàn)。此外還有一點(diǎn)，要推動(dòng)中國特色的創(chuàng)新藥物研發(fā)，要制定我們自己的臨床藥物評(píng)審原則。

雷峰網(wǎng)：新藥發(fā)現(xiàn)太難，很多百年藥企巨頭的爆款藥物很多是靠收購而來。那么AIDD公司的出現(xiàn)，是否會(huì)加速百年藥企“藥物研發(fā)”的沒落？也就是說，百年藥企越來越依賴外部創(chuàng)新，自身的創(chuàng)新是否愈加乏力，會(huì)不會(huì)出現(xiàn)一種惡性循環(huán)？

百年藥企，為什么會(huì)做這個(gè)事情？

第一，有錢。

國外大藥企經(jīng)常一個(gè)License out能開到20億。但小的企業(yè)做不了這個(gè)事情，包括國內(nèi)大藥企也做不了，仍然保持自研。

第二，百年藥企的成本權(quán)衡。

國外大藥企很風(fēng)光，但是內(nèi)部的管理成本、人員成本，要遠(yuǎn)遠(yuǎn)超過小企業(yè)。

如果他們自己培養(yǎng)一支AI團(tuán)隊(duì)，一年要花20個(gè)億，還不如合作上花20億和AI制藥公司合作，既能收到“果實(shí)”，還有可能埋了幾個(gè)“種子”。而且只要能成一個(gè)，依靠他們這種大公司的強(qiáng)大商業(yè)能力，一定能獲得回報(bào)。

所以我和創(chuàng)新企業(yè)交流時(shí)會(huì)說一句話，如果你本身沒有AI研發(fā)基因，還不如跟高校合作，學(xué)習(xí)大藥企的思路，把原始研發(fā)放出去。

事情證明，2015年后FDA批準(zhǔn)的新藥，59%都來自于Biotech和Bigpharma的合作。

這是一個(gè)好現(xiàn)象。

我曾經(jīng)看到一個(gè)段子，大概是說某Bigpharma幾千號(hào)人，研究十年，沒搞出一個(gè)新藥，后來有人考證過，其實(shí)是有研究出新藥的，但Bigpharma研究效率低確實(shí)也是客觀現(xiàn)象。

與此同時(shí)，從Biotech變到Bigpharma很難，因?yàn)槎唐趦?nèi)Biotech的商業(yè)能力不可能快速提升，不靠時(shí)間和資金積累是提升不上去的，所以Biotech也會(huì)主動(dòng)和Bigpharma合作。合作才又可能產(chǎn)生賦能和共贏。

所以這是兩廂情愿的事情，目的都是一個(gè)：更快完成能力積累，推出藥物并盈利。

此外，這里還涉及到藥品專利保護(hù)期的問題。藥品跟別的不一樣，它的專利保護(hù)期非常重要，多一年可能就多賺十幾個(gè)億，少一年就少賺十幾個(gè)億。這種現(xiàn)實(shí)情況下也讓他們更愿意合作共贏。

所以，我不認(rèn)為百年藥企會(huì)沒落，或者AI制藥公司會(huì)沒落，只不過大家在藥物研發(fā)和商業(yè)版圖上做了更好的分工而已。

雷峰網(wǎng)：歸根到底， AIDD的價(jià)值還是需要跟藥企的合作來證明。在您看來，傳統(tǒng)藥企或百年藥企巨頭，他們對(duì)于AI 制藥新技術(shù)的看法是怎樣的？怎么去做成果驗(yàn)證？是否愿意付費(fèi)？

百年藥企對(duì)AI這種新興事物比較歡迎。有個(gè)數(shù)字，過去五年，國外一些創(chuàng)新藥企業(yè)已經(jīng)開始關(guān)注前端研發(fā)，超過40家藥企建立了跟AI研發(fā)相關(guān)的部門。

為什么它們不抵觸？因?yàn)樗幬镅邪l(fā)行業(yè)跟別的行業(yè)很不一樣，別的行業(yè)可能會(huì)競(jìng)爭，但是百年藥企缺少藥物品種，有人能給我更多的選擇，我為什么不去鼓勵(lì)呢？

另外，百年藥企更關(guān)注的是自身的商業(yè)版圖。這種情況下，它和AIDD公司是一種互惠互利的關(guān)系，沒有理由去反對(duì)，甚至是歡迎、扶持。

但是你會(huì)發(fā)現(xiàn)，藥企跟AIDD公司的合作，更多的是藥物品種交付。藥企不管你的軟件有多好，能做品種就合作，簽一個(gè)里程碑付費(fèi)的合同。

雷峰網(wǎng)：最近ChatGPT 火，包括背后的AIGC技術(shù)，對(duì)AI制藥行業(yè)產(chǎn)生了哪些影響？

我們非常歡迎新技術(shù)的出現(xiàn)。早在OpenAI和DeepMind兩家公司成立之初，我們就有關(guān)注，這些年來它們已經(jīng)分化出兩種不同的技術(shù)路徑。

簡單來說，前者非常注重?cái)?shù)據(jù)和語料，靠規(guī)模數(shù)據(jù)、龐大算力、充分訓(xùn)練而“大力出奇跡”的暴力美學(xué)，在大模型時(shí)代發(fā)揮到了極致。

后者是不搞暴力美學(xué)，大搞神經(jīng)科學(xué)，在數(shù)學(xué)、物理，這些涉及抽象世界和人類深層直覺的領(lǐng)域長期深耕。比如2021年DeepMind與頂級(jí)數(shù)學(xué)家合作研發(fā)的AI登上Nature，找到一個(gè)幾十年來都沒有結(jié)局的數(shù)學(xué)猜想，2022年與瑞士等離子體中心合作開發(fā)的AI系統(tǒng)參與核聚變。

但實(shí)際上，它們最終解決的問題都是一個(gè)：如何讓電腦看懂你在說什么，而不是簡單的復(fù)述。

這個(gè)是基礎(chǔ)，因?yàn)槿斯ぶ悄苋齻€(gè)領(lǐng)域--圖像、語音和語義。

實(shí)際上，ChatGPT代表著人工智能在語義方面已經(jīng)邁出了第一步。這對(duì)于AI制藥非常重要，因?yàn)檫@個(gè)領(lǐng)域的發(fā)展方向就是做“基于知識(shí)的藥物發(fā)現(xiàn)”。

以前AI不懂語義時(shí)，我們要像一個(gè)老師一樣，給AI“喂知識(shí)”。未來AI懂得語義之后，我們只需要給它“喂數(shù)據(jù)”就行，甚至是一種開源數(shù)據(jù)，不需要提前做太多規(guī)范。

另外我認(rèn)為ChatGPT這些技術(shù)的出現(xiàn)，也迅速讓AIDD行業(yè)熱鬧起來了，大家都在說基于GPT-4要做一個(gè)DrugDeginGPT。不管說法對(duì)不對(duì)，至少有人意識(shí)到，以ChatGPT代表的語義解析能力，將為藥物研發(fā)、智能醫(yī)療帶來很大的賦能。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。