产业互联网|AI何以成“药神”？｜钛媒体深度( 六 ) 产业互联网|人工智能|大健康

“我们想成为生态圈的重要的一份子，向全世界提供英矽智能的药物发现能力，”Alex说。
“我们的目标不是迅速实现盈利，而是通过满足广大患者的需求，来赢得具有潜力的市场。我认为，要实现真正令人惊叹的财务回报需要数年时间，不仅对英矽智能而言如此，对其他公司也是如此，但这不会在一夜之间发生。另外，为了计算风险和回报，投资者理解生物技术商业模式是非常重要的。因为生物技术是一个非常有风险的行业，它通常不仅关于研发成本而且关于成功的概率。”Alex对钛媒体App表示，自2014年成立以来，英矽智能已与包括约翰霍普金斯大学、哥本哈根大学、诺华、强生、辉瑞、勃林格殷格翰、安斯泰来等顶尖院校及跨国制药企业达成合作。
另外，药企巨头们也在不断入局AI药物研发中，未来可能会通过大笔资金、人才的投入，或取代AI新药研发初创企业。
目前在全球药企中，诺华、阿斯利康、杨森、辉瑞、默克、拜耳等在AI药物研发上行动积极。其中，诺华使用机器学习算法监控和管理临床试验，辉瑞、赛诺菲、百时美施贵宝使用AI开发和分析药物真实世界数据，拜耳则借助AI功能套件，从药物警戒数据库中自动提取药物不良反应记录。
二是高端复合型人才缺失。AI药物研发兼具信息科技和医药双重属性，既需要AI的人才也需要懂药物研发的人才，需要培养一批具备交叉学科的复合型人才队伍。
根据全球顶级期刊《科学》（Science）发布的报道显示，常见药物发现所需要的学科主要包括生物学、化学、AI计算等相关科学技术。

1、生物学：检测开发；细胞生物学；电生理学；基因组学和分子生物学；药物；（行为）药理学；生理；蛋白质生化、表达和合成；蛋白质工程和生物制药；蛋白质组学；结构生物学和晶体学；兽医服务；
2、化学：分析化学；药物和合成化学；合理化合物设计；计算化学；计算机设计；高通量筛选；
3、相关科学：工程；数学；统计数据；生物和化学信息学；IT、硬件和软件设计等。

对此，马健在接受钛媒体App独家采访时指出，很少有定位于交叉学科的专业，所以大部分人才在进入晶泰科技这个团队后才开始涉猎、补充其他领域的知识。在晶泰科技的招聘过程中，也不强调“一专多能”，而是由许多在各自专业技术领域深耕多年的专家，组成一个密切合作的跨学科的研发团队。只有科学研究、工程问题、算法、算力整体获得不断的优化和发展，达到一个技术临界点，才能解决复杂的AI新药研发问题。
三是数据制约。AI训练模型需要优质的数据，新药研发领域的数据基本掌握在药企手里，公开的数据比较有限，所以如何获取优质的数据，建立研发数据标准体系完善数据都是AI+药物研发初创公司面临的难题。
对AI制药企业而言，数据壁垒必须破除，但这并非易事。多位业内人数指出，药物研发中最核心的数据往往掌握在药企手中。由于涉及核心知识产权，药企并无意愿将核心数据分享。而公开的数据质量参差不齐，限制了AI发挥更大价值。
短期内，AI无法颠覆制药工业的既有生态。不同项目中的AI模型差异巨大，如何训练完全依赖研究者自身的判断。因此，制药业积累经验和知识依然有重要价值。
此外，AI制药对于患者的高风险也是不可忽视的。让人类吞下由AI技术制造出的药物，风险十分之高，机器可以死机重启，人无法通过科技形成“复活甲” 。
总的来说，AI主要是神经网络的算法，而神经网络来自于神经科学。但相比人脑中百亿个神经元，以及和神经细胞组成的复杂的网络，现在AI的模型结构太简单了。现阶段，整体技术依然处于弱AI阶段，没有大量的算力、算法和大数据，很难通过AI实现所有的新药发现，诸多技术、商业、产业难题仍待解决。