AI制药加速落地 多家巨头抢滩(2)

　　虽然将AI应用于药物研发的潜力十足，但距离真正进入医药市场仍有很长的路要走。业内分析表示，通过AI大模型完全模拟药物研发的这一过程对算力的要求极高，足量的训练数据仍然是一大瓶颈。合成生物学公司Ginkgo Bioworks的AI负责人Anna Marie Wagner表示，像GPT这样的新型基础模型依赖于强化学习，是一种模仿人类为实现目标而反复训练的学习过程，更依赖于高质量的海量数据。

　　到目前为止，尚未有AI辅助研发的新药上市。有数据显示，全球有超80款AI药物进入临床试验阶段，大多数处于临床早期阶段，仅有少数进入Ⅱ期临床试验，还有部分AI辅助研发的药物因临床表现不佳而终止。

　　今年4月，英国AI药物研发公司BenevolentAl宣布，用于治疗特应性皮炎的局部泛Trk抑制剂BEN-2293的Ⅱa期临床试验没有达到次要疗效终点，该药曾遭认为具备潜在同类最佳潜力。

　　郭晋疆指出，生命科学领域的数据呈现出多模态、多尺度、异质化的特征，既有来自于基因测序的数据、蛋白质或化学化合物结构化的数据，也有来自于生物活性的特定数据等，数据量初步估算为百亿级。而AI缺乏对生物体系机制的认知，对不同尺度、不同层级的生物学数据缺乏系统性理解，如蛋白构象变化、分子以及药代动力学过程等时间、空间尺度信息。

　　“从合作模式而言，如何构建一个有效的闭环很重要。AI算法和实验之间的闭环，不仅仅存在技术上的难度，还有互信的难度。”微软研究院科学智能中心首席研究员夏应策认为，应建立有效的机制，让AI的专家愿意为实际问题针对性地设计算法，实验组的化学专家们也愿意为AI设计出来的分子进行评估和测试。

　　DeepMind的科学副总裁Pushmeet Kohli更是直观地形容数据量的痛点：“垃圾进，垃圾出。”据报道，美国食品药品管理局(FDA)迄今为止已经批准了100多种使用AI或机器学习进行开发的药物候选物的临床试验，但可能需要数年时间才能上市。