邁入2022年，產業(yè)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(yī)藥產業(yè)應有怎樣的期待？近日，業(yè)內知名媒體Endpoints發(fā)表了一篇深度報告，指出產業(yè)不宜過度樂觀，也不用妄自菲薄。人工智能在產業(yè)中自有其現實的價值，而產業(yè)同仁也需要有著客觀和理性的預期。

火熱的人工智能領域

毫無疑問，產業(yè)在近些年來為人工智能領域傾注了大量的熱情。根據Deal Forma的數據，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。

在研發(fā)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。

insitro首席執(zhí)行官Daphne Koller博士表示，火熱的人工智能領域背后，是產業(yè)對數據的看重，以及數據收集能力的爆發(fā)。在機器學習的史前時代（上世紀九十年代早期），如果一個數據集包含幾百個樣本，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，這樣的數據集還是遠遠不夠的。

2012年，這一領域逐漸出現了轉變?！按髷祿边M入主流，數據科學也被證實能產生重要的影響。在大規(guī)模數據的訓練下，算法模型已經能在無需人類提示的情況下，自行找到一些關鍵信息，用于區(qū)分圖片或是不同的問題。也幾乎在同一時期，生物醫(yī)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后宣告成立。

在大量資金的涌入下，這些公司也有著長足的發(fā)展。終于，產業(yè)等來了歷史性的一刻：由人工智能發(fā)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，旨在治療強迫癥（OCD）。相關新聞也指出，這是首個由人工智能平臺創(chuàng)造，并進入臨床試驗的分子——它來源于大規(guī)?；衔飻祿斓暮Y選。

Recursion隨后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(fā)現手段——一款來自DeanLi博士的實驗室，另一款則是從俄亥俄州立大學獲取的授權。但該公司的創(chuàng)新在于，利用人工智能平臺，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數據來自Exscientia一項公開標簽的1期籃子試驗。Recursion尚未發(fā)表任何1期臨床數據，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(fā)展，也引來了人工智能領域另一些從業(yè)者的擔憂。1910Genetics首席執(zhí)行官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么能顛覆產業(yè)的研發(fā)格局，也只是開發(fā)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。

重拾理性

人工智能技術一旦遭遇失利，是否會被其熱度所反噬。在過去，生物醫(yī)藥產業(yè)曾有不少類似的例子：人們曾夸下?？?，卻最終遭遇失敗，導致整個領域的停滯。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。

背后的原因很簡單，與以往的泡沫不同，如今的人工智能技術表明它們真的可以給研發(fā)過程帶來價值。駕馭了爆炸性的數據增長之后，強大的計算力能用于早期藥物發(fā)現，或是讓大規(guī)模的關鍵性試驗變得更為高效。人工智能會對研發(fā)過程提供協助，只是我們還不知道協助的比例是多少，是5%？50%？還是80%？

為此，產業(yè)的領導者需要做的，是合理調整人們的預期，使其與實際情況結合起來。人們期待能快速看到結果，但成功要比速度更重要。

而調整預期的過程，可能需要大型藥企與生物技術公司的共同努力。Endpoints的深度報告指出，目前不少大型藥企正在建立自己的人工智能項目，而且正冷靜地看待這項創(chuàng)新的工具。葛蘭素史克的人工智能與機器學習全球負責人Kim Branson博士提到，在期待看到范式轉變的同時，他也期望為這個領域設置合理的目標；諾華的人工智能創(chuàng)新實驗室全球負責人Iya Khalil博士則指出，目前機器學習方面的努力很像當時的人類基因組計劃。誰都不否認它的重要性，但單獨解析出基因組的數據，并不能一下子帶來數十種全新的藥物。

而生物技術公司也有望做得與眾不同。一個關鍵策略是在失敗來臨之前，先建立起足夠的成功機遇。這樣一來，即便遭遇失敗，這個領域也能從失敗中學習，變得更好。另外的一些策略則包括向其它公司提供服務，譬如Insilico Medicine也在為其它公司提供軟件。通過使用這些工具，產業(yè)的研發(fā)人員能夠評估研發(fā)項目的成功可能。該公司的首席執(zhí)行官Alex Zhavoronkov博士在Endpoints的采訪中提到。

人工智能的未來

大部分生物醫(yī)藥產業(yè)的人都相信，我們正處于一個轉變期的開端。只是這個轉變的幅度能有多大，目前還沒有一個明確答案。樂觀點講，倘若上一個十年是屬于數據科學的十年，那么這個十年，有可能成為人工智能的十年。問題在于，目前人工智能所獲得的熱度，是否能為產業(yè)帶來與之相稱的改變？

在這一領域有大量的機會，率先的創(chuàng)新者，須兼具相應的責任感，因為失敗會給領域帶來影響。生物學領域極為復雜，人體內的許多系統都相互交織。如果改變了其中的一處，從未設想過的另一處也有可能突然出現，帶來問題。為此，研究人員們還有很長的路要走。在這條道路上，人工智能與科研人員的通力合作，有望產生新的變革。