·如何找到和定義一個真實的、清晰的科學問題，以及問題成立后，我們是否有足夠的數(shù)據(jù)來進行清洗和分析，這考驗著我們的計算資源。同時，在我們對一系列問題都預測建模后，是否具備一套良好的評估方法對成藥效果進行分析……凡此種種，都是AI制藥路上亟待解決的問題。

“在機器學習AI領域，尤其隨著ChatGPT這樣應用的風靡，推高了將新技術與生物制藥結合的呼聲。在醫(yī)療數(shù)據(jù)的處理和分析方面，AI可以幫助處理和分析大量的醫(yī)學圖像、基因數(shù)據(jù)、病歷資料等復雜信息，提供更準確的診斷和治療方案。” 中國工程院院士陳賽娟在2023上海國際生物醫(yī)藥產(chǎn)業(yè)周同期活動——“醫(yī)藥醫(yī)療創(chuàng)新大會暨第七屆上海AI大會”上說道。

近年來，隨著數(shù)字科技和生物材料等領域前沿科技不斷融合，人工智能在生物醫(yī)藥研發(fā)與醫(yī)療建設中發(fā)揮重要作用。我國的智慧醫(yī)療市場需求高速增長、規(guī)模迅速發(fā)展，各地都在積極探索并加速新技術的運用場景落地。

第七屆上海AI大會在10月19日舉行，以“創(chuàng)新賦能醫(yī)藥醫(yī)療發(fā)展”為主題，旨在探討“藥物研發(fā)中的技術創(chuàng)新”、“臨床開發(fā)中的數(shù)智策略”、“全球藥物合作”、“AI賦能智慧醫(yī)療”幾大方向，共謀后疫情時代醫(yī)藥醫(yī)療新技術與新發(fā)展。

中山大學分子設計研究中心主任徐峻提出，AI驅動的藥物設計方法主要是由注意力機制（attention mechanism）突出分子的重要局部特征，建立重要局部特征與活性的關系，再通過輸入數(shù)據(jù)計算出的權重表示局部特征的重要性。然而，雖然多年來藥物研發(fā)領域的投資不斷增加，但投資 10 億美元得到的上市新藥數(shù)目每 9 年就減少一半，這一現(xiàn)象又被稱作反摩爾（Moore）定律。

《藥理科學趨勢》（Trends in Pharmacological Sciences）雜志曾發(fā)表相關文章稱，AI 可以加快藥物臨床試驗的成功，從而助力破解反摩爾難題。徐峻認為，通過AI的深度學習，句法模式識別在合成設計、篩選、活性的預測，將有機會突破反摩爾定律，助力更多新藥上市。

恒瑞醫(yī)藥分子信息部高級總監(jiān)李勛在會議上說道：“如果傳統(tǒng)制藥是自行車，AI制藥就是摩托車，但必須承認，AI制藥的道路還是很曲折的。在我看來，計算輔助藥物研發(fā)的著眼點有四個：1、核心，即找到進行AI制藥的真正目標；2、要素，包括是否有合適的生物學問題和恰當?shù)哪Ｐ停?、層面，是指AI制藥能幫助我們實現(xiàn)什么，是提高研發(fā)效率，還是解釋實驗現(xiàn)象，抑或是建立模型，幫我們進行預測；4、空間，包含成藥性空間、藥物分子的結構空間、與人體的互作空間等，我們要在這些空間中找到交集?！?/p>

在癌癥診斷方面，傳統(tǒng)癌癥的診斷技術雖然便捷，但靈敏度低、特異性差，而且對病人有所傷害。同濟大學醫(yī)學院博士生導師、上海市分子診斷創(chuàng)新技術研究所CTC中心主任陳炳地通過醫(yī)工交叉，提出一種非抗體依賴捕獲、致力細胞病理鑒別的全新CTC檢測技術——PETCEC技術。由于腫瘤細胞與正常細胞的糖代謝有所差異，可通過正電磁性納米探針特異性識別負電的腫瘤細胞，而通過生物納米技術設計的“偽生磁性納米探針”具有靶向識別腫瘤細胞的作用，在捕獲腫瘤細胞后可快速分離，具有優(yōu)良的生物安全性。

醫(yī)藥醫(yī)療創(chuàng)新大會暨第七屆上海AI大會現(xiàn)場圖。主辦方供圖

陳炳地認為，未來腫瘤治療將向腫瘤“智”療轉變?？梢酝ㄟ^臨床決策支持系統(tǒng)（CDS5）為醫(yī)務人員臨床診療提供多種幫助的計算機輔助信息系統(tǒng)，利用Al幫助醫(yī)護做臨床決策。同時，Al遠程醫(yī)生能夠主動多輪詢問患者多種信息，推斷患者可能患有的疾病，開具檢查單。

AI制藥也面臨著一系列挑戰(zhàn)。“比如，如何找到和定義一個真實的、清晰的科學問題，以及問題成立后，我們是否有足夠量的數(shù)據(jù)來進行清洗和分析，這考驗著我們的計算資源。同時，在我們對一系列問題都預測建模后，是否具備一套良好的評估方法對成藥效果進行分析……凡此種種，都是AI制藥路上亟待解決的問題。”李勛說道。

《自然》（Nature）雜志不久前發(fā)表的一篇題為《人工智能加速藥物發(fā)現(xiàn)的潛力需要現(xiàn)實檢驗》（AI’s potential to accelerate drug discovery needs a reality check）中說道：“藥物發(fā)現(xiàn)過程涉及很多運氣。即使人工智能確實減少了將化合物納入臨床前測試所需的時間和成本，大多數(shù)候選藥物在后期階段仍然會失敗。任何能夠加快這一進程的東西都代表著勝利，工業(yè)界和學術界必須利用彼此的優(yōu)勢來確定如何利用人工智能發(fā)揮最佳效果?！?（詳見澎湃科技報道《〈自然〉呼吁謹慎：人工智能加速藥物研發(fā)的能力仍需現(xiàn)實檢驗》）

“藥物創(chuàng)新應該受問題驅動，不應提倡技術驅動或數(shù)據(jù)驅動。”徐峻在大會上說道。