發(fā)現(xiàn)并加快藥物開發(fā)是筆大買賣，這個行業(yè)的運營成本很高，因此利用AI方法優(yōu)化整個流程就成了這一快速發(fā)展行業(yè)中的首要考量因素。
德勤公司發(fā)現(xiàn)，其關注的全球20強生物制藥企業(yè)中，去年新藥開發(fā)的平均成本上漲了15%（增長數(shù)字為2.98億美元），總額來到約23億美元。這23億美元，涵蓋了從候選藥物發(fā)現(xiàn)、臨床試驗再到產(chǎn)品上市的全流程平均成本。
為了實現(xiàn)降本增效，不少生物制藥企業(yè)開始利用AI技術加速藥物開發(fā)。例如，使用關于先前候選藥物的蛋白質(zhì)或氨基酸序列/3D結(jié)構及其特性信息來訓練機器學習模型。
關注該行業(yè)的朋友可能有所耳聞，此類候選藥物中只有不到10%能夠在臨床試驗階段取得成功，而每次臨床試驗的開發(fā)成本大約在3000萬美元到3.1億美元之間，如此高昂的投入必然要被分攤到最終獲得成功的藥品之上。此外，受試患者的實際診療周期也會限制藥物的研究進度。
AI與機器學習將在哪些領域帶來價值？
二者的作用體現(xiàn)在多個層面。首先，AI技術可用于藥物開發(fā)、加快部分研究過程，幫助降低成本并提高效率。研究發(fā)現(xiàn)，AI能夠?qū)⑿滤幍暮Y選時間縮短40%至50%，從而顯著降低成本。
尋求最佳方法來簡化整個藥物開發(fā)生命周期，已經(jīng)成為制藥研發(fā)生態(tài)系統(tǒng)中各大主要參與者的首要目標。而如果不積極擁抱AI技術，他們根本就不可能與同行對等競爭。
為了接觸具有行業(yè)影響力的受訪者并帶來更加可信的專業(yè)意見，本文采訪了BioPhy公司創(chuàng)始人兼CEO Dave Latshaw博士，他曾在強生旗下的楊森制藥公司負責過早期AI項目。在嘗試利用機器學習監(jiān)督大分子抗體制造之后，Dave博士成為強生AI研究小組史上最年輕的領導者。
Dave最熱衷的，就是將AI方法引入生物科技與制藥行業(yè)當中，希望借此簡化流程、優(yōu)化決策并加強生命科學領域內(nèi)的各類協(xié)作用例。他的目標是最終推動創(chuàng)新，加速為全世界患者開發(fā)出能夠挽救生命的診療方法。
BioPhy公司及其他領先AI創(chuàng)新生物科技公司（包括AtomWise, BioVia, Cradle, DNANexus, exScientia, Iktos等等）已經(jīng)紛紛投身入場，而矛頭所指主要集中在兩大關鍵AI用例領域。
當然，傳統(tǒng)大型制藥巨頭也在積極擁抱AI技術，當然不乏自己的成果積累。這里暫且不談巨頭們?nèi)绾芜\用AI提升價值鏈流程的整合效率，本文將專注于探討藥物的研發(fā)和生產(chǎn)邏輯。
首先，在藥物發(fā)現(xiàn)階段，其中的關鍵就是對生物與臨床可行性數(shù)據(jù)進行量化，從而讓生物技術初創(chuàng)公司與制藥大廠之間建立起透明、由數(shù)據(jù)驅(qū)動的橋梁。通過開發(fā)能夠分析大量信息（包括科學文獻、專利、臨床試驗數(shù)據(jù)和市場趨勢）的AI模型，早期生物技術初創(chuàng)公司能夠向潛在投資者證明自身的競爭優(yōu)勢與差異化特性。如此一來，這些初創(chuàng)公司就能以AI驅(qū)動的分析工具及其生成的定量評估為支撐，通過展示獨特優(yōu)勢與能力來提高融資成功率。另一方面，制藥企業(yè)也能借此為投資組合做出更優(yōu)質(zhì)的決策、提高資本部署效率，以更加有利的市場地位獲得批準并拉升投資回報率。
AI為藥物開發(fā)過程帶來的第二大實際價值，就是利用大語言系統(tǒng)來加快藥物中的關鍵開發(fā)能力，例如運營、質(zhì)量與監(jiān)管。具體來講，在情報監(jiān)管領域，AI系統(tǒng)能夠分析大量文檔、指南與法規(guī)，確保制藥企業(yè)保持合規(guī)并及時了解監(jiān)管機構的最新要求。這不僅提高了運營效率，也有助于降低不合規(guī)風險，避免藥物在開發(fā)和審批流程方面遭遇延誤。此類AI用例將幫助客戶在決策、風險緩解與整體效率方面迎來切實改進。此外，早期生物技術初創(chuàng)公司還發(fā)現(xiàn)，在AI驅(qū)動的創(chuàng)新定量評估支持下，小公司更容易籌得資金，大型藥企也能加快融資速度。
AI驅(qū)動方法正在顯著改善藥物發(fā)現(xiàn)這條復雜價值鏈上的優(yōu)化空間。而除此之外，利用強大AI構建上市產(chǎn)品還有另一大回報——確保他人也能從中獲得真正的剖析和洞察。
AI領導之旅
Dave本人還分享了幾個非常有趣的觀點，講述了他自己在學習AI方面的真實經(jīng)歷。這些觀點對于每一位從事設計AI產(chǎn)品、建立AI業(yè)務的領導者來說都相當重要，更將給制藥行業(yè)中的復雜難題帶來一點AI啟發(fā)。下面來看他自己親身學到的重要經(jīng)驗和教訓。
首先，跨學科合作是重中之重。這是因為AI開發(fā)需要計算機科學、數(shù)學、認知科學和語言學等多個學科的專業(yè)知識，只有將來自這么多不同領域的專家知識整合起來，才能建立起強大且高效的AI系統(tǒng)。換句話說，如果從業(yè)者自己能夠跨越多個學科、將多領域信息集于一身，那么這種協(xié)同效應將尤其顯著。
其次，數(shù)據(jù)質(zhì)量非常重要，而且這是一條怎么強調(diào)都不為過的經(jīng)驗。AI算法能否成功，很大程度上取決于訓練數(shù)據(jù)的質(zhì)量和多樣性如何。只有保證數(shù)據(jù)準確、具有代表性且盡量去除偏見，才能建立起在不同應用場景和用戶群體中均有良好表現(xiàn)的AI工具。總而言之，算法當然重要，但真正決定模型的是數(shù)據(jù)。
第三，積極擁抱AI的價值與機遇，否則就是在放棄背后的巨大可能性。AI有望顯著改變我們生活的各個方面，并為各行各業(yè)帶來突破性的進步。為了充分實現(xiàn)這些優(yōu)勢，最重要的就是要對新的可能性保持開放心態(tài)，踴躍投資于前沿研究，并支持AI技術的發(fā)展，最終為個人乃至組織創(chuàng)造出更美好的未來。應當鼓勵負責任的AI開發(fā)并通過引導讓AI創(chuàng)新成為人類能力的放大器，這樣方可為所有人帶來更加包容且繁榮的前景。
第四，身為領導者，必須將道德保障視為慣例和常態(tài)。隨著AI在工作生活中各個層面變得愈發(fā)普遍，我們必須認真考慮由技術帶來的倫理與道德影響。必須制定出有助于防止數(shù)據(jù)濫用、取代人類員工和造成決策偏見等不良后果的指南與框架，確保AI工具更緊密地契合人類價值觀與社會規(guī)范。
第五，AI的學習之旅永無止境，每個人都應當持續(xù)跟進、不斷演化。AI領域仍在迅速發(fā)展，為了跟上創(chuàng)新前沿，持續(xù)學習將至關重要。擁抱新的發(fā)展能夠建立起更強大的AI系統(tǒng)，滿足不斷變化的現(xiàn)實需求。而掌握最新研究并加強學術界與工業(yè)界之間的合作，將能夠大大加快AI領域的進步。
我也一直嘗試在各種研討會上發(fā)現(xiàn)廣受好評的領先AI研究人才，他們的發(fā)現(xiàn)將幫助我們持續(xù)擴展自己的AI發(fā)掘能力與應用心得。
為AI研究者們喝彩
Dave最為關注和贊許的AI研究者之一，就是憑借開創(chuàng)性工作為AI發(fā)展做出長期貢獻的Jürgen Schmidhuber。他對機器學習和深度學習，特別是循環(huán)神經(jīng)網(wǎng)絡的早期貢獻，為當今眾多AI技術奠定了實現(xiàn)基礎。他為通用人工智能（AGI）提出的愿景也持續(xù)激勵著全世界的研究人員。在整個職業(yè)生涯中，Schmidhuber一直以開發(fā)通用人工智能作為終極目標，希望建立起能夠跨廣泛領域執(zhí)行任務的AI系統(tǒng)，而不再局限于狹窄的專用功能。這個課題近來再次引發(fā)公眾的廣泛關注。在追尋愿景的過程中，他始終保持著旺盛的好奇心和強大的創(chuàng)造力，希望打造出能夠以通用、無監(jiān)督方式實現(xiàn)持續(xù)學習和自我改進的AI系統(tǒng)。
AI職業(yè)生涯規(guī)劃——您選擇了怎樣的路徑？
在討論末尾，我們邀請Dave向年輕的領導者們分享一點建議。他慷慨給出了經(jīng)過深思熟慮的觀點，也樂于以負責任的方式引導下一代技術人才、賦予他們塑造AI新形態(tài)的堅實信心。
在AI世界里，我們既可以選擇成為推動前沿研究和突破的基礎理論創(chuàng)新者，也可以成為跨行業(yè)有效應用和實施AI解決方案的實踐者。這兩類角色對于AI技術的進步和普及都至關重要，但在發(fā)展路徑和關注重點上又各有不同。
身為基礎理論創(chuàng)新者，大家需要更深入地研究AI理論與底層技術，通常得拿到碩士甚至是博士學位才能參與其中。在AI相關領域，這類專業(yè)教育能幫助我們理解并投身于特定領域，例如自然語言處理、計算機視覺、強化學習或者機器人技術。在此類角色中，大家的工作就是通過開發(fā)新算法、推進AI與機器學習技術的當前狀態(tài)、或者探索AI的全新應用來做出貢獻。一般來說，基礎創(chuàng)新者通常會就職于學術研究機構、AI研究實驗室或者科技公司的研發(fā)部門。
另一方面，身為AI從業(yè)者，我們的重點則是運用AI技術和工具來解決醫(yī)療、金融或者交通等各個行業(yè)中的現(xiàn)實問題。而有效實施AI系統(tǒng)、優(yōu)化性能表現(xiàn)并帶來切實效益的關鍵，就是將對AI技術的深入理解同目標行業(yè)的當前實踐結(jié)合起來。在此類崗位中，大家往往從事著AI系統(tǒng)集成、項目管理或者業(yè)務分析等工作，并需要與領域?qū)＜液屠嫦嚓P方密切合作。
至于這兩條道路到底該如何取舍，無疑取決于各位的興趣和職業(yè)抱負。如果您熱衷于突破AI知識的邊界并創(chuàng)造顛覆性的進步，那么理論創(chuàng)新的道路可能更為適合。而如果應用AI技術來實現(xiàn)直接價值、推動跨組織及行業(yè)的高影響力變革能為您帶來更大的滿足感，那么實踐類職業(yè)生涯應該會是正確的選項。
而無論選擇哪條道路，大家都必須積累下扎實的AI基礎知識、與AI社區(qū)保持交互，并隨時關注最新趨勢與發(fā)展方向。
總結(jié)
總的來說，貫穿整個藥物開發(fā)生命周期的AI應用是筆大生意。與眾多以AI生物技術為中心的初創(chuàng)公司一樣，BioPhy正在為整個世界帶來不可估量的潛在影響。而Dave的分享之所以意義重大，不僅在于他們找到了一套契合現(xiàn)實的AI方法論，同時也體現(xiàn)在這位CEO卓越的情商以及對人才重要性的理解方面。他始終堅信，協(xié)作與信任才是解決人類一切最棘手難題的前提與核心，健康、醫(yī)療與藥物研發(fā)領域當然也不例外。