據1藥才獵頭顧問(wèn)得知，人工智能應用醫藥健康領(lǐng)域已是大勢所趨。對人工智能在醫藥健康領(lǐng)域的應用主要基于多方面的客觀(guān)現實(shí)：優(yōu)質(zhì)醫療資源供給不足、成本高、醫生培養周期長(cháng)、誤診率高、疾病譜變化快和醫療服務(wù)需求持續增加等等。

人工智能(Artificial Intelligence，AI)是計算機科學(xué)的一個(gè)分支，它企圖了解人類(lèi)智能的實(shí)質(zhì)，并試圖生產(chǎn)出一種新的能以人類(lèi)智能相似的方式作出反應的智能機器，該領(lǐng)域的研究包括機器人、語(yǔ)言識別、圖像識別、自然語(yǔ)言處理和專(zhuān)家系統等。1956年，John McCarthy(斯坦福AI實(shí)驗室主任，圖靈獎得主，AI之父)組織AI達特茅斯暑期研究項目研討會(huì )，第一次使用Artificial Intelligence，被認為是人工智能的正式誕生。

　　一、AI在醫藥健康領(lǐng)域的應用現狀
　　人工智能應用醫藥健康領(lǐng)域已是大勢所趨。對人工智能在醫藥健康領(lǐng)域的應用主要基于多方面的客觀(guān)現實(shí)：優(yōu)質(zhì)醫療資源供給不足、成本高、醫生培養周期長(cháng)、誤診率高、疾病譜變化快和醫療服務(wù)需求持續增加等等。AI在醫療領(lǐng)域的應用大體可以分為四個(gè)方面：醫療機器人、智能影像識別、輔助診斷和藥物研發(fā)。
　　1.醫療機器人
　　傳統意義上的機器人主要是指具備傳感器、智能控制系統和驅動(dòng)系統等要素的機械。隨著(zhù)人工智能的發(fā)展，醫用機器人即使沒(méi)有驅動(dòng)系統，也能通過(guò)獨立的智能控制系統進(jìn)行手術(shù)操作。它代替醫生診斷某些疾病或做出人類(lèi)大腦本身無(wú)法做到的一些高智能的運算，基于大數據來(lái)選擇最佳的治療方案和預后預測等。
　　IBM的沃森認知健康系統中的Watson for Oncology是目前世界上癌癥治療領(lǐng)域最先進(jìn)的機器人。這款機器人由IBM公司與美國腫瘤治療領(lǐng)域的權威醫院——紀念斯隆凱特琳癌癥中心共同開(kāi)發(fā)，它可以在數秒鐘內閱讀患者的文字、影像和病歷資料，檢索上百萬(wàn)已發(fā)表的科學(xué)文獻及上千萬(wàn)頁(yè)的腫瘤治療指南等相關(guān)資料，從中提煉總結出適合癌癥患者的精準診斷和治療方案。該系統已被Watson Health部署到了許多頂尖的醫療機構，如克利夫蘭診所和MD安德森癌癥中心，提供基于證據的醫療決策系統。2015年，日本東京大學(xué)醫學(xué)院研究所確診一位60歲的日本女性患了急髓白血病，但在經(jīng)歷各種療法后，效果都不明顯。無(wú)奈之下，研究所只好求助 IBM Watson，而IBM Watson則通過(guò)對比2000萬(wàn)份癌癥研究論文，分析了數千個(gè)基因突變，最終確診這位60歲的日本女性患有一種罕見(jiàn)的白血病，并提供了適當的治療方案。整個(gè)過(guò)程IBM Watson只用了短短10分鐘。
　　2.智能影像識別
　　在智能影像識別方面，人工智能的應用主要分為兩部分：一是圖像識別，應用于感知環(huán)節，其主要目的是將影像進(jìn)行分析，獲取一些有意義的信息;二是深度學(xué)習，應用于學(xué)習和分析環(huán)節，通過(guò)大量的影像數據和診斷數據，不斷對神經(jīng)元網(wǎng)絡(luò )進(jìn)行深度學(xué)習訓練，促使其掌握診斷能力。作為醫生，從CT、核磁共振等圖像判斷一個(gè)非常小的陰影，是腫瘤是炎癥還是其他原因，需要豐富臨床經(jīng)驗的積累。如果通過(guò)大數據，通過(guò)智能醫療，就能夠迅速得出比較準確的判斷。
　　3.輔助診斷
　　隨著(zhù)深度學(xué)習算法的逐漸普及，通過(guò)建立深度學(xué)習神經(jīng)元數學(xué)模型，從海量醫療影像診斷數據中挖掘規律，學(xué)習和模仿醫生的診斷技術(shù)，從而給出可靠診斷和治療方案，現已成為發(fā)達國家醫院不可缺少的醫療組件。谷歌的人工智能算法在乳腺癌診斷上表現出了很高準確度;蘋(píng)果公司最近收購了Lattice，該公司在開(kāi)發(fā)醫療診斷應用的算法方面具有很強能力。
　　4.藥物開(kāi)發(fā)
　　開(kāi)發(fā)一種有效的藥物是一個(gè)非常艱難的過(guò)程。傳統的科學(xué)方法是科學(xué)家首先想出一種假設，然后制藥公司測試這個(gè)假設，從數十萬(wàn)種化合物中篩選其中可能和蛋白質(zhì)發(fā)生化學(xué)反應的化合物，成為潛在的藥物，這些潛在的藥物還要經(jīng)過(guò)多輪的篩選及漫長(cháng)的三期臨床試驗。即使能夠進(jìn)入臨床試驗，最后能夠通過(guò)FDA批準的也不到百分之一。在智能藥物研發(fā)方面，則是將人工智能中的深度學(xué)習技術(shù)應用于藥物研究，通過(guò)大數據分析等技術(shù)手段快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發(fā)周期、降低新藥研發(fā)成本、提高新藥研發(fā)成功率的目的。人工智能通過(guò)計算機模擬，可以對藥物活性、安全性和副作用進(jìn)行預測。目前借助深度學(xué)習，人工智能已在心血管藥、抗腫瘤藥和常見(jiàn)傳染病治療藥等多領(lǐng)域取得了新突破，在抗擊埃博拉病毒中智能藥物研發(fā)也發(fā)揮了重要的作用。
　　二、人工智能是藥物研發(fā)的未來(lái)
　　1.人工智能推動(dòng)藥物研發(fā)轉型升級
　　AI可應用于藥物開(kāi)發(fā)的不同環(huán)節，包括鎖定致病蛋白質(zhì)、篩選對蛋白質(zhì)起作用的藥物成分、藥物有效性/安全性預測、構建新型藥物分子、篩選生物標志物和研究新型組合療法等。
　　藥企對AI技術(shù)的興趣主要源于這樣一個(gè)事實(shí)：傳統的藥物研發(fā)耗時(shí)耗力，且失敗率高，人工智能讓藥物研發(fā)“先假設再驗證”的傳統模式180度翻轉。傳統的藥物開(kāi)發(fā)是一個(gè)不斷試驗、不斷試錯的過(guò)程，在這種思路下，藥物從最初的實(shí)驗室研究到最終擺放到藥柜銷(xiāo)售平均要花費12年時(shí)間。目前，業(yè)界嘗試利用人工智能開(kāi)發(fā)虛擬篩選技術(shù)，以取代或增強傳統的高通量篩選(HTS)過(guò)程，并提高篩選的速度和成功率。
　　擅長(cháng)模式識別的人工智能可以從海量的已有和新的基因、代謝及臨床信息中篩查篩選，以破解各種疾病背后的復雜生物網(wǎng)絡(luò )，從而助力適用于特定病人群體的藥物，同時(shí)引導藥企規避很可能會(huì )失敗的藥物。Berg Health的總裁Niven Narain指出，人工智能驅動(dòng)的藥物實(shí)驗同傳統藥物實(shí)驗的最大區別在于，“我們并不預先作出任何假設。我們決不允許根據人的假設來(lái)生成數據。我們根據從病人那里獲取的數據來(lái)生成假設?！?/span>
　　一種物質(zhì)變成藥物，必須要具備安全性、有效性的特征，而在新藥研發(fā)過(guò)程中提前預測，則可以極大程度地提高研發(fā)成功率?！霸S多原因都可能導致藥物研發(fā)失敗?！边z傳流行病學(xué)家Aroon Hingorani說(shuō)，“然而，其中一個(gè)主要的原因是沒(méi)能針對疾病選擇正確的靶標?！?/span>Hororani的小組建立了一個(gè)將基因信息、蛋白質(zhì)數據結構和已知藥物的作用過(guò)程相結合的預測模型。最終，他們獲得了將近4500種潛在藥物靶標，相比之前預測的可成藥人類(lèi)基因組數量，翻了一倍。然后，兩名臨床醫生梳理出了具有正確形狀和化學(xué)物質(zhì)的144種藥物。由于這些藥物此前已經(jīng)通過(guò)了安全測試，這意味它們可以很快被用于治療其他疾病。對于藥物開(kāi)發(fā)商來(lái)說(shuō)，時(shí)間就是金錢(qián)。
　　人工智能對藥物研發(fā)的助力還包括：發(fā)現新藥或者老藥新用，借助人工智能獲知的生物學(xué)數據，也能幫助藥企更好地確定并招募病人，以參與對他們最可能見(jiàn)效的創(chuàng )新療法的臨床試驗，或許也能提升新藥獲監管機構批準的可能性，比如獲得美國FDA批準。
　　2.全球頂尖制藥公司都在利用AI改進(jìn)、簡(jiǎn)化新藥研發(fā)過(guò)程
　　近日，葛蘭素史克公司(GSK)與蘇格蘭的Exscientia公司達成合作，交易涉及金額約為4300萬(wàn)美元。Exscientia是一家初創(chuàng )公司，主要業(yè)務(wù)是利用AI進(jìn)行藥物研發(fā)指導。雙方合作之后，Exscientia將利用其AI藥物研發(fā)平臺為GSK進(jìn)行10個(gè)創(chuàng )新小分子藥物疾病的靶點(diǎn)開(kāi)發(fā)，該公司的AI系統只需相當于傳統方法四分之一的時(shí)間和成本即可完成新藥候選。
　　強生倫敦創(chuàng )新中心與英國的Benevolent AI公司進(jìn)行了合作，將一些處于試驗中的小分子化合物轉交給了Benevolent AI公司進(jìn)行開(kāi)發(fā)。Benevolent AI是一家致力于人工智能技術(shù)開(kāi)發(fā)和應用的公司，該公司的核心技術(shù)是一個(gè)叫做JACS(Judgment Augmented Cognition System，判斷加強認知系統)的人工智能系統，可以更快更好的開(kāi)發(fā)新藥，避免代價(jià)高昂的臨床試驗失敗。根據合作協(xié)議，BenevolentAI將利用人工智能系統來(lái)指導臨床試驗的進(jìn)行和數據的收集，他們計劃最早在2017年中展開(kāi)2b期臨床試驗。
　　Numerate公司成立于2007年，該公司的創(chuàng )新藥物設計平臺運用基于機器學(xué)習技術(shù)來(lái)模擬小分子化合物的藥物特性，比如靶點(diǎn)結合能力和特異性，藥物動(dòng)力學(xué)和藥物代謝特性，以及毒副作用。這一平臺的藥物篩選流程會(huì )依據特定的藥物活性從包含一兆個(gè)模擬化合物的化合物庫中選出2500萬(wàn)個(gè)化合物進(jìn)行模擬測試。這個(gè)過(guò)程只需要一周就可以完成，每個(gè)模擬化合物的測試成本為0.01美分?；瘜W(xué)家會(huì )對測試結果進(jìn)行分析，挑選出最有希望的模擬化合物進(jìn)行合成和實(shí)驗。目前該公司的藥物研發(fā)管道包含治療代謝疾病，心血管疾病和阿茲海默病的候選藥物。
　　除了歐美藥企，日本藥企也積極面對新科技。日本政府于2016年推出了一個(gè)研究聯(lián)盟，旨在幫助國內數十家公司和機構使用日本K超級計算機，從而提高藥物發(fā)現效率。日本武田藥品工業(yè)、富士膠片及鹽野義制藥等近50家日本企業(yè)將參加利用人工智能推進(jìn)新藥開(kāi)發(fā)的項目。在項目中，企業(yè)將與理化學(xué)研究所和京都大學(xué)合作，組成100人規模的團隊推進(jìn)開(kāi)發(fā)。東京的Takeda公司與Numerate進(jìn)行合作，篩選靶標分子，設計和優(yōu)化化合物，對藥物吸收、分布、代謝和排除以及毒性進(jìn)行建模，為Takeda提供臨床試驗候選藥物。
　　三、國內AI在醫藥健康領(lǐng)域應用的機遇和挑戰
　　中國的醫療資源缺乏，尤其是優(yōu)質(zhì)醫療資源嚴重不足，并且集中在少數三甲醫院，基層和社區的醫療水平和效率都亟待提高。在大力加強專(zhuān)業(yè)醫療人才的培養的同時(shí)，人工智能就是一個(gè)創(chuàng )新的解決辦法。
　　AI在醫療診斷方面的應用在國內剛剛起步， AI可以滿(mǎn)足高端和低端兩個(gè)方向：高端是指為三甲醫院的專(zhuān)科提供服務(wù)，如IBM Watson for Oncology 就是一個(gè)很好的例子。而IBM Watson并不一定適合中國的國情，它是按照西方的病例訓練出來(lái)的，我們需要開(kāi)發(fā)自己的腫瘤及其它專(zhuān)科病的AI系統。而“低端”是針對基層全科醫生的診斷系統，與專(zhuān)科診療系統不同，基層全科醫生的診斷系統更注重常見(jiàn)病的診斷治療，標準臨床路徑的執行等。
　　需要強調的是，人工智能并不一定要解決高大上的問(wèn)題。如用手機加上人工智能，可以鑒別診斷皮膚癌，其準確度超過(guò)了一般的病理醫生。在智能機器人方面，隨著(zhù)3D打印技術(shù)的普及，可穿戴設備發(fā)展迅速，許多可穿戴設備/機械人都需要配置相應的智慧系統，AI大有用武之地。我們知道人類(lèi)有3萬(wàn)多種疾病，每一種疾病的AI分析軟件都可以變成一種成熟的產(chǎn)品，可以說(shuō)商機無(wú)限。
　　在醫療中實(shí)施機器學(xué)習和人工智能會(huì )遇到很多眾所周知的挑戰。第一是缺乏“專(zhuān)業(yè)數據庫”，而另一個(gè)就是設計技術(shù)解決方案，并順利將其運用到臨床實(shí)踐和科研中去。AI領(lǐng)域有句老話(huà)“只要有足夠的數據，任何問(wèn)題都可以解決”。這句話(huà)未必全對，但從側面說(shuō)明了數據在AI應用中的重要性。我國的患者資源非常豐富，但是高質(zhì)量的、干凈的，但有高質(zhì)量完整的臨床標注的數據庫資源并不多。產(chǎn)品做出來(lái)之后如何在醫療系統中落地也是難題，一個(gè)醫院可能有幾十家系統廠(chǎng)商和上百個(gè)數據接口。
　　四、醫學(xué)人工智能真正落地需要全產(chǎn)業(yè)鏈配合
　　要真正實(shí)現醫療產(chǎn)業(yè)的人工智能化，僅靠單方面的力量難以實(shí)現，這需要依托全產(chǎn)業(yè)鏈包括醫療主管部門(mén)、醫療機構的參與和信息化服務(wù)商等各個(gè)環(huán)節的共同努力。同時(shí)在產(chǎn)品的設計和研發(fā)上，需要數學(xué)家、計算機科學(xué)家或醫學(xué)專(zhuān)家的聯(lián)合攻關(guān)，任何單一力量都無(wú)法實(shí)現產(chǎn)品的推出。但中國依然要快速追趕，中國可以成立國家級的醫學(xué)人工智能工程中心，由國內在醫學(xué)、藥學(xué)、信息技術(shù)專(zhuān)業(yè)具備一流水平的綜合性高等院校牽頭，吸引大數據應用企業(yè)、人工智能開(kāi)發(fā)企業(yè)、藥品研發(fā)企業(yè)等共同參與，加速研發(fā)更多適用于國人的人工智能醫學(xué)系統，滿(mǎn)足我國醫療領(lǐng)域的應用需求。1藥才獵頭顧問(wèn)整理。