央廣網北京5月17日消息（記者 牛谷月）5月17日，由搜狐科技主辦、央廣網作為戰略支持媒體參與的“2021搜狐科技5G&AI峰會”在北京開幕。峰會大咖齊聚，共同探討5G和AI技術的最前沿發展以及應用落地情況。

　　峰會下午，晶泰科技聯合創始人、大數據與人工智能研發負責人賴力鵬在《人工智能視角下的新藥發現》的主題演講中提到，藥物研發存在投入高、耗時長、風險高三大風險，從藥物立項到上市，可能需要10億美元到20億美元投入，整體成功率不到10%，研發周期超過十年。通過人工智能和數字化、自動化先進技術可以加速藥物發展。

　　賴力鵬表示，AI在整個藥物研發近幾年速度非常快，從早期的機理研究到新藥設計，到臨床前到臨床，到上市，都有大量的公司在參與。他認為，AI可以解決新藥研發搜索效率問題，設計有效的合成路徑和合成方法，并通過AI的設計盡可能減少實驗的次數，降低實驗成本。

　　那么，AI藥物發現什么時候能夠上市？賴力鵬表示，這還是需要尊重客觀科學規律，以往一個藥上市需要十年時間，目前最有效的還是臨床前階段，希望在臨床前時間把發現的時間縮短一半以上。

　　以下為賴力鵬演講全文：

　　各位來賓，下午好。線上線下的朋友，下午好。非常感謝有這個機會跟大家分享一下晶泰科技在人工智能新藥研發上的一些感受。

　　AI在治療診斷上面有重要的應用前景，這些疾病如果通過AI的技術進行了診斷，不幸患有某種疾病，怎么找到好的藥物得到治療？可能目前世界上有接近三分之二左右的疾病沒有有效的藥物治療。有些藥可以緩解病痛，但是沒辦法把疾病徹底根除。像晶泰科技這樣的AI藥物研發公司，就想通過人工智能和數字化、自動化先進技術，加速藥物發展的過程。

　　健康是人類有史以來一直的追求，生物醫藥、藥物發現不管從社會價值還是從商業價值上來說，都是一個非常有持續性的一件事情。神農嘗百草是東方人對于醫藥的追求，而古羅馬也流傳著很多的草藥用書�？梢钥吹讲还苁菛|方還是西方，幾千年前大家對健康就有持續不斷的探索。

　　醫藥研發行業里面面臨著三個階段的風險，分別是投入高、耗時長、風險高。從藥物立項到上市，據不同公司統計可能在10億美元到20億美元投入，整體成功率不到10%，研發周期超過十年。為什么大家覺得藥的生產成本那么低，但是在醫院和藥店買到價格那么高？是因為它的研發成本是非常巨大的。

　　AI可以做什么呢？先回到五年前，這也是晶泰科技創立一年之后，AlphaGo跟李世石的圍棋比賽中獲得了絕對的勝利。比如，AlphaGo和李世石的第二盤棋中的第25步棋，這是很多職業棋手第一感覺不會走的棋，這不是完全合道理的。但是AlphaGo經過自己的訓練和不斷學習，它覺得這步棋對局勢和長期發展是比較有利的。

　　這對制藥有很多的啟發。當我們下棋的時候，或者當我們看一個人體或者剛剛駕駛一輛汽車的時候，我們看到的是日常生活中能夠看到的東西。當我們研究一個藥的時候，我們研究是一個藥物的分子和蛋白、或者DNA的作用。不一定有人看過蛋白質長什么樣子，我們去研究一個根本沒有直觀認識的東西的時候，怎么做？這步棋對我們的啟發是，AI基于數據的挖掘和探索可以看到一些人根本很難看到的東西，從而去擴大我們探索的空間。像幾百年前伽利略發明望遠鏡地時候他看到行星帶來天文學的進展，AI就是讓我們探索分子世界的望遠鏡，讓我們看到以前看不到的東西。

　　今年AlphaFold2在整個過程中取得了非常大的進展，這件事情和AlphaGo也是一個另外的團隊做的。它展示了AI在生物醫藥中的應用，在我們看來就是在自然界當中的搜索引擎，它搜索的根本不是一個已經知道的世界，而是人類未知的世界。像它預測的蛋白結構，對于很多大部分的蛋白質是不知道它的空間三維結構，我們只知道蛋白的氨基酸的一維序列，但是并不知道它在人體內怎么樣形成漂亮的三維結構，并且在人體內是動態變化的。如果這個信息不知道的話，很多藥物設計跟一百年前一樣從土壤當中、草藥當中不斷地試錯，產生巨大的成本，但是如果知道這個結構，就可以非常理性的用計算機設計相應的分子抗體和疫苗治愈相應的疾病。

　　AI在整個藥物研發近幾年速度非常快，從早期的機理研究到新藥設計，到臨床前到臨床，到上市都有大量的公司在參與。媒體估計在未來整個健康領域或者生物研發領域的投入可能會在幾十億美元或者上百億美元。

　　具體的叫做DMTA循環，D是design，從設計開始到合成到測試到分析，設計可能是整個藥物的起點，剛才展示了AIphafold2是計算機設計的試點，它必然進入實驗室和臨床階段驗證，存在一個合成制造的過程，在得到樣本之后會在實驗室有測試，對數據的收集、反饋、分析又回到設計的過程。

　　在設計階段，我們人工是不是已經窮盡里所有設計的可能性？或者搜索引擎是不是已經探索了所有能夠被搜索的樣本？一般來說藥企或者在公開的商業規模大概在10的7次方到12次方，小分子化學藥可能成藥數量在10的60次方，比把太陽系中所有的分子加起來還要多。AI可能可以探索那些超過10的12次方和7次方直達10的60次方的空間，從而找到最大的可能性。對計算機工業也是挑戰，這么大規模的數據無論現在的算力和存儲都沒辦法有效的完成。怎么高效的搜索是現在AI新藥研發面臨非常重大的課題。

　　第二合成階段，現在一個合成藥成本在1000到2000美元，怎么通過有效的化合物設計避免合成難度高或者造成環境污染的合成過程，通過AI設計有效的合成路徑和合成方法，這也是非常重要的。

　　測試和分析也非常直接，通過AI的設計盡可能減少實驗的次數，降低實驗成本。最后一步分析，通過更好數據的分析手段從數據終提取有效的信息，形成閉環，通過有效的實驗積累進一步提高人工智能的效率。

　　晶泰科技構建了整個AI藥物研發模式基于三者循環，目前我們不認為處理生物體這個復雜的系統可以完全獨立靠人工智能起作用，更多是人工智能在整個過程中賦能藥物化學專家進行更有效的藥物設計。形成由人工智能來進行有效的實驗設計，減少實驗次數，為藥物科學家提供更多的想法和洞察，藥物化學家經過有效的設計指導更好的實驗，并且從實驗中獲得有效的反饋。

　　AI藥物發現上市需尊重客觀科學規律，以往一個藥上市需要十年時間，目前最有效的還是臨床前階段，我們有希望在臨床前時間把發現的時間縮短一半以上。

　　晶泰科技的一項真實案例是內分泌系統的Frist-in-class全球研發，整個藥物用了七個月時間，傳統的平均需要1.5到2年的時間，AI縮短了大概2到3倍的時間。更重要的是整個項目合成的或者送到實驗進行測試的化合物數量不超過100個，傳統對于Frist-in-class項目研發過程中要合成的化合物數量在上千。

　　前面提到了合成一個化合物的成本可能在1000到2000美元，通過化合物的減少節省了時間和資金成本，這個項目節省了大約80%的成本。用AI可以節省多大的費用？雖然用AI計算的花費更大，但是真正的價值對藥物工業越往后成本越高，通過早期的合理設計可以大大降低后期失敗風險，通過降低后期風險提高項目的價值。

　　不僅化學藥，晶泰科技在多肽上面的藥物設計把過往12個月的時間縮短到6個月，通過計算的虛擬優化，在不涉及到高昂實驗成本前提下盡可能優化多肽藥物的親和力，成為后期臨床前化合物的優秀候選者。

　　在疾病預防方面，公司和華西有一個合作項目。去年我在白云觀游覽的時候，看到那邊有一幅對聯，上面的內容是某一個做藥的公司或者生物科技公司非常相悖的地方，寫的是“但愿世間人無病，何愁架上藥生塵”——我只愿人世間沒有疾病，何苦去擔心藥放在架子上會落有灰塵。

　　我們希望科技的進步能夠讓大家治愈疾病，但是現階段我們希望用AI給大家提供更好的預防和治療手段。我們用計算的方法去預測新冠的蛋白和人體的ACEI2結合，這是可能導致病毒的傳播性增強的一些突變。通過計算方法一共預測了九個可能的突變，實驗驗證了其中有六個突變可以提高2到4倍的親和力，這對于相應的疫苗研發會有相應的價值和借鑒。

　　從2017年、2018年國內有很多AI制藥公司進入行業。大家問我們對晶泰科技來說面臨的挑戰是什么？

　　第一，這個行業足夠復雜，需要非常大的細分和專業化的投入。

　　第二，這是大家共建的過程，在這么長的研發鏈條上面不同企業應該發揮各自優勢，不管在算法優勢解決上面，在專業的知識積累上面，在生物學基礎研究上面，甚至在IT基礎設施建設方面，大家拼起來才能真正解決人對健康的追求，解決大家生老病死的疾病的問題。

　　最后回到個人非常喜歡的默沙東的一句話，無論是生物科技公司還是制藥公司，我們的使命是治病救人，只有在這個意義之下生命的價值和意義才會隨之而來。謝謝大家。