乔治·斯穆特（George Smoot）：人工智能与大数据在生物制药创新领域的应用

乔治·斯穆特(George Fitzgerald Smoot，1945年2月20日-)，美国伯克利加州大学物理学教授，天体物理学家、宇宙学家。乔治·斯穆特和约翰·马瑟因"发现了宇宙微波背景辐射的黑体形式和各向异性"而分享了2006年诺贝尔物理学奖。

以下为2006年诺贝尔物理学奖获得者、美国伯克利加州大学物理学教授 乔治·斯穆特(George Smoot)，在“未来科技创新论坛”上的精彩演讲摘要。

今天我非常吃惊，会场不是机器翻译。 几年前参加会议的时候会有机器翻译，而不是人工翻译，很多公司说想用机器代替人工传译。从这当中可以看出，在过去几年里，有很多自动化和人工智能开发项目，比如自动驾驶，除了医学领域，其他领域也应用了人工智能技术，人工智能在很多方面比人类表现更加卓越。

今天，我想讲的是生物制药的创新，人工智能和大数据在这个过程当中扮演着非常重要的角色，举一个例子。

在生物制药创新领域里，很多生物制药公司的预算非常多，而且有很多大型项目，也有很多人在从事创新工作，他们希望能把人工智能技术应用到工作中去。

漫长的制药开发周期

先看看行业的情况，就知道趋势如何。药物的开发过程是一条漫长而且有风险的道路，基本上需要3至6年时间进行新药开发工作，之后又有三期临床试验。临床试验就要花6至7年时间，在这之后又需要半年到两年时间进行新药申请，然后再进行上市。这个过程非常长，制药公司必须找出方案解决他们目前面临的问题。

巨额资金投入

看一下资金投入情况。这是整个制药开发周期（PPT图示），最早期的时候化合物是5000到10000种，药品开发期250种，临床试验期只有5种化合物可以用作临床试验。临床试验阶段，需要50%的资金投入，其中大概有40%资金的投入到一、二期临床试验，到监管阶段还需要20%的资金投入。他们通过了最后的监管以后，就会以高价卖给大公司。所以这就是为什么有些公司会花10亿美元购买新药。

药物开发为什么要花30%的资金在研发阶段？整个药物开发过程具有风险，因为前期就要投入很多资金。那到底10亿美金的投资有多少药物最后能成功？平均9年新药的数量就会减半，所以最后能够得到批准的新药数量非常少，也包括现在的生物制药。

我们做基础基因测序的价格，在过去二十年从300美元降到了100美元，价格低了很多，基因绘图在明年就会达到一个新的水平，这是因为它的发展非常快，而且价格下降速度非常快。

这种大数据应用，相对来说就会给你的投资带来风险。因为这当中很多工作人员， 需要投入很多人力、资金。我们会看全世界市场上价格的变化，现在新药的数量也越来越少，而且是减半的趋势，而不是我们之前预测说的会越来越多。所以在研究领域来讲，研究程度越是深，研究时间越是长。所以我们现在要用人工智能来解决这个问题。

大数据优化药物开发过程

我们不能让新药变得越来越昂贵，最近一项新药成本大概是20亿美元，我们必须逆转这个趋势，如何做呢？就是利用人工智能，利用大数据来帮助我们优化整个药物开发的过程。同时，我们希望在药物开发的不同阶段把冗余的过程进行优化，这是我们想要通过人工智能达到的目标。我们希望能够把药物开发周期缩短到10年以内甚至更短。

这是一项新药的研究周期（PPT图示），你会把临床试验公开，最后在专利有效期的时间之后，比如专利过期就会出现仿制药。这是整个新药的生命周期。如果你的前期研发过程非常长，你的投入成本就会非常高。

我们的想法是：你有了技术研究，有了很多备选化合物，你希望是一个漏斗一样筛选出所有的化合物，选一个能够通过FDA批准的药物。我们希望把五年多的时间缩短到一年时间。

有人问我们能不能做到？原则上来说可以做到，但是我们缺乏各种支持，而且目前阶段也没有能力做这个事情，所以现在需要用到人工智能帮助我们实现这个目标，因为我们需要一个高质量的数据库，在数据库当中可以快速进行数据比对，这样可以依赖于这些数据比对、分析结果，不然只能仰仗人为分析，人为验证，这样时间就会非常长。这就是人工智能应用的例子。

AI应用的例子

接下来看一下人工智能可以做什么事情。这就是一些人工智能公司，这些公司都涉及到医学领域的，你的药品得到批准后，还必须进行药品效果监管，那么你要监测药品在患者身上的效果。我们有科学数据，有医疗系统数据，患者数据，都会组成真实数据帮助我们进一步证明药品上市之后它的进一步有效性的情况。

很多人都说我们希望机器人能够更智能，能够从事医生做的事情，能够开药，能够进行相应的医学操作等等。现在我们在这些领域有很多人工智能公司，比如在药物研发阶段，或者靶向发现阶段，可能有很多家公司同时在竞争一个领域，他们都在开发相应的人工智能系统，这个过程不是那么简单，不是开发一个机器人放实验室里面就OK了，因为你必须长期应用人工智能技术。

Insilico Medicine公司在做虚拟药物发现通道的项目，它们可以帮助我们分析分子结构，它们分析药物的时候针对这个疾病有很大的药物、疾病数据库，里面包括了这么多种疾病和这么多分子，通过数据库的分析来看分子怎么样和疾病匹配在一起。

还有很多其他的人工智能应用方式，有些是深度学习，有些是怎么样把这些模型放一起，然后加入数据，找到解决方案。它们现在正在建立这样一个引擎，也在运行当中，但是还处于早期开发阶段，现实是我们没有一个数据库里面包含了所有药物信息，虽然数据库里面有很多药物，但是每个药物都要看它怎么样组合、拆分，我们必须要在不同水平进行校对，这样才能准确得到生物医药的分析结果。

这是另外一个例子（PPT图示），就是现在这个领域的人工智能应用。为什么现在生物越来越自动化，在研究实验室和其他实验室当中，我们关注的趋势就是要实现实验室物联网的应用，现在很多实验室项目都和网络相关，不需要手录，可以直接使用电脑进行信息登记和注册。

如果你需要获取数据，比如在这个市场当中或者药物上市，以及患者医疗结果当中都可以获取数据。关于生物、非生物的界限现在已经不那么明显，对于市场驱动力来说，我们现在也会在数据获取方面使用自动化。

这是制药公司如何应用人工智能促进药物的开发。 我们在临床试验当中其实有各种各样的人工智能的应用，我们必须保证临床试验的可应用性，现在有很多人工智能系统可以帮助我们监测整个临床试验过程，确保临床试验成功且能够顺利完成。

大家比较熟悉的一个例子是来自斯坦福的生物制药和免疫抑制的3D呈现，可以看到不同计算机模拟出来的3D情况，这是我们利用的工具（PPT图示）。这个工具可以帮助我们免疫修复。

上述工具很快会开始和行业进行合作，我们甚至可以雇佣一些公司做专门的针对性研究，比如这个公司没有专利技术，没有设备，它们要把部分领域研究外包给第三方公司。现在大家都在提高技术，通过技术提高成效率。

降低成本的方式就是把这个过程压缩到更短时间，成功率更高就证明它的投资回报率更高。这就是人工智能在临床试验设计当中的应用，我们现在利用人工智能来确保临床试验的成功，这就是人工智能所能做的事情，人工智能在跟踪数据方面比人类做得更好，更加严谨，如果是人类操作，研究人员情感上可能会被这些患者所影响，但是人工智能就不会出现这种情况。

还有一个例子就是整合系统生物学和计算机基于网络的药物发现。在这个过程中我们会使用共享数据库，数据库非常庞大，一个人的基因数据库就会达到1G的量，所以在全世界没有办法自由的进行比较，你要做的就是把你的问题输入这个软件中心，这个软件中心的工作人员就会进行相应的分析。

这是从大数据到知识的转化，这就是人工智能发挥作用的地方，它可以进行数据分类，数据筛选，可以帮助我们分析大数据之间的相互关系，然后制定下一步的解决方案。

比如有些人说我想用人工智能应用到特定药物的建模当中，我们会用计算机进行模拟、仿真，然后看分子结构的作用和效果如何。它们可以在很短的时间里模拟出很多的分子结构的作用，所以可以很快得到结果。

我们在临床试验当中让试验变得更加智能，由人工智能算法和深度学习技术来支持人工智能驱动的协议设计，这可以让我们的试验更加智能，我们必须确保能够采集归纳正确的数据库，在整个过程当中都是作出明确的决定。我们可以开始预测在未来我们什么时候要进行药物批准的申请，然后开始计划接下来的事情。

我们希望医学科学研究者和人工智能研究者可以改造漫长且劳动密集型的药物开发过程。现在全世界有 100 多家领先的人工智能制药公司，可以看到在美国、英国占据了 90% 的市场份额，这是一年前的数据了。你可以看到美国和英国一直以来都是领先的两个国家，不出意外它们的市场份额非常高， 当然中国在这方面有很强的势头，有很多公司在从事人工智能工作，只是没有和生物医药联系起来，在未来这一定是趋势。

我想说人工智能其实没有占领整个领域，人工智能可以减少开发新药的时间，同时也可以帮助我们分析基因组的类型，来帮助我们解开问题的答案。

当然人工智能不是无所不能的，最终人工智能会成为我们一个辅助性的工具，也会扮演非常重要的角色，来帮助我们开发这个市场，让这个市场变得更加优化。

如需合作，请联系诺库