制药“AI”热背后：企业需从技术和数据导向转为问题导向

原标题：制药“AI”热背后：企业需从技术和数据导向转为问题导向

·“现在很多企业都喜欢拿AI（人工智能）说事，但不管有多少数据，核心都是要解决问题。也有人说，有了数据可以解决所有问题，在我看来，这也意味着无法解决任何问题。技术一定是有选择，有偏好的，我们目前还没有发现一种能‘包治百病’的数据平台。有了工具当然重要，更重要的是如何使用工具，借助它们能解决哪些医药难题，这是一切的源头。”

“貌似现在AI（人工智能）制药很热，相关企业也很多，但质量其实并不高，大家都在凑人工智能的热闹，真正踏踏实实写代码，做数据的人并不多。”5月25-26日，在上海举办的2023中国AI药物研发大会上，中山大学药物分子设计研究中心主任徐峻对澎湃科技记者说道。

在徐峻看来，人才荒是一个重要原因，缺乏一批专业素质高且目光长远的人带领AI制药发展。“现在人工智能不断发展，程序员的编程语言也从最初的C语言（C语言是一种编译型语言，其语法更加底层，需要开发者手动管理内存等细节）变成了Python（一种解释型语言，其语法更加简洁明了，可读性强，适合快速开发）。现在用C语言编程的程序员已经比较少见了。技术发展的同时在一定程度上也强化了人的惰性，对此我们需要小心。”

当下，很多企业都加入这场“AI热”，徐峻认为，在这场竞争中很关键的一点是数据。“我们说大数据，数据是基础也是关键，不仅公共数据，我们有多少自有数据，这是衡量一个企业AI制药潜力的重要因素。鉴于当前的国际局势，我建议尽快下载还开放着的全球公共数据。”

徐峻认为，现在很多企业都是技术和数据导向，但真正有所作为的企业一定是问题导向。他说道：“现在很多企业都喜欢拿AI说事，但不管有多少数据，核心都是要解决问题。也有人说，有了数据可以解决所有问题，在我看来，这也意味着无法解决任何问题。技术一定是有选择，有偏好的，我们目前还没有发现一种能‘包治百病’的数据平台。有了工具当然重要，更重要的是如何使用工具，借助它们，能解决哪些医药难题，这是一切的源头。”

AI也不是万能的。徐峻认为，目前来看，小分子药物（具有单一明确有效成分、分子量在1000道尔顿以下的有机化合物分子可视为小分子药物）研发量一直在下降。这种下降可能有多种原因，其中一个是靶标的问题，很难寻找到非常好的靶点，其次是小分子药物本身具有化学多样性，对于一些复杂的分子结构，可能需要耗费大量时间和金钱才能找到有效的药物候选者。另外，由于小分子药物具有广泛的靶点和作用机制，在研发过程中需要进行大量的实验和临床试验，以确保药物的有效性和安全性。如果不能解决这些问题，很难通过算法技术找到有效的解决方案。

“在药物化学领域，我们有一种称之为‘新骨架活性化’的理念，即目前有不少研究尝试从已知活性的药物化合物结构入手，寻找当中的骨架（能够赋予药物特定生物活性的分子结构框架），才能取得成功。如果我们无法发现新的骨架结构，就无法解决活性问题和ADMET（吸收、分布、代谢、排泄、毒性）等问题。换句话说，即使有再好的工具，如果没有合适的数据和实践经验，也难以取得突破。”徐峻表示。

不过，徐峻依然对人工智能充满信心，他相信AI能够帮助实现更多创新。因为小分子药物的创新还与数学里的泛函（将函数映射到实数或复数的函数）有关，泛函可以被视为超级函数，其中每层函数都与下一层函数有因果关系，随着时间的推移，AI技术将会揭示出这些多层因果关系，“我们需要耐心等待并相信未来会有更多的突破。”

深圳晶泰科技有限公司联合创始人兼CEO马健也在会议现场表示，不仅是人工智能帮助药物研发，在人才结构方面，人力增长模式下的人口红利已经过去了，未来，可能更多的是协助机器人、实验室辅助机器人等进行工作。

现场不少专家都不约而同地提到了“数据”。马健认为，在生物医药领域，未来几年人们都在谈论AI，数据是一个非常重要的话题，虽然我们已经知道了数据的重要性，但是目前大多数数据都只是在讨论其未来可能性，并没有真正地实现。此外，在生物学研究中存在很多复杂现象和不确定性，机器人可以在实验室中不断积累可靠的数据，以提供更多标准化的实验能力，比如搭建自动化实验室，“这个过程会很长，但是如果没有人去做，就永远无法达成目标。”马健说道。

复星医药战略产品发展中心副总经理李梅和徐峻不约而同地认为，国内还有很多专门从事CRO（一种专门为制药、生物技术和医疗器械等企业提供药物研发和临床试验服务的机构）工作的企业，“他们似乎还没有意识到应该采用人工智能技术，我呼吁他们抓住这个重大机遇。ChatGPT模型可以从文献中提取临床数据，借助人工智能，有助于管理临床前和临床阶段的经济效益，并帮助发现药物。我建议CRO公司赶快采用这种技术，现在还有机会。”徐峻说道。除此以外，有些CRO企业已经专注于临床数据处理多年，并已投入庞大资金，缺乏对人工智能和大数据技术的深入理解，导致浪费时间和处理无用数据，是这类企业的通病。