图片来源于网络
此外，过程中研究人员需面临查阅大量文献、翻译、编写报告、录入数据等工作，复杂而繁琐，耗费大量的时间和精力。麦肯锡Chilukuri曾表示，基于药物研发长达10年的周期，收益将在未来10到15年才出现。
但近年来，新药研发公认的高回报，也并不理想。数据显示，2017年全球TOP12制药巨头在研发上的投资回报率仅为3.2%，处于8年来最低水平。此外，全球新药管线中的后期阶段项目也越来越少。
因此，突破人类大脑对生物学理解的局限性，引入AI技术，从大量数据中更有效挖掘和筛选化合物，并准确预测理化性质、成药性质和毒性风险等，无疑有望提高新药研发的速度和效率。
有分析认为，中期阶段，AI对制药行业的价值增长可能相当于销售额增长5%到10%。
2018年4月，《Nature》一则报道显示，上海大学教授马克•沃勒团队使用类似Alphago算法的三种搜索的方法，实现了逆合成分析和路径预测。结果显示，此方法在双盲测试中表现优异，预测结果并不逊色于人类专家。
“AI+新药研发”的落地探索
针对新药研发不同环节，AI技术可用于靶点发现、新药合成路线设计、药物有效性及安全性预测、晶型预测、药物分子设计等场景。
从全球来看，Atomwise提供候选药物预测服务，曾仅用时一周模拟出有前景用于埃博拉病毒治疗的两种化合物；BenevolentAI将AI应用于医学研究的数据库来快速筛选和组织数据，并已经获得一定数量的临床阶段的新药物。
BenevolentBio曾借助JACS技术，标记出100个可用于治疗肌萎缩性侧索硬化症（ALS）的潜在化合物，并成功筛选出5个化合物；BergHealth则筛选多达25万个疾病组织样本来寻找早期癌症的新生物学指标和生物标记等等。
在国内，晶泰科技是“AI+新药研发”的早期拓荒者。其主要将AI技术应用于药物发现过程中早期药物筛选、药物设计，以及药物重定位和药物重定向，以提高药物研发的效率，降低风险。
到2018年，深度智耀、零氪科技、智药科技、云势软件等也陆续出现在视野，并不时传来融资消息。
总体来看，目前全球AI药物研发还未出现成功案例，但国外相关企业已有利用AI研发的新药进入临床二期。国内，“AI+新药研发”完成从0到1阶段后，也开启2.0时代。
另一方面，“AI+新药研发”的探索，也意味着IT企业和医药公司间的合作。
“研发外包”便是合作模式的一种。该模式下，AI公司根据制药公司提供的数据和靶点信息建立模型，筛选候选药物。对制药公司来说，该运作模式相对轻量化，但由于医疗数据极为敏感，所以往往伴随着以确保数据安全的诸多条件。
与此对应，近年来，也涌现了许多大型药企和AI智能化企业间的牵手合作。
2015年，制药巨头默沙东和AI公司Atomwise达成合作，合作内容主要涉及药物的有效性和安全性预测；2016年，强生牵手BenevolentAI，对尚处于试验阶段的小分子化合物进行药物挖掘；2017年，赛诺菲与Exscientia签订潜在价值2.5亿欧元的许可交易，旨在开发针对代谢疾病的双特异性小分子药物；2018年，药明康德和Insilico Medicine一起针对具有挑战性的生物靶点，进行临床前药物候选分子开发等等。
“AI+新药研发”将是一场持久战
在制药企业积极探索AI的同时，必须面对的还有诸多挑战。毕竟AI只是新药研发的辅助技术手段之一，并非意味着唯一和万能。
根据BenchSci的一项调查，330位药物研发科学家中，41%的人并不了解AI技术，也就无法利用AI来进行新药的筛选。也就是说，建立相应AI人才培养体系将成为重要基础。
另一方面，药明明码AI项目总负责人Thomas Chittenden曾分析，对于人工智能识别系统来说，新药研发以及其临床试验的有效性评估仍是极其复杂的识别模式。
此外，优质药靶匮乏、动物模型临床转化差等现状也是影响AI技术应用效益最大化的重要因素。
人工智能专家Bruce Booth博士就曾分享了一个有趣地现象：计算机设计新药虽已存在数十年，但医药行业的研发产出率非但没有上升，反而还逐年下降；药物发现时间没有缩短，成本也降得更低。
几十年来新药的研发产出率正在不断下降
其意思为，AI尚未给新药研发带来大幅的可喜改观。因此，从长期来看，AI技术等应用，虽可最大程度降低失败率，节省药物研发成本，缩短药物研发时间。
但不可否认的是，“AI+新药研发”还处于初级阶段，并将在该阶段持续相当长的时间。目前，AI技术针对新药研发不同阶段的价值虽已明确，但真正做到AI驱动新药研发的整体发展，至少还需要5-10年时间。
