蓄势待发!人工智能提速医药研发 | 2019 DIA中国年会
2019/05/24
中国的人工智能工程师并非短缺,而是要培养更多的跨界科学家。我们相信,未来AI将会是指数级的改变。

当下,药物临床研究仍然是一个缓慢、低效且昂贵的过程。这样的痛点不仅刺激着药企,而且研发中高额的成本相应地拔高了国民卫生保健的成本,同时还要承担高失败率的风险。所以我们急需能降低成本并且更有效的技术手段出现。人工智能(AI)或许是个不错的选择。


1956年,几个计算机科学家相聚在达特茅斯会议(Dartmouth Conferences),提出了“AI”的概念。那什么是AI呢?在这些科学家的设想中,它是复杂的、拥有与人类智慧同样本质的机器。

如今,AI不仅仅是常规意义上的自动驾驶、Siri抑或是围棋大败人类的AlphaGo,它更是能够在临床药物研发上发挥重要作用的技术之一。AI有着革新整个制药行业的潜力,使新药的发现变得更快、更有效,另外也能大大缩短药物的审批和上市的时间,降低成本。AI也将更进一步实现精准个性化医疗,为患者提供更好的治疗方案,提高患者依从性及生存率。


目前AI已蓄势待发。近日,在北京召开的2019年DIA中国年会“人工智能致力医药研发”论坛也为大家带来更多关于AI助力药物研发的全球进展、药物发现、临床前及CMC的应用、以及临床试验中的解决方案及应用等信息。

AI在药物发现、临床前及CMC的应用

AI和药物研发就像墙的两面,当我们把这堵墙打破,整个制药工业行业标准都将改写。但敲碎这堵墙的锤子是什么?它是以数据为基底,借由算法这一工具实现目标功能。再之后借助相对已经成熟的AI技术,驱动蛋白多组学的疾病生物标志物的开发。


在大分子CMC(Chemical,Manufacturing and Control)中,AI扮演的角色一如既往,深度学习提高质量、稳定性。只不过承担者转换为机器人,这也需要在未来传感器和智能机器人研究能保持创新,在药物的选择上节约成本、通过数字化把控全局,实现文件自动化。

临床试验中的AI和自动化

临床试验中如何实现人工智能和自动化?从商业智能出发,通过商业智能政策,建立结构化数据模型,利用商业化的智能工具,对数据进行分析,将大数据分析嵌入云平台,最终提高临床试验性能。

目前的数据量已经非常庞大,面对这么多的数据,不同的操作给试验者也带来不便,也因此需要一套新的数据核查流程来配套现状。另外数据预测的模型最终的风险值如何?数据模型建立后并非一劳永逸,就像是天气预报会有不同的报告参考指标。数据模型最终是PASS或者FAIL都是需要前期的流程和严密的质量控制的。

神话or现实?

在过去的几十年里,AI经历了至少三次起落,从一开始的新技术诞生被高估、唱衰、再到回归热点。长远的看,每一项技术都是被低估的,我们应该秉持一个拥抱的态度去看待一项新技术,做到包容并且不断去尝试新的突破。

AI并非神话,而是在现实中一步一步往前走。AI简单来说是先人工后智能。人工地获取高质、足量的数据, “喂饱”了机器,实现深度学习,才能变得所谓智能,但同时一定是要站在伦理的界限内。

而在个性化医疗背景下, AI代表的是更精确的分子诊断和更高效的药物筛选、研发高成功率、更短的流程。通过深度学习、算法精进,AI真正满足临床一线的需求,更精准的靶标、生物标志物实现疾病早期发现及监控疾病的进展。

当然,AI并不会取代人类。它只是一个依赖于计算机强大计算能力的工具。人类将AI作为一种工具,更多的是思考它能干什么,需要突破什么样的限制。踩在底层的数据和硬件上,通过软件实现上层的功能。就像电子书出现依旧无法取代纸质书的地位,这其中也涉及到情感的问题。AI是整合的答案,能标准解析文章,但它不会伤春悲秋,喟叹人生。

在药品研发人工智能领域,中国的人工智能工程师并非短缺,而是要培养更多的跨界科学家。我们相信,未来AI将会是指数级的改变,也期待明年DIA一起见证奇迹。

所有文章仅代表作者观点,不代表本站立场。如若转载请联系原作者。
查看更多
发表评论 我在frontend\modules\comment\widgets\views\文件夹下面 test