9月25日，第六届中国医药创新与投资大会在苏州隆重开幕。会上，中科院上海药物研究所蒋华良院士从人工智能（AI）切入，分享了关于加速新药研发的洞见。
新药研发，九死一生，药企究竟该如何赢得更大的胜算？就在今年7月，一个“给力”的科研“外挂”出现了。据报道，谷歌旗下DeepMind公司研发的AlphaFold已经实现对98.5%已知人类蛋白质以及20种模式生物蛋白质的结构预测，并且能对人类蛋白质组58%的氨基酸的结构位置给出可信预测。惊叹于人工智能的卓越，甚至有预言称，结构生物学家未来或将失业。
对此，蒋华良院士认为，尽管人工智能已经显示出卓越的结构预测能力，但是结构生物学家们仍然有施展拳脚的舞台。比如，人工智能仍然无法实现对细胞中蛋白质间的动态相互作用的准确预测。针对这一问题，目前蒋华良院士团队正在全国范围内集结了包括数学、计算机以及生物等领域的尖端人才，共同攻坚克难。
蒋华良院士介绍，围绕药物发现流程，当前其团队正在研发一款人工智能产品，可对某一类药物的临床成功率进行预测，从而帮助企业在更大程度地规避药物研发失败风险，预计这款产品明后年问世。
就药物研发来说，靶标枯竭问题是全球药企共同面临的研发难点，这也导致新药创制的国际竞争日益激烈。就First-in-class产品而言，美国遥遥领先，占全世界创新药总比的71.2%，而中国仅为3.8%。
如何填补巨大的研发鸿沟？蒋华良院士提出，这正是人工智能的重要应用场景。麦肯锡公司在预测人工智能领域十大发展趋势时曾提到，通过AI技术可以快速、低成本获得新型药物和治疗方法。从疾病机制发现，到靶点发现、蛋白质结构预测、药物活性预测，人工智能可加速新药研发的多个环节。
最后，蒋华良院士表示，在人工智能赋能药物研发的过程中，仍需警惕三个“陷阱”：1.如何使人工智能模型在实际应用有更好的效果；2.如何让人工智能在隐藏变量方面做得更好；3.如何应对错误的建模目标。这些问题是人工智能模型开发方面的常见陷阱，值得研发人员警惕。
