推广稿 | 影响AI制药进程的，不是算力是数据
文库划重点：联邦学习为保护数据隐私而生，允许多个参与者在数据不互通的情况下，构建一个通用且强大的机器学习模型，从而解决如数据隐私、数据安全、数据访问权限和对异构数据的访问。
近日，AI制药公司“未知君”获1亿美元融资，“德睿智药”完成千万美元融资，AI制药赛道融资热度不减。一场突如其来的疫情席卷全球，生物医药领域承压前行，制药效率迎来严考，人工智能成为业界竞相追逐的制药“加成工具”。BAT进场竞逐，各大风投公司纷至杳来，AI制药市场迎来高光时刻。
在供需刺激之下，AI在制药环节的应用关注度逐渐走高，传统药企陆续与AI新药公司建立合作。虽然全球AI制药已走入临床试验阶段，但是在规模化生产应用前，还有很多道“技术门槛”要跨过。
AI制药热潮席卷全球
在制药效率面临拷问的大环境下，罗氏、辉瑞、赛诺菲等传统药企开启AI制药布局，英矽智能、晶泰科技、BenevolentAI等一批AI新药公司涌现，谷歌、IBM、微软、阿里、腾讯、百度、华为等科技公司陆续落子该领域，一股AI制药风潮，正以席卷全球的趋势，吹向各行各业。
从资本层面来看，CB Insights统计数据显示，2015年到2020年期间，AI技术在生命大健康领域的应用融资逐步攀升。自2020年3月以来，受益于投资机构对于人工智能技术应用于药物研发赛道的关注，共有11家AI制药公司完成了1亿美元以上的融资。近5年来在AI制药领域有50.6%的融资交易发生在美国，中国以9.4%的比例紧随其后。
在技术层面上来看，AI可以参与到筛选生物标记物或靶点，构建新型药物分子，新药有效性、毒副作用测试，药物挖掘，基因分析等诸多环节。12月1日，英矽智能宣布通过AI平台研发出的候选药物ISM001-055进入临床一期试验阶段。英矽智能首席科学官(CSO)和药物研发负责人任峰在接受《中国电子报》记者采访时指出，临床1期可以验证药物的动力以及安全性，3-5年后可以走入临床2期、3期阶段，进一步验证药物的作用。
“AI药物研发一方面可以节约大量药化专家的药物设计时间，另外还可以节约大量的实验成本，对制药行业是一个颠覆性的技术。”华为云相关负责人告诉《中国电子报》记者。
“数据墙”堵住AI制药发展之路
AI制药进入投资热、研究热阶段，一方面是因为传统制药成本增加，效率面临挑战，驱动行业在计算机技术层面寻求突破方法，另一方面是人工智能技术在医疗行业不断深入应用，从健康管理、影像识别逐渐上探到制药等对技术要求更高的领域。多名行业专家向记者表示，数据是目前AI应用于制药环节最大的挑战。
制药对于医疗数据的数量和质量要求较高，AI制药公司通常会通过与药企合作、自有实验平台、委托CRO（医药研发合同外包服务机构）等形式获取。不过，医疗行业数据普遍存在不充足、私有化、不规范等问题，成为挡在AI制药从理论到实践之间的一堵“数据墙”。
任峰提出，若要冲破这堵数据墙，可以通过联邦学习的方法，解决数据量的问题。联邦学习为保护数据隐私而生，允许多个参与者在数据不互通的情况下，构建一个通用且强大的机器学习模型，从而解决如数据隐私、数据安全、数据访问权限和对异构数据的访问。
联邦学习具有“数据不动模型动”的技术优势，目前已经在医疗、金融、政务等产业场景中得到应用。在保障数据安全合规的前提下，整合多家医疗机构数据进行联合建模研究，这背后需要隐私保护计算在底层作为支撑。国内AI医疗公司医渡云、星云Clustar、微众银行等公司均有涉足该领域。以医渡云为例，其自研的安全计算引擎YiduManda采用多方安全计算、联邦学习、联盟区块链等技术，已应用于临床研究feasibility调研、大样本量队列管理、疾病预测模型、基因组数据分析等多种应用场景。
不过，使用同态加密带来的算力及通信开销也在不断制约联邦学习大规模应用。星云Clustar CTO张骏雪日前公开表示，如何通过算力加速，让联邦学习技术与业务更加紧密地结合，提升技术效率是目前行业面临的一大难题。
此外，还有更多来自世界各国的研究团队，正在尝试新的方法来解决医疗数据隐私问题。比如德国波恩大学的研究人员联合惠普公司以及来自希腊、德国、荷兰的多家研究机构，共同开发了一项结合边缘计算、基于区块链的对等网络协调的分布式机器学习方法——群体学习，可不同医疗机构之间数据的整合，记录该方法的学术论文在今年6月登上了《Nature》封面。
呼唤政企联合发力突破难关
“AI在制药方面已经取得了一定的突破，不过还没有从点连成线。目前全球范围内仍处于初期发展阶段。”任峰坦言，需要走到批量性应用阶段，才能够验证AI的功效。在制药上，AI面临的最大挑战在于DMPK（药物代谢和药代动力学）的预测，需要更多更精确的数据供给实验使用，需要在计算层面上达到多任务处理的水平。
华为云相关负责人将新药研发与新型芯片研发作了一个比较：当制药公司针对某种疾病设计出新颖的具有专利价值的药物分子后，要通过临床试验对药物进行验证，这一流程类似芯片流片验证环节，其中会产生巨额费用。药物分子的设计一方面强烈依赖资深专家的经验，另外一方面，需要通过大量耗资耗时的实验去做验证。
针对这些问题，华为云联合上海药物所开发了盘古药物分子大模型，盘古药物分子大模型通过学习17亿个小分子的化学结构和化学式，对化合物的性质进行了深度表征，从而可以做到完全通过AI进行新型药物分子的设计和优化，加速新药的研发和创新。
谈到AI制药如何突破发展难关的问题，华为云相关负责人对记者表示，药物的研发涉及到一个很长的产业链，AI药物研发的成熟需要解决产业链中的一系列关键问题，这是一个长期且漫长的过程，并不是一家企业或者是十家企业就能解决的问题，一方面需要地方政府制定长期的连贯的政策支持和鼓励生物医药企业的研发创新，另外需要研究相应的方案来促进整个医药产业链协同创新，相互促进。
编辑丨连晓东
收录于哈希力量，手机站省略本文固定网址
