近日，AI制藥公司“未知君”獲1億美元融資，“德睿智藥”完成千萬美元融資，AI制藥賽道融資熱度不減。一場突如其來的疫情席卷全球，生物醫藥領域承壓前行，制藥效率迎來嚴考，人工智能成為業界競相追逐的制藥“加成工具”。BAT進場競逐，各大風投公司紛至杳來，AI制藥市場迎來高光時刻。

　　在供需刺激之下，AI在制藥環節的應用關注度逐漸走高，傳統藥企陸續與AI新藥公司建立合作。雖然全球AI制藥已走入臨床試驗階段，但是在規模化生產應用前，還有很多道“技術門檻”要跨過。

　　AI制藥熱潮席卷全球

　　在制藥效率面臨拷問的大環境下，羅氏、輝瑞、賽諾菲等傳統藥企開啟AI制藥布局，英矽智能、晶泰科技、BenevolentAI等一批AI新藥公司涌現，谷歌、IBM、微軟、阿里、騰訊、百度、華為等科技公司陸續落子該領域，一股AI制藥風潮，正以席卷全球的趨勢，吹向各行各業。

　　從資本層面來看，CB Insights統計數據顯示，2015年到2020年期間，AI技術在生命大健康領域的應用融資逐步攀升。自2020年3月以來，受益于投資機構對于人工智能技術應用于藥物研發賽道的關注，共有11家AI制藥公司完成了1億美元以上的融資。近5年來在AI制藥領域有50.6%的融資交易發生在美國，中國以9.4%的比例緊隨其后。

　　在技術層面上來看，AI可以參與到篩選生物標記物或靶點，構建新型藥物分子，新藥有效性、毒副作用測試，藥物挖掘，基因分析等諸多環節。12月1日，英矽智能宣布通過AI平臺研發出的候選藥物ISM001-055進入臨床一期試驗階段。英矽智能首席科學官(CSO)和藥物研發負責人任峰在接受《中國電子報》記者采訪時指出，臨床1期可以驗證藥物的動力以及安全性，3-5年后可以走入臨床2期、3期階段，進一步驗證藥物的作用。

　　“AI藥物研發一方面可以節約大量藥化專家的藥物設計時間，另外還可以節約大量的實驗成本，對制藥行業是一個顛覆性的技術。”華為云相關負責人告訴《中國電子報》記者。

　　“數據墻”堵住AI制藥發展之路

　　AI制藥進入投資熱、研究熱階段，一方面是因為傳統制藥成本增加，效率面臨挑戰，驅動行業在計算機技術層面尋求突破方法，另一方面是人工智能技術在醫療行業不斷深入應用，從健康管理、影像識別逐漸上探到制藥等對技術要求更高的領域。多名行業專家向記者表示，數據是目前AI應用于制藥環節最大的挑戰。

　　制藥對于醫療數據的數量和質量要求較高，AI制藥公司通常會通過與藥企合作、自有實驗平臺、委托CRO（醫藥研發合同外包服務機構）等形式獲取。不過，醫療行業數據普遍存在不充足、私有化、不規范等問題，成為擋在AI制藥從理論到實踐之間的一堵“數據墻”。

　　任峰提出，若要沖破這堵數據墻，可以通過聯邦學習的方法，解決數據量的問題。聯邦學習為保護數據隱私而生，允許多個參與者在數據不互通的情況下，構建一個通用且強大的機器學習模型，從而解決如數據隱私、數據安全、數據訪問權限和對異構數據的訪問。

　　聯邦學習具有“數據不動模型動”的技術優勢，目前已經在醫療、金融、政務等產業場景中得到應用。在保障數據安全合規的前提下，整合多家醫療機構數據進行聯合建模研究，這背后需要隱私保護計算在底層作為支撐。國內AI醫療公司醫渡云、星云Clustar、微眾銀行等公司均有涉足該領域。以醫渡云為例，其自研的安全計算引擎YiduManda采用多方安全計算、聯邦學習、聯盟區塊鏈等技術，已應用于臨床研究feasibility調研、大樣本量隊列管理、疾病預測模型、基因組數據分析等多種應用場景。

　　不過，使用同態加密帶來的算力及通信開銷也在不斷制約聯邦學習大規模應用。星云Clustar CTO張駿雪日前公開表示，如何通過算力加速，讓聯邦學習技術與業務更加緊密地結合，提升技術效率是目前行業面臨的一大難題。

　　此外，還有更多來自世界各國的研究團隊，正在嘗試新的方法來解決醫療數據隱私問題。比如德國波恩大學的研究人員聯合惠普公司以及來自希臘、德國、荷蘭的多家研究機構，共同開發了一項結合邊緣計算、基于區塊鏈的對等網絡協調的分布式機器學習方法——群體學習，可不同醫療機構之間數據的整合，記錄該方法的學術論文在今年6月登上了《Nature》封面。

　　AI制藥呼喚政企聯合發力突破難關

　　“AI在制藥方面已經取得了一定的突破，不過還沒有從點連成線。目前全球范圍內仍處于初期發展階段。”任峰坦言，需要走到批量性應用階段，才能夠驗證AI的功效。在制藥上，AI面臨的最大挑戰在于DMPK（藥物代謝和藥代動力學）的預測，需要更多更精確的數據供給實驗使用，需要在計算層面上達到多任務處理的水平。

　　華為云相關負責人將新藥研發與新型芯片研發作了一個比較：當制藥公司針對某種疾病設計出新穎的具有專利價值的藥物分子后，要通過臨床試驗對藥物進行驗證，這一流程類似芯片流片驗證環節，其中會產生巨額費用。藥物分子的設計一方面強烈依賴資深專家的經驗，另外一方面，需要通過大量耗資耗時的實驗去做驗證。

　　針對這些問題，華為云聯合上海藥物所開發了盤古藥物分子大模型，盤古藥物分子大模型通過學習17億個小分子的化學結構和化學式，對化合物的性質進行了深度表征，從而可以做到完全通過AI進行新型藥物分子的設計和優化，加速新藥的研發和創新。

　　談到AI制藥如何突破發展難關的問題，華為云相關負責人對記者表示，藥物的研發涉及到一個很長的產業鏈，AI藥物研發的成熟需要解決產業鏈中的一系列關鍵問題，這是一個長期且漫長的過程，并不是一家企業或者是十家企業就能解決的問題，一方面需要地方政府制定長期的連貫的政策支持和鼓勵生物醫藥企業的研發創新，另外需要研究相應的方案來促進整個醫藥產業鏈協同創新，相互促進。