“比DeepMind的AlphaFold，要更加完整。”

“传统新药研发需10年，它却只用了18个月。”

“还是全球首例。”

……

这就是当AI与生物、化学相结合，擦出的火花所创造的奇迹。

而宣布这一消息的，正是AI药物研发公司 Insilico Medicine。

具体而言，主要通过AI完成了两项任务：

• 通过人工智能发现了治疗具有广泛适应症的创新靶点。
• 通过人工智能产生了全新的小分子化合物，并且一直把这个化合物推到临床侯选化合物。

不仅如此，Insilico Medicine的化合物，还即将进入临床研究阶段。

英伟达CEO黄仁勋对此点赞道：

实现了我们几年前的梦想——通过AI加速药物研发。

把AI的力量导入各产业以解决我们所面临的挑战，显得无比重要。

甚至连创新工场董事长兼CEO李开复都坦言一个错误：

我以前说过，AI最弱的地方就是它没有创造性，只有人能创造出新的东西。

今天我想Insilico Medicine至少证明了我在这个问题上是错的，因为他们真的发明了一个新的药物。

新药研发，只需18个月、200万美元

首先需要介绍的是，此次AI研发的，是一种全新机制的用于治疗特发性肺纤维化（IPF）的临床候选新药。

据了解，IPF 病因至今未明，医学界尚不清楚其发病机制，且该病多为散发，患者从出现症状到死亡，平均存活年限不超过5年。

而且现在用于治疗IPF的药物已在临床使用30多年，且仅对10%～30%的病人有效。

Insilico Medicine 首席执行官Alex Zhavoronkov说：

将正确的药物靶点与正确的疾病联系起来，是药物研发的最大挑战。

除此之外，在找到靶点之后如何发现、发明新化合物，而后又该怎样设计好的临床方案，来减少临床上的不可预测性，都是这个过程中面临的挑战。

对此，Insilico Medicine 发明了一个Pharma.AI人工智能平台。

分别针对三个痛点，发明了三个不同的AI引擎。

• PandaOmics：主要是通过组学的数据分析来帮助发现靶点。
• Chemistry42：可以基于生成式对抗网络（GAN）以及深度学习，以及蛋白结构或者配体结构进行化合物设计。
• InClinico：可以帮助预测临床试验的结果，同时也能指导正确的临床实验方案。

据首席科学官任峰博士介绍， Insilico Medicine前期要做的事情，就是将这三个AI系统统一起来研发新药物：

通过AI系统，我们发现了一个新的靶点，它针对多种纤维化都有作用，包括肺纤维化、肝纤维化、皮肤纤维化和肾纤维化。

而在找到这样的靶点之后， Insilico Medicine 通过大量实验数据的验证，对靶点以及对化合物进行了充分的证明，最后才成功发明了这一临床侯选化合物。

包括酶学活性的测试、细胞学活性的测试、动物模型有效性测试，以及小鼠的毒理试验、药代动力学试验等，来评估化合物的安全性和耐受性。

也正是由于AI在此过程中发挥的作用，还使得成本降低的同时，效果还翻倍。

据介绍，按照传统方式，针对新的靶点来讲，需要2.5年到4.5年的时间，需要合成几百个化合物，以及需要数千万美元的经费。

而 Insilico Medicine 却只用了18个月的时间，合成了小于80个化合物，同时研发经费只有不到300万美元。

不仅如此，在相同疗效下，给药剂量是市面药物的1/10，但活性却要高出5-10倍。

虽具突破性，但也只是迈出了一步

所说AI在此次药物研发方面取得了重大突破，但若是以十分制来打分，成绩又会如何呢？

对此，李开复先是认可了其突破性，但却给出了这样的分数：

1分。

李开复强调，打了1分，其实表示的是AI赋能医疗健康的整体情况仍处于初步阶段，“但万里长征迈出了突破性的第一步”。

若以DeepMind在数月前推出的AlphaFold做比较，确实是具备突破性的。

虽然AlphaFlod 在非常困难的蛋白折叠问题上，做到了超越人的能力，但这只能说是在一个“点”上。

但Insilico Medicine的发明，可以说是一个完整的、产品化的解决方案。

而且能够把整个新药研发流程打通，说明AI也可以用创意的方式解决很难的事情。

但李开复给出“1分”也是有原因的，他认为：

我们今天其实只走了第一步，未来的潜力特别的巨大，整个流程可以更快被打通。

AI跟今天的科学家扮演的是一个合作的角色，以后可能会有更多不同的角色。

所以我们非常兴奋，一部分是因为里程碑的事件，一部分是未来还有更好的愿景我们可以期待。

启明创投主管合伙人 梁颕宇，也对这样的分数表示认可。

AI在医疗领域第一个大规模的应用是AI+影像，这也得益于AI图像识别技术发展的成熟，后面慢慢衍生到药物研发的领域，并取得了很好的进展。

从医疗领域全景来看，还有很多AI没有介入的领域，很多问题更复杂，需要更长的时间、更系统化的解决方案。

如此看来，AI在医疗健康这条赛道中，虽迈出了关键一步，但依旧还有漫漫长路要前行。

那么若是对此要做一个前瞻性的猜想，20年后“AI+生命科学”将会是怎样一种场景？科技驱动的突破口又有哪些？

对此，李开复认为，AI底层就是一个数字化的演进，什么领域能够变成数字化，它就可能用数据科学和AI来帮它提升价值。

至于这条赛道的未来，李开复认为可以分三部分来讲。

首先，是在新药的研发和加速方面。

这个过程中会涉及到一个自动化的问题，例如机械臂，可以一周7天、每天24小时地不断工作。

它非常高速度去测试各种医疗的可行性，使新药研发变得更便宜、更快速、更有效。

李开复认为，“这肯定是一个未来发展的方向”。

其次，是在诊断方面。

虽然现在在这方面，影像技术是一个非常好的切入点，但若放眼20、30年之后，“一定是AI机器人的诊断，会超过医生的水平”。

因为没有医生可以记得所有新发明的药物，医生一旦每天忙着看病人，不可能对新的治疗方法、药物都能够背得那么熟悉。

而且每一个病人的情况，可能都不尽相同。

而一套AI的诊断系统，可以在很短的时间，就可以诊断几十亿的病人，这里学习到的内容跟数据一定是巨大。

第三，是机器人方面。

在今天手术的过程当中，机器人参与程度已经达到了20%，李开复认为，以后机器人的参与率还会提高，并且还会出现更多类型的机器人，比如纳米机器人，将有助于对抗癌症。

最后，李开复对于“AI+医疗”这条赛道，做出了这样的总结：

我觉得二三十年以后，真的就是一个AI加上人的最好结合。

未来20年的推动可能会大于人类过去几千年所有历史的累计。

“