央广网北京5月17日消息（记者 牛谷月）5月17日，由搜狐科技主办、央广网作为战略支持媒体参与的“2021搜狐科技5G&AI峰会”在北京开幕。峰会大咖齐聚，共同探讨5G和AI技术的最前沿发展以及应用落地情况。

　　峰会下午，晶泰科技联合创始人、大数据与人工智能研发负责人赖力鹏在《人工智能视角下的新药发现》的主题演讲中提到，药物研发存在投入高、耗时长、风险高三大风险，从药物立项到上市，可能需要10亿美元到20亿美元投入，整体成功率不到10%，研发周期超过十年。通过人工智能和数字化、自动化先进技术可以加速药物发展。

　　赖力鹏表示，AI在整个药物研发近几年速度非常快，从早期的机理研究到新药设计，到临床前到临床，到上市，都有大量的公司在参与。他认为，AI可以解决新药研发搜索效率问题，设计有效的合成路径和合成方法，并通过AI的设计尽可能减少实验的次数，降低实验成本。

　　那么，AI药物发现什么时候能够上市？赖力鹏表示，这还是需要尊重客观科学规律，以往一个药上市需要十年时间，目前最有效的还是临床前阶段，希望在临床前时间把发现的时间缩短一半以上。

　　以下为赖力鹏演讲全文：

　　各位来宾，下午好。线上线下的朋友，下午好。非常感谢有这个机会跟大家分享一下晶泰科技在人工智能新药研发上的一些感受。

　　AI在治疗诊断上面有重要的应用前景，这些疾病如果通过AI的技术进行了诊断，不幸患有某种疾病，怎么找到好的药物得到治疗？可能目前世界上有接近三分之二左右的疾病没有有效的药物治疗。有些药可以缓解病痛，但是没办法把疾病彻底根除。像晶泰科技这样的AI药物研发公司，就想通过人工智能和数字化、自动化先进技术，加速药物发展的过程。

　　健康是人类有史以来一直的追求，生物医药、药物发现不管从社会价值还是从商业价值上来说，都是一个非常有持续性的一件事情。神农尝百草是东方人对于医药的追求，而古罗马也流传着很多的草药用书。可以看到不管是东方还是西方，几千年前大家对健康就有持续不断的探索。

　　医药研发行业里面面临着三个阶段的风险，分别是投入高、耗时长、风险高。从药物立项到上市，据不同公司统计可能在10亿美元到20亿美元投入，整体成功率不到10%，研发周期超过十年。为什么大家觉得药的生产成本那么低，但是在医院和药店买到价格那么高？是因为它的研发成本是非常巨大的。

　　AI可以做什么呢？先回到五年前，这也是晶泰科技创立一年之后，AlphaGo跟李世石的围棋比赛中获得了绝对的胜利。比如，AlphaGo和李世石的第二盘棋中的第25步棋，这是很多职业棋手第一感觉不会走的棋，这不是完全合道理的。但是AlphaGo经过自己的训练和不断学习，它觉得这步棋对局势和长期发展是比较有利的。

　　这对制药有很多的启发。当我们下棋的时候，或者当我们看一个人体或者刚刚驾驶一辆汽车的时候，我们看到的是日常生活中能够看到的东西。当我们研究一个药的时候，我们研究是一个药物的分子和蛋白、或者DNA的作用。不一定有人看过蛋白质长什么样子，我们去研究一个根本没有直观认识的东西的时候，怎么做？这步棋对我们的启发是，AI基于数据的挖掘和探索可以看到一些人根本很难看到的东西，从而去扩大我们探索的空间。像几百年前伽利略发明望远镜地时候他看到行星带来天文学的进展，AI就是让我们探索分子世界的望远镜，让我们看到以前看不到的东西。

　　今年AlphaFold2在整个过程中取得了非常大的进展，这件事情和AlphaGo也是一个另外的团队做的。它展示了AI在生物医药中的应用，在我们看来就是在自然界当中的搜索引擎，它搜索的根本不是一个已经知道的世界，而是人类未知的世界。像它预测的蛋白结构，对于很多大部分的蛋白质是不知道它的空间三维结构，我们只知道蛋白的氨基酸的一维序列，但是并不知道它在人体内怎么样形成漂亮的三维结构，并且在人体内是动态变化的。如果这个信息不知道的话，很多药物设计跟一百年前一样从土壤当中、草药当中不断地试错，产生巨大的成本，但是如果知道这个结构，就可以非常理性的用计算机设计相应的分子抗体和疫苗治愈相应的疾病。

　　AI在整个药物研发近几年速度非常快，从早期的机理研究到新药设计，到临床前到临床，到上市都有大量的公司在参与。媒体估计在未来整个健康领域或者生物研发领域的投入可能会在几十亿美元或者上百亿美元。

　　具体的叫做DMTA循环，D是design，从设计开始到合成到测试到分析，设计可能是整个药物的起点，刚才展示了AIphafold2是计算机设计的试点，它必然进入实验室和临床阶段验证，存在一个合成制造的过程，在得到样本之后会在实验室有测试，对数据的收集、反馈、分析又回到设计的过程。

　　在设计阶段，我们人工是不是已经穷尽里所有设计的可能性？或者搜索引擎是不是已经探索了所有能够被搜索的样本？一般来说药企或者在公开的商业规模大概在10的7次方到12次方，小分子化学药可能成药数量在10的60次方，比把太阳系中所有的分子加起来还要多。AI可能可以探索那些超过10的12次方和7次方直达10的60次方的空间，从而找到最大的可能性。对计算机工业也是挑战，这么大规模的数据无论现在的算力和存储都没办法有效的完成。怎么高效的搜索是现在AI新药研发面临非常重大的课题。

　　第二合成阶段，现在一个合成药成本在1000到2000美元，怎么通过有效的化合物设计避免合成难度高或者造成环境污染的合成过程，通过AI设计有效的合成路径和合成方法，这也是非常重要的。

　　测试和分析也非常直接，通过AI的设计尽可能减少实验的次数，降低实验成本。最后一步分析，通过更好数据的分析手段从数据终提取有效的信息，形成闭环，通过有效的实验积累进一步提高人工智能的效率。

　　晶泰科技构建了整个AI药物研发模式基于三者循环，目前我们不认为处理生物体这个复杂的系统可以完全独立靠人工智能起作用，更多是人工智能在整个过程中赋能药物化学专家进行更有效的药物设计。形成由人工智能来进行有效的实验设计，减少实验次数，为药物科学家提供更多的想法和洞察，药物化学家经过有效的设计指导更好的实验，并且从实验中获得有效的反馈。

　　AI药物发现上市需尊重客观科学规律，以往一个药上市需要十年时间，目前最有效的还是临床前阶段，我们有希望在临床前时间把发现的时间缩短一半以上。

　　晶泰科技的一项真实案例是内分泌系统的Frist-in-class全球研发，整个药物用了七个月时间，传统的平均需要1.5到2年的时间，AI缩短了大概2到3倍的时间。更重要的是整个项目合成的或者送到实验进行测试的化合物数量不超过100个，传统对于Frist-in-class项目研发过程中要合成的化合物数量在上千。

　　前面提到了合成一个化合物的成本可能在1000到2000美元，通过化合物的减少节省了时间和资金成本，这个项目节省了大约80%的成本。用AI可以节省多大的费用？虽然用AI计算的花费更大，但是真正的价值对药物工业越往后成本越高，通过早期的合理设计可以大大降低后期失败风险，通过降低后期风险提高项目的价值。

　　不仅化学药，晶泰科技在多肽上面的药物设计把过往12个月的时间缩短到6个月，通过计算的虚拟优化，在不涉及到高昂实验成本前提下尽可能优化多肽药物的亲和力，成为后期临床前化合物的优秀候选者。

　　在疾病预防方面，公司和华西有一个合作项目。去年我在白云观游览的时候，看到那边有一幅对联，上面的内容是某一个做药的公司或者生物科技公司非常相悖的地方，写的是“但愿世间人无病，何愁架上药生尘”——我只愿人世间没有疾病，何苦去担心药放在架子上会落有灰尘。

　　我们希望科技的进步能够让大家治愈疾病，但是现阶段我们希望用AI给大家提供更好的预防和治疗手段。我们用计算的方法去预测新冠的蛋白和人体的ACEI2结合，这是可能导致病毒的传播性增强的一些突变。通过计算方法一共预测了九个可能的突变，实验验证了其中有六个突变可以提高2到4倍的亲和力，这对于相应的疫苗研发会有相应的价值和借鉴。

　　从2017年、2018年国内有很多AI制药公司进入行业。大家问我们对晶泰科技来说面临的挑战是什么？

　　第一，这个行业足够复杂，需要非常大的细分和专业化的投入。

　　第二，这是大家共建的过程，在这么长的研发链条上面不同企业应该发挥各自优势，不管在算法优势解决上面，在专业的知识积累上面，在生物学基础研究上面，甚至在IT基础设施建设方面，大家拼起来才能真正解决人对健康的追求，解决大家生老病死的疾病的问题。

　　最后回到个人非常喜欢的默沙东的一句话，无论是生物科技公司还是制药公司，我们的使命是治病救人，只有在这个意义之下生命的价值和意义才会随之而来。谢谢大家。