▎药明康德/报道
编者按：新药研发的人工智能（AI）时代正在来临。利用AI，可以把目前需要手动，依赖于技术人员水平的研发系统化，从而提高药物研发生产效率。今年9月，一家AI初创公司宣布与赛诺菲（Sanofi）在代谢性疾病领域签署2.1亿英镑的战略协议；而就在2个月前，它刚与葛兰素史克(GSK)达成3300万英镑的药物研发战略合作。让人不禁好奇，能吸引制药巨头们的青睐，这家新锐靠的是什么秘诀？
这家公司的CEO就是今日药明康德AI独家深度报告的主角，Exscientia公司首席执行官Andrew Hokinsp博士。他认为，只有当人力和机器决策正确地整合而不是简单的加合，形成“半人马”（Centaur）的方式，才能充分发挥AI的优点。 这种“半人马”的方式，就是Exscientia公司开发的一种紧密对接的“设计-制造-测试-分析”药物研发循环。该公司的技术源于Hokinsp教授在邓迪大学（University of Dundee）的实验室。作为第一家采用AI实现自动化药物设计的公司，Exscientia希望突破性地实现研发生产力和药物疗效的提高。
点击以上蓝色新闻标题可以前往详细报道页面
▲Exscientia公司CEO Andrew Hokinsp教授曾在辉瑞工作了10年，之后在邓迪大学担任药物信息学主席。他是药物基因组，网络药理学方面的资深专家。
药明康德：您如何描述AI领域的公司境况？ 它们大多是初创企业，还是Google和Intel这样的大数据公司？
Andrew Hopkins博士：正如我们看到的，该领域最快的发展来自将技术和其他领域专长融合的团队。因此，公司的规模并不是重要的，而是团队的成员。
药明康德：您会如何向公众或患者描述AI，或者机器学习？
Andrew Hopkins博士：我会把AI描述为能比现有方法更可靠和高效地解决一些明确定义的任务的一种机会。在医学领域，大多数人接触到药物研发只是以患者的身份。作为一名患者，你需要最好最及时的诊断；作为一个人，我们希望从预约医生到与医生会面所花费的时间足够短。这些情况在未来可能仍然存在，但是将来我们可以用AI系统选择最合适的全科医生。
药明康德：您的公司与其他利用AI进行药物研发的公司有什么不同？ 你们怎么应用AI？
Andrew Hopkins博士：我们公司正在应用AI来设计新的药物分子。然而，成功交付的关键组成部分是将我们的AI技术与经验丰富的新药研发技术专长结合在一起，以“半人马”（Centaur）的方式。通过这种方法，在紧密对接的设计-制造-测试周期中（Design, Make, Test cycle），进化和发现新的分子，用于合成和分析。通过合成和测试小批量化合物，使得结果可以快速反馈到AI系统。采用我们的方法，药物研发项目从开始到发现候选药物所需的时间仅仅是医药研发行业平均时间的四分之一，大大地优化了时间、成本和成功机会。
▲Design-Make-Test-Analyse cycle（图片来源：Exscientia公司官网）
药明康德：在药物研究和开发中使用人工智能或深度学习的主要好处是什么？
Andrew Hopkins博士：AI的主要优点是把目前需要手动，依赖于技术人员水平的研发工作系统化。AI的应用意味着，一个药物靶标的研发专家可以更容易转到一个新靶标项目上工作，在他中学习新项目的同时不会影响研发生产力。
Andrew Hopkins博士：AI可以提高项目执行速度，能在药物设计上采纳所有可用的信息，以实现更好的决策，从而潜在地提高药物发现的成本效率。然而，只有当人力和机器决策被正确地整合，而不是简单地在现有的过程中添加新技术，才能实现这些优点。
▲治疗代谢疾病的双特异性小分子进化图。柱形高度表示来自两个不同的酶家族（青色和深蓝色）的一组靶标的模型分数。两个主要靶标的效能由灰线表示。（图片来源：Exscientia公司官网）
药明康德：将深度学习应用到AI药物研发中的限制是什么？
Andrew Hopkins博士：最大的局限是，我们需要具备药物研发领域专业知识才能知道如何定义合理的问题。如果提出的问题太宏大，相关数据不足，提交给AI的问题就会不完善。在这种情况下，就不能期望AI能够提供有益的建议。所以如果仅仅因为建议无效就批评AI不适用于新药研发，这是不公平的。无人驾驶汽车研发的巨大投入的经验告诉我们，大问题并不容易解决，需要有大量的数据来支持。药物发现的数据量相对稀少，这给AI应用提供了额外的挑战。
▲将大数据分析与设计独特结合的表型设计平台，自动从高维表型读数中提取关键性能标记，并使用它们来生成和优化化合物的新迭代（图片来源：Exscientia公司官网）
Andrew Hopkins博士：毫无疑问，未来会有更多的人在更多地方应用AI。也许并不是所有的应用都会成功，但是从这一点来看肯定会有赢家。将来我们会默认AI是解决定义明确的问题的一种方法。因此，要让AI系统提供给研发人员的建议具有参考价值，必须花费更多精力来准确定义问题。我们相信，AI驱动的“半人马”方法将会占据主导地位。AI不会取代药物研发人员，但是使用AI的药物研发人员将会取代那些不会使用AI的人。
药明康德：AI最终会成为生物技术和制药研发的基准吗？如果是的话，还有多久实现？
Andrew Hopkins博士：AI应用一定会成为解决药物发现过程中一些明确问题的常态。该技术现在处于临界点，当与大量数据结合时，可以得出与具有多年经验的研究人员相当的结论。但这并不代替那些人，而是使他们的工作更有成效，因为他们现在可以花更多的时间在更具挑战性的战略问题上。
药明康德：在制药和生物技术行业药物开发中使用AI的挑战或障碍是什么？
Andrew Hopkins博士：人工智能会以许多不同的方式工作，所以有很多有效的方法可以解决问题。但是就我们自己的技术而言，制药或生物技术公司理解新技术的挑战是，需要改变工作实践才能发挥AI最大的作用。世界各地的制造，仓储和其他领域都已经产生变化，但到目前为止，制药业似乎还没有被AI改变。
Andrew Hopkins博士：理想的合作伙伴应该能把眼光超越AI技术，了解它对整个药物发现的全部影响。如果我们能够在四分之一的时间内可持续地提供候选分子，并提高研发效率，那么合作伙伴应该能够看到这对临床试验流程可能产生实质性的积极影响。
▲相关阅读：人工智能研发新药，GSK达成战略合作
药明康德：您公司的商业模式与传统的生物技术和制药行业的创业公司有何不同？
Andrew Hopkins博士：迄今为止，Exscientia的发展与常规的生物技术公司不同，我们从第一天开始就专注于与医药行业合作，因为只有通过开展真正的药物发现项目才能真正开发和验证技术，才能创造“工作面”。获得第一笔1500万欧元的投资起，我们就已经开始规模扩张，快速增长。规模是现在我们关注的问题之一。我们期待Exscientia模式能和技术一样充满创新。
药明康德：AI初创公司是否会发展成为药物公司，还是将重点放在与药物公司合作提供技术？未来，现有的制药和生物技术公司会将AI整合到其研发活动中，还是依靠初创企业和大数据公司来实现技术应用？
Andrew Hopkins博士：我们公司重视合作，但我们也在开发自己的化合物组合。我们的系统具有很高的扩展性，因此不希望受到合作伙伴选择的靶标的限制。引入新技术改变现有药物研发流程的一个主要挑战是，它也可能需要引入不同的工作实践。例如，通过我们的AI药物设计技术，我们需要一个紧密集成的实验部件来实现紧密的药物设计测试循环。那么关于是在内部研发或依赖外部公司合作，取决于哪一种方法能够更快地抓住新机遇。
点击“阅读原文”，即可访问原始英文访谈。
药明康德独家深度报告系列：
基因编辑改写人类的未来
免疫疗法能消灭癌症吗？
