“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：
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。
△
Insilico Medicine首席科学官，任峰
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
。
△
创新工场董事长兼CEO，李开复
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。
△
启明创投主管合伙人，梁颕宇
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？
