扎推影像？这5家公司告诉你，药物研发或许才是AI在医疗中最好的应用领域

文丨张楠

美国Flexion Therapeutics 公司是一家专注于新型长效可注射止痛疗法开发与商业化的制药企业，上周其治疗骨关节炎相关膝盖疼痛的注射剂药物Zilretta被FDA批准，消息曝出当天，公司股价瞬时飙升至历史最高水平。

10月9日，Flexion CEO Mike Clayman博士却透露，虽然Zilretta目前专注膝盖疼痛治疗，但公司将继续探索药物新作用，不断增加适应症，“完全有可能对身体任一部位都有疗效”他表示。

药物新用，是当前临床药学中十分活跃的领域，其实就是发现了某些药物在原治疗常规疾病以外的治疗新的适应症用途。几个经典案例包括阿司匹林预防心血管疾病、硝酸甘油现用于止痛、维生素A有助治疗结核病、甲硝唑片治疗牙疼、氯霉素眼药水治痤疮等。

那么如何实现老药新用？一种是基于临床实践中的偶然发现，“歪打正着”反而成功。另一种便是基于临床专家对患者疾病进展或药物靶标和副作用的了解，主导药物作用的新发现，也是近年来老药新用的主要途径。

其中离不开新药的筛选环节。一般而言，药物筛选是生化水平和细胞水平的筛选。生化水平的药物筛选用拟开发药物作用的靶点设计实验，这种作用靶点是具有特定生理功能的蛋白质，如酶和受体等，此外一些编码功能明确的DNA也越来越多地成为药物作用的靶点。候选化合物与靶点混合后，可以通过酶连免疫、荧光显色、核磁共振等方法定量测定化合物与靶点的相互作用，从而成为筛选化合物的依据。

细胞水平的药物筛选是更接近生理条件的一种药物筛选模型，其模型是拟设计药物作用的靶细胞，应用细胞培养技术获取所需细胞，将这些细胞与候选化合物相互作用，通过与生化水平筛选类似的检测技术测定化合物的作用能力，从而对化合物进行筛选。

新药筛选对象是生化分子或细胞，但筛选方法大体分为高通量与虚拟药物筛选两种。对于高通量筛选，是伴随基因组与合成化学的高通量方法的出现孕育而生的。能在短时间内对大量候选化合物完成筛选，目前已发展为较成熟的技术。

高通量筛选以微板形式作为实验工具载体，有自动化的操作系统，高度灵敏的检测仪器采集数据，计算机分析处理实验数据，能在同一时间对数以千万样品检测，成为当今药物开发的主要方式，由于完整的高通量筛选体系是高度整合和自动化的，因而被称作“药物筛选机器人”系统。

虚拟药物筛选是药物筛选技术发展的另一个方向，顾名思义，是将药物筛选的过程在计算机上模拟，对化合物可能活性作出预测，进而对比较有可能成为药物的化合物，进行针对性地实体筛选，从而可以极大减少药物开发成本。

根据计算原理，虚拟药物筛选分为基于小分子结构的筛选和基于药物作用机理的筛选两类，前者通过对已知具有相同作用机理的化合物进行定量构效关系研究，绘制出药物的药效团模型，依照模型对化合物数据库进行搜索，这种筛选技术本质上是一种数据库搜索技术；后者主要应用分子对接技术，实施这种筛选需要获知药物作用靶标的分子结构，通过分子模拟手段计算化合物库中的小分子与靶标结合的能力，预测候选化合物的生理活性。

所以不难发现，药物筛选发展至今已成为集合分子生物学、医学、药学，尤其是计算机科学和自动化技术的综合性技术体系。在人工智能与大数据日益活跃的数字时代，医学AI中的重要应用分支就是药物筛选与新药研发。

首先，新的数据分析技术和文本挖掘方法让专家能从众多已发表的科学文献中寻找药物与疾病的对应关系，此外自然语言处理和机器学习技术进展让计算机算法智能化预测和推断药物和疾病间的潜在关联，为新药挖掘提供宝贵线索。

另外伴随基因组学、转录组学、蛋白质组学等高通量测序方法的广泛普及，科研人员能更高效地发现人体细胞中有活性的重要基因和疾病表型间的关系，发现疾病产生的特定信号，并结合医学人工智能，探索全新的药物靶点。

实际上，全球范围内已经有不少创新公司利用AI技术进行新药研发和老药新用。

成立于2012年的美国旧金山公司Atomwise，是药物挖掘与人工智能结合领域比较有代表性的初创公司，其通过IBM超级计算机分析数据库，并用深度学习神经网络分析化合物的构效关系，于药物研发早期评估新药风险。

其自主研发的AtomNet系统，是首个基于深度学习技术发现新小分子的平台，能识别医药化学中的基础模块。其商业模式是为制药公司、创业公司和研究机构提供候选药物预测服务，默克等知名药企都是其合作伙伴。

位于英国伦敦的BenevolentAI被称为欧洲最大的AI公司，也是全世界位列前五的人工智能企业。2017年1月，被CB Insights评入“全球人工智能企业100强”。

据报道，BenevolentAI专注于应用AI技术发现炎症、神经变性疾病（例如帕金森、阿尔茨海默症）等其他罕见疾病的新药，同时持续拓展AI应用至其他领域。BenevolentAI的技术平台称为JACS（Judgment Augmented Cognition System，判断加强认知系统），即利用AI从纷乱无章的信息中识别出有利于药物研发的“蛛丝马迹”，预测新药物，再后续验证。

2016年11月，强生旗下杨森公司与BenevolentAI达成协议，合作方向为利用AI评估小分子化合物的临床潜力。

美国的Insilico Medicine公司使用基因组学、大数据分析和深度学习通过计算机建模进行靶向药物发现，研发对象包括药物、小分子，生物制剂和可能影响细胞与组织发生发展的分子。

Insilico Medicine公司在癌症肿瘤、肌萎缩侧索硬化和糖尿病，以及与年龄相关的老化疾病，如肌肉减少症、帕金森病和阿尔茨海默病等方面都有药物研发计划。据悉，公司使用一种较新的深度学习技术，生成式对抗网络(GAN)来构建药物分子。

今年8月，医药巨头GSK与Insilico Medicine达成合作，探索AI何辅助药物发现过程。

Berghealth是一家数据驱动型生物研究公司，主要研究疾病发生时新陈代谢的改变机制，并且在神经系统疾病和代谢性疾病的研究方面有着深厚积累，其特点是借助自主研发的平台迅速将生物研究转化为可行的方案，并生成体量庞大的生物标记库。

2016年10月，美国国防部宣布与Berghealth合作，利用AI开展新药研发，以寻找应对现有药物不起反应的侵入性乳腺癌治疗方案，将筛选多达25万个样本寻找早期癌症的新的生物标记。

Watson for Drug Discovery是IBM沃森药物发现的专有平台，不仅能发现新药物靶点，也能为旧药挖掘新适应症。IBM Watson for Drug Discovery能以结构化或非结构化格式合成大量数据集。自然语言处理技术能让平台读取并理解数百万页的非结构化数据，并经训练不断拓展认知范围和深度。研发人员能查看文献等参考资料来源，极大提高研究效率和准确度。

沃森可以阅读大量数据，包括科学文章、专利、临床试验数据，电子实验室笔记，毒理学报告和其他专有数据，利用机器学习和推理算法来评估、分析、预测药物新作用。

2016年12月，医药巨头辉瑞与 IBM Watson Health签署协议，将Watson的超级计算能力用于其研发新型抗癌药中。

其实，应用AI技术进行药物研发的企业远不止上述几家，Numerate、Recursion Pharmaceuticals、NuMedii、VergeGenomics、TwoXAR、Qrativ、Exscientia、Cloud Pharmaceuticals、Lam Therapeutics、Healx、Molplex、Envisagenics等公司都见诸报端。

显而易见地是，AI结合药物研发的创新企业大多是欧美国家，国内企业还较鲜有。雷锋网曾报道，Airdoc董事长张大磊表示，中美医疗人工智能存在四大不同，一、美国医疗机构拥有更好的诊断一致性，更注重基础设施的建设；二、美国的各类医疗人工智能应用发展更为均衡，国内则主要集中于医学影像；三、医疗人工智能在治疗领域比诊断拥有更加光明的前景，但国内在这方面的布局落后于美国；四、中国医疗人工智能企业太过局限于对人的研究，但其实微生物和动物市场同样十分广阔。

由此可见，国内在AI医疗应用领域与美国相比还存有不小差距，多参考国外先进技术无疑对国内企业具有借鉴和启示意义。