2019/05/17 12:49

辉瑞、BMS、阿斯利康等大型医药公司，如何使用AI加速药物研发？

近日，阿斯利康（AstraZeneca）宣布与英国公司BenevolentAI达成一项长期合作协议。BenevolentAI致力于将计算医学与先进人工智能技术相结合。这两家公司将利用人工智能和机器学习来发现和开发治疗慢性肾病和特发性肺纤维化的新药。

阿斯利康公司执行副总裁兼生物制药研发总裁Mene Pangalo博士表示：“科研人员获得的大量数据正以指数级增长。通过结合阿斯利康公司在疾病领域的专业知识和大型、多样化的数据集，以BenevolentAI公司在人工智能和机器学习方面的领先能力，我们可以释放这些丰富数据的潜力，以提高我们对复杂疾病生物学的理解，并确定可以治疗衰弱性疾病的新目标。”

图片来源：123RFBenevolentAI成立于2013年。自成立以来，它已经筹集了2.02亿美元的资金，并在英国剑桥设有研究机构。早些时候，该公司在2016年与强生旗下的杨森制药公司签订了一项独家授权协议，为几种临床阶段的候选药物提供服务。

这笔交易仅仅是最近宣布加入生物医药行业的人工智能大事件之一。4月初，在 Concerto HealthAI与百时美施贵宝（BMS）签订协议仅仅几周后，该公司就与辉瑞（Pfizer）公司签订了类似的协议。协议共同点是Concerto侧重于肿瘤学特定的真实世界数据（RWD）和用于真实世界证据（RWE）生成的高级AI，这是生物医药公司越来越感兴趣的领域。

Concerto HealthAI将与辉瑞公司合作，使用Concerto的eurekaHealth平台、人工智能（AI）模型和真实世界临床电子医疗记录（EMR）等。他们将使用参与美国临床肿瘤学会CancerLinQ倡议的临床医疗实践的数据和其他美国各地区的数据。

Concerto公司拥有独家授权，可以利用CancerLinQ的数据，这也许可以解释为什么大型医药公司如此渴望与Concerto公司合作。但是，Concerto的数据访问并不仅限于CancerLinQ，还可以访问许多其他现实世界的数据源。

2019年3月，Oxford BioMedica宣布与微软研究院签订了为期两年的研发合作协议。目标是利用人工智能（AI）和机器学习提高下一代基因治疗载体（典型的载体是病毒）的产量和质量。

Oxford Biomedica将专注于其矢量开发和大规模生产方面的专业技术。微软团队将使用人工智能和机器学习技术来提高产量和提高Oxford Biomedica慢病毒载体的纯度，同时降低成本。

微软团队将使用Azure智能云平台来分析Oxford Biomedical创建的大型数据集，并在计算机模型和新算法方面进行开发，以推进细胞和基因传输技术。

该合作关系将为期两年，任何一方均可延长合作关系。

2018年，CancerLinQ与Concerto HealthAI和Tempus合作，加快与FDA的药物评估和研究中心（CDER）的联合研究工作，以了解真实世界中免疫检查点抑制剂的使用、耐受性和有效性情况。Concerto HealthAI和Tempus开始分析CancerLinQ提交给FDA的一组未被识别的数据，这些数据代表了10000多名接受检查点抑制剂治疗的患者，包括经批准的和未批准的适应症。

当时，CancerLinQ的首席执行官Cory Wiegert表示：“这些类型的研究工作需要跨越整个癌症社区，因为单个组织不能单独完成它们。我们很高兴Concerto HealthAI和Tempus将他们的技术能力和分析专业知识用于支持FDA在临床试验之外对这些疗法进行评估的重要工作。”

而谷歌也对人工智能和医疗保健的应用非常感兴趣。

“机器学习和人工智能的基础技术适用于各种任务，”谷歌的神经科学家Greg Corrado博士表示：“不管这些是你日常生活中的任务，比如问路或整理电子邮件，还是医生、护士、临床医生和病人每天面临的任务。”

其他公司也专注于人工智能、医疗保健或药物研发。Recursion Pharmaceuticals公司总部位于犹他州盐湖城，是一家集人工智能、实验生物学和自动化于一体的临床阶段生物技术公司，主要从事药物的大规模发现和研发。

一月份，Recursion宣布它与武田制药（Takeda Pharmaceutical）在识别罕见疾病的新型临床前候选方面的合作进展。在18个月的时间里，这一伙伴关系带来了对武田制药60多种临床前和临床化合物的独特适应症的评估，并在六种以上的疾病中发现了新的候选治疗药物。

位于旧金山的Atomwise公司使用基于卷积神经网络的人工智能技术来寻找药物，卷积神经网络与面部识别和自动驾驶汽车中使用的技术相同。就在前不久，Atomwise宣布与DNDi开展合作，开发first-in-class美洲锥虫病治疗方案。这项研究已经提供了一些非常有前景的候选化合物。

参考资料：

[1] Artificial Intelligence is Ramping up in Drug Development. Retrieved May 16, 2019, from https://www.biospace.com/article/artificial-intelligence-is-ramping-up-in-drug-development-/

药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康，带你看全AI时代的智慧之光。

产业辉瑞BMS阿斯利康药物研发

相关技术

区块链技术云计算机器学习

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来（Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)），自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展，但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个：首先，在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境，从而进行实时推论。第二，信息性决策需要准确的感知，目前大部分已有的计算机视觉系统有一定的错误率，这是自动驾驶导航所无法接受的。

来源：机器之心

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

神经科学技术

神经科学，又称神经生物学，是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。对人脑研究是个跨领域的范畴，当中涉及分子层面、细胞层面、神经小组、大型神经系统，如视觉神经系统、脑干、脑皮层。

来源：维基百科

自动驾驶汽车技术

自动驾驶汽车，又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是自动化载具的一种，具有传统汽车的运输能力。作为自动化载具，自动驾驶汽车不需要人为操作即能感测其环境及导航。

来源：维基百科

卷积神经网络技术

卷积神经网路（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层（对应经典的神经网路）组成，同时也包括关联权重和池化层（pooling layer）。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路，卷积神经网路需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据，它可以被认为是以一定时间间隔采样的一维网格，又如图像数据，其可以被认为是二维像素网格。

来源：Goodfellow, I.; Bengio Y.; Courville A. (2016). Deep Learning. MIT Press.维基百科