最近因为疫情的话题过剩，导致很多人忽略关注一些具有时代意义的事件。但是，今年年初（1月30日），大日本住友制药与英国Exscientia公司利用人工智能（AI）制造的化合物“DSP-1181”进入临床第一实验阶段，这也是用AI制造出来的药物首次被承认可以用于临床试验，当有着非凡的意义。

DSP-1181按照业界的平均开发时间，需要4年半的探索研究，而使用AI进行，只花了不到1年的时间。大大缩减了药品开发的时间，对于期待新药的患者，也是一大福音。同时，对于制药企业而言，成熟完善的AI制药体系，不仅仅是盈利的基础，也是未来企业存活的关键。

我们先来说一下日本和英国的这两家公司。

大日本住友制药，总部位于大阪，1949年5月份上市东证1部，是日本国内大型制造药品的企业之一，是住友集团的一员，住友化学占据其50.12%的股份。这家公司主营的就是药品的生产，在精神神经、糖尿病以及特殊药品领域有着许多建树。这里的特殊药品指的是难度高、需求高的部分领域，比如疑难病症、血液以及肝脏领域。

英国Exscientia公司，是英国道奇市大学的教授霍普金斯在2012年成立的公司。霍普金斯教授在美国辉瑞制药公司（全球最大的生物制药公司之一）从事药品开发研究以后，到了英国的大学当中。他的主要研究成果就是利用电脑，来进行药品设计，简单来说就是使用AI来开发新药。而Exscientia公司，就是基于他的研发成果而成立的。

2012年，霍普金斯的一篇论文引起了大日本住友制药的兴趣，在论文当中，讲述了用AI设计化合物的技术，至此双方开始进行接洽。

大日本住友制药与Exscientia公司合作的项目是搭建AI制药平台，这个平台的名字叫做“Centaur Chemist”。这个平台着重在于打造人与AI的紧密配合，发挥相互的优势，互相弥补缺点进行研究。AI能够没有偏见的分析庞大的数据，而人类可以采用战略性眼光来思考未来战略。

其实除了大日本住友制药以外，许多日本公司也都开始着手AI制药相关的研究。

超级计算机京的预测结果

我们都知道，现在的人工智能可以识别人脸，这些事基于大量人脸图像的学习。那么，开发出的人工智能，如果学习了大量的蛋白质和化合物的结合数据，那么就能够预测或者识别出蛋白质和化合物的结合结果。事实上，日本的超级计算机“京”只花费了5小时45分钟，就计算了全部的蛋白化合物的组合（大约189.3亿组）。

当前新药开发面临的问题

为了AI制药的开发，日本连超级计算机“京”都搬出来了，可见对其的重视程度。其中缘由，我想大家也能够想到，AI制药其实已经超过了商机或者企业的领域，而是成为了一种国家战略，如果哪个国家能够首先掌握相关技术，必然在未来科学领域，能够占据很重的分量。

根据日本制药公司的统计，目前医药品的研发成功率只有二万五千分之一，开发费用达到千亿日元以上，开发周期长达数十年。

现在的一般药品开发流程是：

开始开发→寻找标靶→寻找先导化合物→先导化合物最适化→生物学毒性检查→前临床试验→临床试验→承认

新药开发，不仅有着高风险，还面对着各种各样的课题。

• 平均费用高达千亿日元；
• 在药品开发过程当中，难以较早的预测有效性以及其毒性；
• 动物实验与人体实验存在差异，有可能出现无法预料到的副作用；
• 有时候需要考虑伦理与法规的问题；

人工智能在应用到药品开发领域之前，在其他方面已经有着诸多的应用。比如我们熟知的阿尔法GO，经过学习围棋，在短时间内战胜了世界上名手。现在的自动驾驶、市场经营等方面，也都可以看到人工智能的身影。

在制药领域，识别标靶、药物设计、药物开发、研发风险预测以及患者匹配方面，都可以运用到人工智能。具体来说，人工智能可以预测蛋白质活性，使有效果成分与不产生效果成分可视化，给出制药过程中的合理化提案。

日本制药领域逐渐整合：LINC

LINC的全称是Life Intelligence Consortium，中文名称是生命智能联盟。

这个组织并非历史悠久，仅仅成立4年而已。截至到2019年，这家组织已经涉足了制药、化学、食品、医疗以及健康等多个领域，吸收了超过90家企业和团体共同面对医药品的开发课题，总数超过了500名参与者，每一个都是行业当中的翘楚。

奥野恭史（右）

LINC代表是日本京都大学大学院医学研究科成员奥野恭史，他认为：AI关联技术的研究能力是未来国际竞争的一环，也是最能够体现日本科技立国真正价值的根本。

这个机构目前有10项主要研究课题，分别是：

• 预防机制医疗：通过健康诊断的数据分析发病预测等电子健康；
• 临床诊断：在癌症领域讨论AI医疗的可能性，用AI处理病理图像、进行模拟细胞分离等研究；
• 制药探索：与研究机构合作，开发标靶自动探索等相关技术；
• 模拟分子：在分子动力学方面讨论AI可行性，分析蛋白质立体构造以及功能预测等；
• 分子设计/ADMET：预测合成路径、分子设计AI、QSAR/QSPR/in vitro ADMET预测等；
• 转化研究：由非临床数据预测ADMET，分析疾病原理等；
• 制剂：制剂相关AI；
• 治疗/销售后：如何构建有害事项的基盘、产品Q&A系统、治疗效率化评价等；
• 知识自然语言处理；
• AI基盘

日本的这种做法，将制药企业、IT企业以及学术专家通过平台联系起来，这就是我们常说的：产学研。

其实进行人工智能制药的研究，数据是最大的关键，数据的量是否可以支撑人工智能的学习，是能否开发成功的重要因素。日本进行这种业界信息整合，其实就在于“共享数据”！

日本企业强大之处在于“理性竞争”，虽然分工很细致，可是每家公司都能够找到自己所存在的意义。我们常常听说国内的企业相互竞争，造成你死我活的场面，但是很少听到日本企业把一家公司逼入绝境。或许这就是理念的不同！

未来AI制药领域的竞争，不仅仅是国家软实力的竞争，也是一个国家战略的对碰。我国的AI制药公司也是存在的，只是整体竞争力不如日本，还需要大力的发展才是，这点关乎国计民生。

我不是药神中的悲剧，已经在现实发生；

我们需要思考，这个悲剧，如何不在未来发生。