摩根士丹利预估，在未来 10 年，人工智能在早期药物开发中的应用可能会转化为 50 种新疗法，销售额超过 500 亿美元。
开发出一种潜在的畅销药物通常需要在实验室进行数年的广泛分析，由研究人员团队有条不紊地筛选数据和测试结果，以发掘出一种有希望的候选药物。不过，当日本武田制药 (TAK.US) 在今年 2 月以 40 亿美元的价格从波士顿一家初创公司手中收购一种实验性牛皮癣药物时，该公司仅用了六个月的时间就通过人工智能获得了一种化合物。
智通财经 APP 获悉，在接下来的几个月里，这种通过人工智能和机器学习算法从数千种潜在分子中挑选出来的药物将进入临床试验的最后阶段。如果成功，它可能成为在人工智能帮助下发现的首批疗法之一。投行 Jefferies 的分析师预计，其年销售额可能高达 5,000 亿日元 (约合 37 亿美元)。
武田制药从波士顿 Nimbus Therapeutics LLC 购买的实验性药物将成为世界上为数不多的治疗牛皮癣的口服药物之一。牛皮癣是一种皮肤病，全世界有 1.25 亿人患有此病。该药物也有可能治疗其他疾病，如克罗恩病，一种炎症性肠病。这种药物目前被称为 TAK-279，已经成功地通过了前两个阶段的人体试验。Nimbus 首席执行官 Jeb Keiper 表示，算法选择当前分子的时间大约是传统方法两年时间的四分之一。
在武田制药利用人工智能开发药物之际，全球制药公司正在拥抱人工智能，旨在削减成本、加快药物上市时间。摩根士丹利预估，在未来 10 年，人工智能在早期药物开发中的应用可能会转化为 50 种新疗法，销售额超过 500 亿美元。
研究公司 Deep Pharma Intelligence 预估，在过去四年中，对人工智能驱动的药物研发公司的投资增长了两倍，到 2022 年达到 246 亿美元。去年 1 月，赛诺菲 (SNY.US) 同意向总部位于英国的 Exscientia Plc 预付 1 亿美元，再加上可能高达 52 亿美元的里程碑付款，用于研究新药，并利用人工智能系统开发多达 15 种肿瘤学和免疫学候选药物。
拜耳 (BAYRY.U)、罗氏 (RHHBY.US) 和武田制药等公司正在与盐湖城的 Recursion 制药公司合作，利用机器学习探索药物发现。与此同时，阿斯利康 (AZN.US) 与英国的 BenevolentAI 和圣地亚哥的 Illumina Inc.建立了合作伙伴关系，进行类似的努力。
为制药商提供数字流程和分析方面的建议的麦肯锡合伙人 Alex Devereson 表示：“当生物制药公司成功地将人工智能应用于研发时，可能会产生重大影响。在未来五年内，我们预计这些方法将在结构上更多地融入制药研发流程，并产生更大的规模影响。”
虽然人工智能可以提供帮助，但在选择分子后，科学家仍然需要做很多传统的工作。武田制药的化合物还需要进行数年的人体临床试验和其他测试。人工智能还有其他局限性，例如，它不能预测复杂的生物特性，如化合物的功效和副作用。尽管如此，使用技术来确定下一个重磅疗法可以帮助消除一些猜测，这些猜测通常需要数百个实验室实验，而这通常需要很多年才能确定有希望的分子。
2018 年之后，大型制药公司对投资人工智能和机器学习变得更加认真。当时谷歌母公司 Alphabet(GOOGL.US) 的 DeepMind 部门使用了一个名为 AlphaFold 的人工智能程序，在预测蛋白质形状 (疾病的基本组成部分) 方面击败了一位生物学家。弄清蛋白质的形状是生物学中最棘手的问题之一，这有助于药物猎人缩小可能与蛋白质相互作用的分子范围，并确定治疗疾病的药物。
传统上，将一种新药推向市场需要花费近 30 亿美元，而且大约 90% 的实验药物都失败了。因此，加快这一过程的技术可能是利润的一大推动力。加州 Scripps Research Translational Institute 创始人兼主任 Eric Topol 指出，现在使用 AlphaFold 确定蛋白质的 3D 结构只需几秒钟，而不是几个月或几年。
新冠疫情加速了制药公司采用人工智能的增长，因为制药行业急于开发对抗未知病毒的武器。在疫情期间，辉瑞 (PFE.US) 与 BioNTech SE(BNTX.US) 合作开发了新冠疫苗社区 (Covid - 19 vaccine community)。该公司还扩大了与总部位于中国深圳的人工智能药物研发公司 XtalPi Inc.的合作伙伴关系，以加快抗疫药 Paxlovid 的化学配方。这两种药物都在不到两年的时间内获得了美国食品药物管理局 (fda) 的批准，比大多数药物上市通常需要 10 年的时间要快得多。监管机构急于向公众提供对抗新冠病毒的武器，也推动了这一速度。
如今，武田制药从波士顿到圣地亚哥再到日本湘南的研发中心，有 500 多名定量科学家和技术专家每天都在处理数据，寻找、开发和制造突破性药物。这家制药商使用人工智能和机器学习来识别针对蛋白质的最佳分子，并了解疾病的特征以及它们在不同患者群体中的变化。它与麻省理工学院和几家人工智能初创公司合作。
武田制药数据科学研究所所长 Anne Heatherington 表示:“任何能够为我们的员工解锁尖端技能、减少体力劳动、消除系统摩擦、腾出时间进行更深入的科学洞察和发现的技术都是至关重要的。”
武田制药的大型竞争对手也在利用人工智能。辉瑞首席数字和技术官 Lidia Fonseca 表示，辉瑞希望与 DeepMind 的 AlphaFold 合作，帮助公司设计和验证以前未知的高效治疗靶点。Lidia Fonseca 表示:“我们将强大的超级计算能力与人工智能和机器学习模型结合起来，将整体计算时间缩短了 80% 至 90%，这实际上有助于快速开发 Paxlovid。”
在世界各地，初创公司利用人工智能发现的几种潜在药物已经进入人体试验阶段。其中 5 个来自 Recursion 制药公司，用于治疗罕见疾病和肿瘤，3 个来自 Exscientia 公司，用于治疗癌症和强迫症等疾病。总部位于中国香港的 Insilico Medicine 有一种候选药物正在进行中期人体试验，用于治疗最常见的肺纤维化。
总部位于英国的葛兰素史克 (GSK.US) 拥有 160 多名致力于人工智能和机器学习的专家，以支持其研发和制造。自 2019 年以来一直担任葛兰素史克人工智能主管的 Kim Branson 表示，该公司还生成数据来构建和支持公司自己的机器学习模型，这样每位科学家最终都能从公司过去产生的数据中受益。
不过，葛兰素史克的 Kim Branson 也表示，虽然人工智能非常擅长将来自不同来源的数据拼凑在一起，但当它用于复杂系统时，事情就变得棘手了。他表示，为了确保安全，实验室实验通常是必要的。此外，斯坦福大学的研究人员在 2018 年发表在《新英格兰医学杂志》上的一项研究中写道，用于创建算法的数据可能包含偏见，这可以反映在它们生成的临床建议中。研究人员发现，算法也会扭曲结果，这取决于是谁开发的。
这并不能阻止投资的激增。斯坦福大学生物工程学教授 Russ Altman 表示，过去五年左右，要求对潜在的人工智能药物研发公司进行评估的风险投资家数量激增。数十年来，他一直在为风投公司对生物技术初创公司进行尽职调查。“从零到一百。” Russ Altman 表示：“30 年来，我没有对人工智能制药公司做过任何尽职调查。现在我已经做了 6 到 10 次了。”