您现在的位置: 亚博 > 亚博热点>

亚博:医药研发领域大数据和人工智能的应用探讨

作者:Art   日期:2019-04-17
亚博:医药研发领域大数据和人工智能的应用探讨
亚博报导:

抢手查找

亚博人工智能大数据云核算智能硬件万物互联ARVR无人驾驶机器人金融科技区块链新零售


[ 亿欧导读 ] 近年来,亚博人工智能技能(AI)与医疗健康范畴的交融不断加深。AI在医疗范畴首要运用场景包含语音录入病历、医疗印象辅佐确诊、药物研制、医疗机器人和个人健康大数据的智能剖析等。 医药;互联网医疗;生物制药,新药研制,亚博人工智能,新药研制,医疗健康,Al运用场景 图片来自“123rf.com.cn”

【编者按】亚博人工智能(AI)技能运用的重要场景之一是助力药物研制,比较传统的药物研制耗时耗力、成功率低,AI技能的运用可大大缩短药物研制时刻、进步研制功率并操控研制本钱。

本文来源于火石发明,作者孙翔宇;经亿欧大健康修改,供职业人士参阅。

近年来,亚博人工智能技能(AI)与医疗健康范畴的交融不断加深。AI在医疗范畴首要运用场景包含语音录入病历、医疗印象辅佐确诊、药物研制、医疗机器人和个人健康大数据的智能剖析等。跟着语音交互、文本辨认、图像辨认和大数据剖析,以及智能终端等技能的逐步老练,AI的运用场景越发多样。
 亚博人工智能在医疗范畴的运用.png

图1  亚博人工智能在医疗范畴的运用

药物研制是AI技能运用的重要场景之一。药物研制要阅历靶点的发现与验证、先导化合物的发现与优化、候选化合物的挑选及开发和临床研讨等多个阶段。传统的药物研制耗时耗力,且成功率低。AI助力药物研制,可大大缩短药物研制时刻、进步研制功率并操控研制本钱。

新药开发流程图.jpg

图2  新药开发流程图

一、AI助力新药研制的六大运用场景

现在制药企业纷繁布局AI范畴,首要运用在新药发现和临床试验阶段,首要有以下六大运用场景:

1.海量文献信息剖析整合

海量文献信息剖析整合关于药物研制作业者来说,最让他们头疼的事怎么去鉴别每天发作的海量科研信息。而亚博人工智能技能恰恰可以从这些散乱无章的海量信息中提取出可以推进药物研制的常识,提出新的可以被验证的假说,然后加快药物研制的进程。

英国生物科技公司Benevolent Bio(隶属于 Benevolent AI),运用技能渠道JACS(Judgment Augmented Cognition System),从全球范围内海量的学术论文、专利、临床试验效果、患者记载等数据中,提取出有用的信息,发现新药研制的蛛丝马迹。

2017年,凭仗JACS的剖析才干,Benevolent Bio 标记了100个可用于医治肌萎缩性侧索硬化症(ALS)的潜在化合物,从中挑选出5个化合物。经过英国谢菲尔德神经转化研讨所的小鼠试验,证明4个化合物在治好运动神经阑珊方面确有用果。4/5的有用挑选率,这是研讨人员之前从未想过的。

坐落英国伦敦的BenevolentAI成立于2013年,是一家致力于AI技能开发和运用的公司,是欧洲大的AI草创公司。他们的方针是树立人们期盼已久的“制药企业2.0”,运用AI助力新药开发,下降临床试验的失败率。自2013年以来,Benevolent AI现已开宣布24个候选药物,且现已有药物进入临床IIb期试验阶段。

世界制药巨子之一的强生公司现已与Benevolent AI达到协作协议,强生将一些现已进入临床阶段的试验药物连带一同特许给Benevolent AI,而Benevolent AI将运用亚博人工智能体系来辅导临床试验的进行和数据的搜集。

2.化合物高通量挑选

化合物挑选,是指经过规范化的试验手法,从许多化合物或许新化合物中挑选对某一特定效果靶点具有较高活性的化合物的进程。而要从数以万计的化合物分子中挑选出契合活性目标的化合物,往往需求较长的时刻和本钱。

AI 技能可以经过对现有化合物数据库信息的整合和数据提取、机器学习,提取许多化合物与毒性、有用性的要害信息,既避免了盲人摸象般的试错途径,还可以大幅进步挑选的成功率。

典型代表是硅谷公司Atomwise。Atomwise公司成立于2012年,其间心产品为AtomNet是一种依据深度学习神经网络的虚拟药物发现渠道。AtomNet就像一位人类化学家,运用强壮的深度学习算法和核算才干,来剖析数以百万计的潜在新药数据。现在,AtomNet现已学会辨认重要的化学基团,如氢键、芳香度和单键碳,一起该体系可以剖析化合物的构效联系,辨认医药化学中的根底模块,用于新药发现和评价新药危险。

AtomNet经过练习可以辨认抗生素中常见的化合物结构——磺酰基.jpg

图2  AtomNet经过练习可以辨认抗生素中常见的化合物结构——磺酰基

 AtomNet在抗肿瘤药物、神经体系疾病药物、抗病毒药物、抗寄生虫药和抗生素药物的药物挑选方面体现出色。例如,2015年AtomNet仅用一周模仿出2种有潜力用于埃博拉病毒医治的化合物。Atomwise正与全球知名药企和大学院校进行协作,其间包含辉瑞、默克、abbvie和哈佛大学等。

类似于Atomwise ,现在有一系列亚博人工智能公司专心于药物分子挑选,包含Recursion Pharmaceuticals、BenevolentAI、TwoXAR、Cyclica和Reverie Labs等。

3.开掘药物靶点

现代新药研讨与开发的要害是寻觅、确认和制备药物靶点。靶点是指药物在体内的效果结合位点,包含基因位点、受体、酶、离子通道和核酸等生物大分子。

典型代表是Exscientia公司,Exscientia与葛兰素史克(GSK)在药物研制达到战略协作。Exscientia 经过AI药物研制渠道为GSK的10个疾病靶点开发立异小分子药物。

Exscientia开发的AI体系可以从每个规划周期里的现有数据资源中学习,其原理与人类的学习办法类似,但AI在辨认多种奇妙改动以平衡药效、挑选性和药代动力学方面要更加高效。其AI体系完结新药候选的时刻和资金本钱只需传统办法的1/4。现在该公司与世界多家知名药企构成战略协作,包含强生、默克和赛诺菲等。

Exscientia 药物研制流程图示.jpg

图3  Exscientia 药物研制流程图示

4.猜测药物分子动力学目标(ADMET)

ADMET包含药物的吸收、分配、代谢、分泌和毒性。猜测ADMET是今世药物规划和药物挑选中十分重要的办法。曩昔药物ADMET性质研讨以体外研讨技能与核算机模仿等办法相结合,研讨药物在生物体内的动力学体现。现在商场中有数十种核算机模仿软件,包含ADMET Predicator、MOE、Discovery Studio和Shrodinger等。该类软件现已在国内外的药品监管部门、制药企业和研讨院所得到了广泛运用。

典型的代表包含晶泰科技(XtalPi)、Numerate等。为了进一步进步ADMET性质猜测的准确度,已有生物科技企业探究经过深度神经网络算法有用提取结构特征,加快药物的前期发现和挑选进程。其间晶泰科技经过运用亚博人工智能高效地动态装备药物晶型,能完好猜测一个小分子药物的一切或许的晶型,大大缩短晶型开发周期,更有用地挑选出适宜的药物晶型,削减本钱。

晶泰科技供给的晶型挑选效劳.jpg

图4  晶泰科技供给的晶型挑选效劳

5.病理生物学研讨

病理生物学(pathophysiology)是一门研讨疾病发作、打开、转归的规则和机制的科学。病理生物学研讨是医药研制的根底,至今许多疾病尚无医治办法,是由于在病理生物学研讨方面没有获得打开。

肌萎缩侧索硬化(ALS)是一种破坏性的神经退行性疾病,发病机制至今不明。ALS的一个杰出病理特征是,一些RNA结合蛋白(RNA binding proteins, RBPs)在ALS中发作骤变或反常表达/散布。人类基因组中至少有1 542种RBPs,现在已发现17种RBPs与ALS相关,除此以外,其他RBPs是否与ALS相关呢?

IBM Watson判定RBPs.jpg

图6  IBM Watson判定RBPs

典型事例是IBM公司开发的Watson体系,经过阅读了2 500万篇文献摘要,100万篇完好论文和400万专利文献,并依据相关文献的许多学习,树立了模型猜测RBPs与ALS相关性。有研讨者为了测验其模型的猜测才干,首先将IBM Watson的常识库约束在2013年之前的学术出版物上,并要求Watson运用这些可用的信息来猜测与ALS相关的其他RBPs。在2013—2017年期间,Watson在对4个导致骤变的RBPs给出了高度评价,证明了模型的有用性。然后,Watson对基因组中一切的RBPs进行挑选,并成功判定在ALS中改动的5种新式RBPs。

6.开掘药物新适应症

运用深化学习技能,将临床药物与新的适应症相匹配。这样可以绕过动物试验和安全性试验。

例如,沙利度胺曾用来医治麻风病,后来研讨人员发现其对多发性骨髓瘤具有用果。由于该药物现已堆集了许多的安全性与剂量数据,研讨人员可以绕过榜首阶段的安全性和剂量试验。

依据试验效果,FDA在2012年同意沙利度胺医治多发性骨髓瘤。据彭博猜测,这个进程一共花费了4 000~8 000 万美元。假如从零开端,一个新药所需的均匀费用为20 亿美元。

亚博人工智能7.jpg

图7  药物再运用与新药研制的本钱比照

典型代表为Lam Therapeutics、NuMedii、Healx和Insilico Medicine等亚博人工智能公司,他们现已在“老药新用”这个范畴进行了深度探究。

二、AI新药研制公司

我国在AI范畴的论文宣布数量位居全球榜首。在医学范畴,咱们在放射印象、病理、自然语言处理和智能语音录入等范畴的研讨与欧美齐头并进,但在AI+新药研制范畴,却距离较大。部分AI新药研制公司名单见表1。

IBM Watson判定RBPs.jpg

表1 部分亚博人工智能药物研制公司名单

2014年,晶泰科技创立于麻省理工学院学校。其间心总部坐落深圳,并在北京、波士顿设有分部。晶泰科技现在已与多家世界尖端药企与科研机构树立深度协作,其药物固相挑选与规划渠道是职业最先进的解决方案。凭仗团队的技能优势与项目宽广的商场空间,晶泰科技已获得腾讯、真格基金、峰瑞本钱数千万元的A轮出资,以及来自红杉、Google、腾讯的数千万美金B轮融资,成为全球AI+制药范畴获得融资最高的创业公司之一。

2018年12月,天津世界生物医药联合研讨院与北京天云大数据签署战略协作协议,两边将在亚博人工智能医药研制渠道建造范畴联手,为京津冀甚至全国供给效劳。依据协议,两边将一起建造亚博人工智能医药研制渠道,安身京津区域,为药物研制等大健康职业立异打开赋能,致力于亚博人工智能与大数据技能在医药职业内的推行和运用。一起,两边各自发挥优势,一起打开亚博人工智能医药研制渠道的推行作业,推进树立京津冀医药智能技能立异联盟。

三、AI药物研制范畴的要害要素

我国在AI药物开发范畴现已开端起步,但远未老练,还有十分大打开空间。在笔者看来,我国进行AI药物研制需求在人才培育、数据同享和商业形式立异等方面进行发力。

1.培育高端亚博人工智能人才,探究跨学科人才协作机制。

创业的竞赛归根到底是人才的竞赛,这在亚博人工智能范畴体现得更加显着。在全球范围内,大约有2.2万名具有博士以上学历的亚博人工智能从业人员和研讨人员,我国仅600名左右。国内亚博人工智能人才简直被几大头部企业独占,比方商汤有150多名亚博人工智能博士,占比全国亚博人工智能博士总数1/4。

数据显现,未来我国亚博人工智能人才缺口高达500万,仅有的解决办法便是成体系地培育亚博人工智能人才。

2018华为全联接大会上,华为云推出了“膏壤AI开发者方案”,投入10亿人民币培育高校和研讨所的AI人才,并与清华大学、中科院、我国科学技能大学、浙江大学等达到AI协作。

2018年8月,商汤科技携手香港中文大学、亚马逊、南洋理工大学、悉尼大学联合举行的首届WIDER Face and Pedestrian Challenge 2018(简称:WIDER Challenge)应战赛,包含中科院核算所、微软亚洲研讨院、北京大学、卡耐基梅隆大学、香港大学以及yahoo、京东、旷视、科大讯飞、滴滴等科技公司参赛。

此外,AI运用于药物研制需求若干个笔直范畴的专家一起参加才干有所突破。既需求物理学家、化学专家、药物学家、药企研制高管,又需求亚博人工智能科学家、云核算工程师等跨学科人才。经过在多个范畴人才和经历的堆集,

整个团队需求严密协作,这样才更简单获得突破性的思路和洽的效果。

2.树立研制数据规范体系,完善数据同享机制。

AI药物研制需求高质量数据支撑。国内立异药研制起步较晚,与国外比较,关于优质数据的堆集还有必定距离。

制药工业的专业门槛高、链条长,加之国内长期以来的“多头办理”体系,构成了国内的药品数据极度分裂,规范不共同、数据孤岛现象严峻;别的,医药范畴的监管方针与机构改革频频,构成前史药品数据联接难度较大。这些都会导致医药数据核算在完好度和精准度上的缺乏,然后影响相关决议计划。

当时国内企业“大数据化”采纳的一个途径,便是以“专业人工+机器辅佐”办法树立数据规范词典(包含药品、企业、靶点、疾病等),继续进行数据清洗、辨认、匹配和发掘算法,将商场上涣散的数据全面重构,构成一体系规范数据模块库房,依据用户场景对数据模块进行组合。比方国内的医药魔方、米内数据、药渡等医药大数据效劳公司。

3.定位工业链人物,立异商业形式。

现在亚博人工智能医药研制范畴存在三种商业形式:

(1)敞开和反应形式。晶泰科技一开端就清晰了初期首要客户群,在地域设置上构成国内研制,世界事务拓宽的形式。在有用操控研制本钱的一起,起步阶段就尽力在世界范围内寻求协作者。

依据药物研制流程的复杂性,亚博人工智能在药物研制中的大规划运用依赖于整个工业链的一起尽力。晶泰科技主导敞开和反应形式,其利益是为传统研制人员供给最先进的核算软硬件东西,协助他们更好更快地完结科研任务。

(2)虚拟挑选团队外包验证形式。虚拟挑选团队外包的首要办法有是与利益相关者或非利益相关者协作。

与入利益相关者协作,比方一个更大的医药公司,公司将获益颇多,比方鼓励共同、与已有临床生产线的整合、致力于特定疾病团队带来的专业常识等。尽管公司需求舍弃部分操控力或一切权, 可是有利于项目研制成功率的进步。

与非利益相关者协作(例如CRO),公司保存彻底的常识产权,履行速度快可是本钱高。并且在试验规划上有或许面临操控权的丢失,所以为了确保高质量的效果有必要给予特别的重视。

这个形式的优点是本钱低,速度快,特别是工业界的协作伙伴在新化合物后期验证和临床研制中具有巨大时机。协作伙伴可以了解这些验证明验的动机和规划是至关重要的,由于他们在后续的临床研制中充任重要人物。Nimbus Therapeutics,TwoXAR,Atomwise等公司就选用这种形式。

(3)独立的药物研制团队和虚拟挑选团队的协作形式。在这个形式中,公司团队专心于核算机虚拟挑选,而其他团队给予试验药物研制的支撑。和一般专心于特定的配体\受体、生物现象或许疾病范畴的团队的杰出协作,使项目研制团队有共同的专业性。

尽管协作程度没有一个彻底整合团队那么强,但这种形式的优势在于,供给的处理结构的可变性和协作者的可挑选性。具有广泛运用渠道的虚拟挑选团队可以考虑用这个结构,在使本钱本钱最小化的一起处理许多研制项目。

1.新药研制存在环节多、研制费用高、研制周期长和研制成功率低一级问题。

新药研制从上游到下流的几个环节包含药物靶标的确认,先导化合物的挑选,先导化合物的优化和终究的临床试验。研制费用高、研制周期长、研制成功率低一直是压在制药企业身上的“三座大山”。塔夫茨药物开发研讨中心(Tufts Center for The Study of DrugDevelopment)的数据显现:开发一种新药的均匀本钱为 26 亿美元;一种新药上市的均匀时刻约为12 年;大约只要 10% 的候选药物能从榜首阶段测验走向商场。德勤的数据显现:2017 年,美国最大的生物制药公司的出资回报率下降至3.2%。

2.AI技能的兴起,为新药研制带来了新方向。

曩昔 20 年,核算机处理才干的继续快速增长,许多数据集的可用性和先进算法的开发,大大推进了机器学习的打开。新药研制范畴数据密布,这让亚博人工智能有了用武之地。AI 不只可以发掘出不易被发现的隐性联系,构建药物、疾病和基因之间的深层次联系。一起,可对候选化合物进行虚拟挑选,更快地挑选出具有较高活性的化合物,为后期临床试验做准备。

现在,AI 在新药研制范畴首要运用于靶点发现、化合物组成、化合物挑选、晶型猜测、患者招募、优化临床试验规划和药物适应症开辟等场景。来自 Tech Emergence 的一份陈述研讨了一切职业的亚博人工智能运用,效果表明:亚博人工智能可以将新药研制的成功率从 12%进步到 14%,可以为生物制药职业节约数十亿美元。

自2017年以来,AI在制药范畴的运用可谓如火如荼,世界制药巨子纷繁入局AI开发,用于进步新药的研制功率。据核算,有100 多家草创企业在探究用 AI 发现药物,传统的大型制药企业更倾向于与选用协作的办法,如阿斯利康与 Berg,强生与 Benevolent AI,默沙东与 Atomwise,武田制药与 Numerate,赛诺菲和葛兰素史克与 Exscientia,辉瑞与 IBM Watson 等。一起,AI运用于新药研制仍需面临人才缺少、数据规范化与同享机制、商业形式立异等许多问题。

在制药和生命科学中,数据是AI的要害。AI被运用于药物研制的各个阶段,但若是数据质量不高,即使运用十分牢靠的算法,也不会获得好效果,反而会糟蹋许多的资源和时刻。鉴于此,IBM 曾在2016年斥资26亿美元收买医疗数据公司Truven;罗氏曾在2018年以19亿美金收买肿瘤大数据公司Flatiron Health的悉数股份。也有专家表明,经过常识同享打开协作和进步已有数据的质量比堆集数据更为重要,要害是树立一套切实可行的数据规范,与危险利益共担的数据共享机制。

3.AI和药物开发的形式,首要包含AI研制外包、企业内部组成AI研制部门,但每种形式都有各自的优缺点。

AI研制外包。由制药公司供给特定的研讨数据和生物靶点信息,然后由AI驱动的药物发现草创公司依托这些数据树立模型。一旦成功挑选出候选药物,制药公司会依据协议进行授权或自行具有这种药物。这种战略灵活性高且本钱较低,但AI公司做为效劳方需求获取制药公司整个药物开发流程中最“隐私”的情报,因而,挑选适宜的协作伙伴是重中之重。

在企业内部组成AI研制部门。在与外部积极协作的一起,制药公司也在培育内部AI专业技能,并树立数字根底设施,以进步数据运用功率。这种办法的应战在于怎么树立内部专业的AI算法和自动化流程,以及高效的运算渠道。

不管哪种形式,AI和药物开发的结合,与其说是对IT技能人员的应战,不如说更是对药学人员的应战。一个运营杰出的AI药物发现团队,应该是可以让IT技能人员和药学科学家坚持沟通无障碍,互相沟通更清楚,清楚对方的目的。

跟着《“健康我国2030”规划大纲》的发布和医改方针纵深打开,我国医效果劳职业也正迎来一个新的晋级阶段,便是从“规划”向“价值”的革新。医疗工业与新技能逐步交融,单纯“走量”的医疗项目不再是出资首选,许多“伪需求”将在顾客“用脚投票”下出局……怎么可以化险为夷,借力打力,终究在本钱隆冬后的2019锋芒毕露?

2019年7月25日-27日,亿欧大健康将主办“GIIS 2019第四届我国大健康工业晋级峰会”,峰会以“雁栖善谈——从【规划】到【价值】的医疗革新”为主题,环绕医疗大数据、医药立异、非公医疗和科技医疗四大细分范畴的商场环境、出资热门和工业革新等论题打开讨论。与此一起,亿欧大健康将会在3月-4月连续举行:医药立异工业沙龙(3月22日)、医疗大数据工业沙龙(3月29日)、非公医疗工业沙龙(4月26日)、科技医疗工业沙龙(4月19日)。欢迎我们重视!

活动报名链接:https://www.iyiou.com/post/ad/id/785

第四届我国大健康工业晋级峰会


创立并相关新账户

曾用微信登录亿欧网但没有用手机注册过亿欧的用户

没有注册过亿欧网的新用户

上一篇:亚博:各位投资者注意了!人工智能芯片、虚拟现实等纳入2019年“鼓励类”产业 下一篇:亚博:马上消费金融积极探索人工智能在消费金融领域的应用