“他就是想活命，他有什么罪!“

太平間外，黃毛死后，程勇對警官大聲吼道。

為了仿制藥，為了活命，多少人為此付出了自己的命。

價格高昂的正版藥，讓患者們退無可退。不容否認，一種新藥，尤其是“特效藥“的研發(fā)，需要過億的研發(fā)成本和研發(fā)周期，其能夠面市，已經(jīng)是諸多患者的“福音”。然而，面對高昂的售價，如何給“特效藥”及疾病治療“降降溫”，AI也許能夠一步步成為你的“藥神”。

第一步：AI預(yù)測白血病，讓白血病不再成為“突然之災(zāi)”

近期，《自然》上發(fā)表了一項研究成果——由全國多家科研機構(gòu)白血病科學(xué)家組成的研究小組使用血液檢測和機器學(xué)習(xí)，以達到預(yù)測健康個體是否有患急性骨髓性白血病(AML)的風險。

這意味著我們今后對AML的出現(xiàn)有預(yù)警，并能夠提早發(fā)現(xiàn)AML的高風險人群并進行監(jiān)測，同時可以進行研發(fā)，尋找降低該疾病患病幾率的方案。 

AML名為“急性骨髓性白血病”，以骨髓與外周血中原始和幼稚髓性細胞異常增生為主要特征，AML患者的癌細胞在骨髓中迅速增殖，并妨礙正常血液細胞的產(chǎn)生，導(dǎo)致出現(xiàn)出血和感染癥狀，甚至危及生命。

因此研究人員開發(fā)了一種基因測序工具，針對那些與AML相關(guān)的已知基因，對124名AML患者的血液DNA進行了測序，并與676名未患有AML或相關(guān)癌癥的人進行了對比。

通過大數(shù)據(jù)監(jiān)測，他們發(fā)現(xiàn)許多患有AML的人基因中出現(xiàn)了遺傳變化，未患有此病的人則沒有出現(xiàn)這種變化。那些后來患上AML的患者基因中的突變數(shù)量更多，且這些突變在他們血液細胞中出現(xiàn)的比例也更高。

隨著進一步研究，研究人員通過機器人學(xué)習(xí)模型，在大數(shù)據(jù)變量的支撐下，構(gòu)建了AML預(yù)測模型，其可以在診斷前6-12個月內(nèi)，就能夠?qū)崿F(xiàn)對AML預(yù)測，其靈敏度和特異性分別達到25.7%和98.2%。 

AML預(yù)測模型(圖來源：Nature)

早在此前，Watson也診斷過一個60女性的罕見白血病，Watson 通過比對 2000 萬份癌癥數(shù)據(jù)報告中不同患者的基因變化，僅用了 10 分鐘時間便得出了結(jié)果——不僅有精確的病癥診斷，Watson 還提供了適當?shù)闹委煼桨浮?/p>

AI預(yù)測的出現(xiàn)，讓人欣喜的同時也許多人對其存疑。確實，比如AI預(yù)測死亡時間的出現(xiàn)，這讓AI的應(yīng)用不再是一個技術(shù)問題，更是一個倫理問題。當你確知自己何時生病、何時辭世時，這似乎并不是一件多好的事情。

第二步：AI制藥，改變藥物研發(fā)模式

《我不是藥神》電影中，矛盾的聚焦點就在于天價的“格列寧”，新藥貴，貴在研發(fā)，研發(fā)的“試錯”環(huán)節(jié)，AI也許能夠幫上大忙。

從目前智慧醫(yī)療的發(fā)展情況來看，擅長模式識別的人工智能可以從海量已有的和新的基因、代謝及臨床信息中篩查篩選，以破解各種疾病背后的復(fù)雜網(wǎng)絡(luò)。反過來，這也有助于發(fā)現(xiàn)適用于特定病人群體的藥物，同時引導(dǎo)藥企規(guī)避可能會失敗的藥物。

此外，借助人工智能的生物意義，可以幫助藥企根據(jù)病人情況，并參與對他們最可能見效的創(chuàng)新療法的臨床試驗，這也許能夠成為提升新藥獲批的可能性，比如獲得美國FDA的批準。

實際上，醫(yī)藥研發(fā)的核心在于知識圖譜，就是將實驗信息、數(shù)據(jù)、臨床實驗結(jié)果和數(shù)據(jù)的結(jié)合起來，將零散的數(shù)據(jù)整合在一起，從而為決策提供有價值的數(shù)據(jù)支持。

從目前來看，人工智能主要作用于藥物研發(fā)主要有七個場景：靶點藥物研發(fā)、候選藥物挖掘、化合物篩選、預(yù)測ADMET性質(zhì)、藥物晶型預(yù)測、輔助病理生物學(xué)研究，以及發(fā)掘藥物新適應(yīng)癥。 

根據(jù)Tech Emergence的研究報告，AI可以將新藥研發(fā)的成功率從12%提升至14%，這2%意味著能夠為生物制藥行業(yè)省下數(shù)十億美元的研發(fā)成本和大量的試錯時間。

但是，不容否認的是：AI藥物研發(fā)一定是一場持久戰(zhàn)。目前世界上并沒有AI藥物研發(fā)的成功案例，人工智能研發(fā)的藥物也并沒有被批準上市。

目前發(fā)展較好的國外企業(yè)應(yīng)用AI研發(fā)的新藥已進入二期臨床，但是二期到三期的失敗率高達70-80%。AI技術(shù)應(yīng)用前景廣闊，目前依然任重道遠。輝瑞、羅氏、GSK等巨頭紛紛“下注”AI公司，目前發(fā)展還需要時間檢驗。

但這并不意味著AI制藥并無可能。如果技術(shù)能夠有效縮短藥物研發(fā)的效率，提高研發(fā)上市成功率，那么藥物研發(fā)的成本就會大幅度降低，這樣可以大幅度減輕國家醫(yī)保負擔，“平價藥”也將成為可能。

第三步：藥物數(shù)據(jù)成為AI制藥關(guān)鍵

其實，我們也可以看到，AI在智慧醫(yī)療領(lǐng)域的每一步，其中都撇不開一個重要因素：藥物數(shù)據(jù)。

比如，在新藥研發(fā)領(lǐng)域，AI可以幫助科學(xué)家從巨大體量的化合物數(shù)據(jù)庫中完成文獻搜索，許多公司也在研究如何利用機器模擬化合物跟特定靶標的結(jié)合效果，從而大大加快新藥篩選的過程。全球每年都有數(shù)千億美元用于新藥研發(fā)，AI技術(shù)的運用能夠在一定程度上提高研發(fā)效率。

AI通過機器學(xué)習(xí)，不但可以加速時間，還可以提高到達后期試驗階段藥物的成功概率。如果AI可以減少藥物試驗的風險，就可以為大型制藥公司節(jié)約大量成本，使其能夠騰出資源集中于尋找更有潛力的機會。

類似的人工智能應(yīng)用在流行病統(tǒng)計、臨床試驗數(shù)據(jù)分析和精準醫(yī)療基因檢測方面也大有可為。在人工智能精準醫(yī)療項目方面，IBM也繼“Waston腫瘤醫(yī)生”推出了“Waston for Genomics”

除了藥物數(shù)據(jù)，醫(yī)療數(shù)據(jù)也成為醫(yī)生診斷及后續(xù)藥物研發(fā)的重要依據(jù)。隨著健康智能硬件的興起，醫(yī)療數(shù)據(jù)的邊界不斷地被拓展。

2016年4月，一款健康智能硬件記錄的數(shù)據(jù)拯救了一個新澤西州男人的生命。這個男人在工作當中突發(fā)心臟病，醫(yī)生通過其智能手機提取其日常的心率數(shù)據(jù)，這些數(shù)據(jù)幫助了醫(yī)生排除了不必要的診斷，并配合醫(yī)生迅速找到合適的醫(yī)療方法，進而拯救了一個生命。

醫(yī)療數(shù)據(jù)可不僅僅是醫(yī)學(xué)期刊和醫(yī)生輸入電腦的醫(yī)療記錄，我們的身體無時無刻不在產(chǎn)生海量的潛在醫(yī)療數(shù)據(jù)。但是目前來說，絕大部分的數(shù)據(jù)都處于“丟失”的狀態(tài)——我們每天走了多少步、今天的心率怎么樣、皮膚的溫度是高還是低、今天都吃什么了等等這些數(shù)據(jù)，都只保存在本地、孤零零的幾個設(shè)備和App里。

對AI醫(yī)療來說，數(shù)據(jù)的重要性不言而喻。不論是應(yīng)用于藥物研發(fā)還是診斷治療方面，都有著相當大的前景，但是AI在小樣本集上做的診斷或推定，被認為是不可持久的模式，因為一旦再擴大一點范圍，換一個病種、換一個地方，結(jié)果可能就出現(xiàn)偏差，正確率下降。

總的來說，AI醫(yī)療發(fā)展至今已經(jīng)有了長足的進步，雖然許多AI醫(yī)療產(chǎn)品暫未落地，但是不是病人的“藥神”，我們走著瞧。