为什么要用人工智能制药？（这里指的是推动人工智能在药物研发中的应用。不是人工智能接管制药）
传统药物研发有“三高”，成本高、时间久、失败率高。 人工智能制药的需求突出。不管药企是由于害怕丧失掉一些新机会这样的心态来参与，还是说真正在利用人工智能制药技术，药企对于人工智能制药的认可度已经在不断提升。人工智能制药涉及不同的环节，从分子设计、晶型、剂型到合成。
既有人工智能，也有计算，有的基于数据来做人工智能算法，有把分子库来数据化，基于物理做计算，有的利用高通量来实现药品制剂数据化，同时用计算来减少实验的步骤的数量，提高效率。
人工智能制药展现出高成长性。
人才涌入，新技术层出不穷，比如自动化、高通量筛癣分子砌块库、超大的虚拟筛选库，还有云计算GPU的应用、新算法、结构生物学的迭代，确实有很多硬技术在发展，给人工智能参与制药注入了源源不断地新动能。
虽然药物开发的过程可以分为五个步骤，但在现实世界中走完这些步骤所花费的时间跨度为10年，有时甚至更长。
新药从实验室到药房的旅程是漫长而复杂的，成本高达数十亿美元。在制药公司在研发方面的投资回报率持续下降，研发的投资回报率降到了地板上，不解决不行。这就是为什么许多制药公司都在探索，以减少药物发现过程中涉及的时间和成本的原因。
美国药物研究与制造商（PhRMA，Pharmaceutical Research and Manufacturers of America） 估计：“研究和开发每种成功药物的平均成本为26亿美元。这个数字包含了失败的成本，其中有数千甚至有时数百万的化合物可能在研发过程的早期进行筛选和评估，其中只有少数最终获得批准。
临床成功的总体可能性（进入临床测试的药物最终被批准的可能性）估计小于12％。”
按照传统标准方法，发现新药的过程要求数据科学家梳理大量数据，以识别可以针对目标疾病进行测试的正确化合物。
通常，代表特定疾病的细胞会暴露于多种化合物，并对随后发生的每个反应进行显微镜快照，结果达到数百万。如果可以从中提取有意义的信息，那么从每个此类实验中收集到的大量数据将变得更加有用。使用人工智能可以做到这一点。近年来，虽然科学家一直在使用智能化的算法对此类数据进行分类，但如今人工智能已越来越普遍地用于更高级的研究和结果中。
Janssen Research＆Development的一项研究得出的结论是：“ 人工智能制药的方法的效率是传统药物发现方法的250倍。” 人工智能具有减少药物发现时间，提高功效和安全性预测准确性的潜力，并带来更好的机会来使药物管道多样化。
据悉，在药物发现阶段投入大约占10-20%研发开销，在临床试验阶段大概投80%以上的开销，但这两者的成功率和投入完全不匹配，大部分的失败都是在临床阶段。换句话说，我们在早期的药物发现筛选药的时候，并没有筛选出正确的分子。用人工智能算法把药物发现，跟后面的人体内的临床实验结合起来，找到好的分子，这个目标非常困难。
计算在制药过程里最主要的价值在于，前期高质量的投，以较低成本，降低后期评价的成本和失败的次数。波士顿咨询公司的一份报告估计 ，到2022年，与人工智能相关的药物发现和开发工具的总支出预计将达到13亿美元。另一预测则显示，2024年，这一市场规模可达200亿美元。
迅速行动的药企越来越多，人工智能从药物靶点发现、虚拟筛癣药物合成、ADME-T（吸收、分布、代谢、排泄和毒性）性质预测、理化性质（如晶型）预测、药物重定位，到药物临床试验管理全周期应用。
人工智能制药是一个挺复杂的问题，但是制药有了人工智能的参与，就有了更多希望。
（完）
《亲爱的数据》出品
出品人：谭婧
