如何找到和定义一个真实的、清晰的科学问题，以及问题成立后，我们是否有足够的数据来进行清洗和分析，这考验着我们的计算资源。同时，在我们对一系列问题都预测建模后，是否具备一套良好的评估方法对成药效果进行分析……凡此种种，都是AI制药路上亟待解决的问题。

“在机器学习AI领域，尤其随着ChatGPT这样应用的风靡，推高了将新技术与生物制药结合的呼声。在医疗数据的处理和分析方面，AI可以帮助处理和分析大量的医学图像、基因数据、病历资料等复杂信息，提供更准确的诊断和治疗方案。” 中国工程院院士陈赛娟在2023上海国际生物医药产业周同期活动——“医药医疗创新大会暨第七届上海AI大会”上说道。

近年来，随着数字科技和生物材料等领域前沿科技不断融合，人工智能在生物医药研发与医疗建设中发挥重要作用。我国的智慧医疗市场需求高速增长、规模迅速发展，各地都在积极探索并加速新技术的运用场景落地。

第七届上海AI大会在10月19日举行，以“创新赋能医药医疗发展”为主题，旨在探讨“药物研发中的技术创新”、“临床开发中的数智策略”、“全球药物合作”、“AI赋能智慧医疗”几大方向，共谋后疫情时代医药医疗新技术与新发展。

中山大学分子设计研究中心主任徐峻提出，AI驱动的药物设计方法主要是由注意力机制（attention mechanism）突出分子的重要局部特征，建立重要局部特征与活性的关系，再通过输入数据计算出的权重表示局部特征的重要性。然而，虽然多年来药物研发领域的投资不断增加，但投资 10 亿美元得到的上市新药数目每 9 年就减少一半，这一现象又被称作反摩尔（Moore）定律。

《药理科学趋势》（Trends in Pharmacological Sciences）杂志曾发表相关文章称，AI 可以加快药物临床试验的成功，从而助力破解反摩尔难题。徐峻认为，通过AI的深度学习，句法模式识别在合成设计、筛选、活性的预测，将有机会突破反摩尔定律，助力更多新药上市。

恒瑞医药分子信息部高级总监李勋在会议上说道：“如果传统制药是自行车，AI制药就是摩托车，但必须承认，AI制药的道路还是很曲折的。在我看来，计算辅助药物研发的着眼点有四个：1、核心，即找到进行AI制药的真正目标；2、要素，包括是否有合适的生物学问题和恰当的模型；3、层面，是指AI制药能帮助我们实现什么，是提高研发效率，还是解释实验现象，抑或是建立模型，帮我们进行预测；4、空间，包含成药性空间、药物分子的结构空间、与人体的互作空间等，我们要在这些空间中找到交集。”

在癌症诊断方面，传统癌症的诊断技术虽然便捷，但灵敏度低、特异性差，而且对病人有所伤害。同济大学医学院博士生导师、上海市分子诊断创新技术研究所CTC中心主任陈炳地通过医工交叉，提出一种非抗体依赖捕获、致力细胞病理鉴别的全新CTC检测技术——PETCEC技术。由于肿瘤细胞与正常细胞的糖代谢有所差异，可通过正电磁性纳米探针特异性识别负电的肿瘤细胞，而通过生物纳米技术设计的“伪生磁性纳米探针”具有靶向识别肿瘤细胞的作用，在捕获肿瘤细胞后可快速分离，具有优良的生物安全性。

医药医疗创新大会暨第七届上海AI大会现场图。主办方供图

陈炳地认为，未来肿瘤治疗将向肿瘤“智”疗转变。可以通过临床决策支持系统（CDS5）为医务人员临床诊疗提供多种帮助的计算机辅助信息系统，利用Al帮助医护做临床决策。同时，Al远程医生能够主动多轮询问患者多种信息，推断患者可能患有的疾病，开具检查单。

AI制药也面临着一系列挑战。“比如，如何找到和定义一个真实的、清晰的科学问题，以及问题成立后，我们是否有足够量的数据来进行清洗和分析，这考验着我们的计算资源。同时，在我们对一系列问题都预测建模后，是否具备一套良好的评估方法对成药效果进行分析……凡此种种，都是AI制药路上亟待解决的问题。”李勋说道。

《自然》（Nature）杂志不久前发表的一篇题为《人工智能加速药物发现的潜力需要现实检验》（AI’s potential to accelerate drug discovery needs a reality check）中说道：“药物发现过程涉及很多运气。即使人工智能确实减少了将化合物纳入临床前测试所需的时间和成本，大多数候选药物在后期阶段仍然会失败。任何能够加快这一进程的东西都代表着胜利，工业界和学术界必须利用彼此的优势来确定如何利用人工智能发挥最佳效果。” （详见澎湃科技报道《〈自然〉呼吁谨慎：人工智能加速药物研发的能力仍需现实检验》）

“药物创新应该受问题驱动，不应提倡技术驱动或数据驱动。”徐峻在大会上说道。