在中文科技媒體的世界里，日本的人工智能產(chǎn)業(yè)就像是“薛定諤的AI”，有時候它是值得學習的好榜樣，有時候又會被拎出來吊打。

確實，日本在這兩年的全球人工智能熱中，似乎并沒什么多少存在感，以至于看起來像一個“沒落的發(fā)達國家”，甚至“遠遠落后于中美”。

那么，日本是真的在人工智能領(lǐng)域無所作為了嗎?

并不盡然。其實，當中國還在為ABCD(人工智能、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng))這些新概念搞得暈頭轉(zhuǎn)向之際，日本也在科技創(chuàng)新悶聲發(fā)大財。比如2016年，日本NEC公司就將AI引入了新藥研發(fā)，短時間、低成本地發(fā)現(xiàn)了一種可以治療肝癌和食管癌的疫苗。而中國的創(chuàng)新藥物，目前還停留在提取中藥有效成分優(yōu)化合成的思路，還有部分屬于仿制藥。

這么說并不是在妄自菲薄，而是希望思考這樣一個問題，既然中國在AI技術(shù)上并不遜色，是不是也能利用人工智能，為制藥產(chǎn)業(yè)另辟蹊徑呢?

why who & how

其實利用機器來開發(fā)新藥，也并不是什么新生事物。早在1981年，美國《財富》雜志就對計算機輔助的藥物發(fā)現(xiàn)進行了專題報道。到了2000年，利用機器人進行“高通量篩選”已經(jīng)被用來快速測試數(shù)百萬種化合物。

可惜的是，過去二十多年的計算機、大數(shù)據(jù)等基礎(chǔ)條件都不夠成熟，并未能真正解決研發(fā)流程的低效問題，因此進展緩慢。

不過，現(xiàn)在人類世界早已擁有了足夠的算力，包括商業(yè)云服務(wù)，并且擁有大量數(shù)據(jù)來訓練算法模型。那么這次，AI能取代計算機在新藥研發(fā)領(lǐng)域大展拳腳嗎?

我們不妨從日本AI制藥的故事說起。

首先來回答幾個問題：用AI研發(fā)新藥這件事，為什么做?誰來做?怎么做?

首先，對于任何國家的醫(yī)藥企業(yè)而言，新藥研發(fā)都是一項不菲的支出。據(jù)日本制藥工業(yè)協(xié)會統(tǒng)計，目前每種新藥研發(fā)大約需要10年時間，所耗經(jīng)費高達1200億日元。即便如此，成功率只有2萬至3萬分之一。而人工智能則能把新藥的研發(fā)周期縮短一半甚至三分之二，而費用則有望減半。

加上日本老齡化不斷加重，醫(yī)療需求大增，在這樣的大環(huán)境下，依靠人工智能來驅(qū)動醫(yī)藥產(chǎn)業(yè)轉(zhuǎn)型，加快更有效的新藥問世，就成了絕對的“政治正確”。

那么，由誰來做呢?2016年，日本政府就打造了一個研究聯(lián)盟，幫助國內(nèi)公司和機構(gòu)使用日本K超級計算機，來提高藥物發(fā)現(xiàn)效率，日本70家制藥廠商和IT相關(guān)企業(yè)都參與其中。

其中就包括了Takeda、Fujitsu、NEC、京都大學醫(yī)院、日本理化學研究所，以及提供臨床資料的日本國家研究發(fā)展研究所等種種“產(chǎn)學研”協(xié)同作戰(zhàn)的關(guān)鍵機構(gòu)。

AI是如何工作的呢?

目前看來，AI可以在新藥研發(fā)的鏈條上全面做功。從鎖定致病的蛋白質(zhì)、篩選有效的藥物成分、評估藥物成分的安全性、到臨床實驗確定藥效，這些環(huán)節(jié)都可以由AI來參與。

日本眼藥巨頭Santen就與科技公司twoXAR合作，利用AI技術(shù)來確定針對青光眼(glaucoma)的候選藥物。有了更少、更精確的搜索范圍，研究人員可以節(jié)省數(shù)百萬，甚至數(shù)十億。

NEC公司的人工智能系統(tǒng)“NEC the WISE”，就將機器學習與醫(yī)學實驗結(jié)合起來，創(chuàng)造了“免疫功能預(yù)測技術(shù)”，能夠在短時間內(nèi)發(fā)現(xiàn)潛在疫苗肽。2014年，NEC就利用這項技術(shù)發(fā)現(xiàn)了一種有望治療肝癌和食管癌的疫苗，并且符合日本人的遺傳特征。

總之，在利用AI研發(fā)新藥這件事上，日本人真的是在“一生懸命”地努力了。

打頭陣的為什么是日本

人工智能可以省下數(shù)億美元的科研經(jīng)費，也能省下數(shù)千個不必要的工作日。在今天醫(yī)藥行業(yè)，處處都能聽到類似的聲音。

那么，打頭陣的為何會是在我們眼中“沒落的技術(shù)貴族”日本呢?

這還真的不是我們不努力，而是日本在AI與新藥研發(fā)的結(jié)合上，有著先天優(yōu)勢：

1. 不創(chuàng)新就等死的市場環(huán)境。

在日本，制藥產(chǎn)業(yè)想要取得高回報、高估值，需要非常漂亮的利潤率來支撐。做低成本、沒定價權(quán)的仿制藥，只能拼成本，顯然不可能有很高的利潤。這就使得企業(yè)更愿意將精力和資金投注在療效更優(yōu)、更有溢價能力的創(chuàng)新藥上。

目前日本大企業(yè)的研發(fā)投入基本都在營收的20%左右。武田、鹽野義制藥、第一三共和安斯泰來等，每年投入數(shù)十億美元進行研發(fā)，這就為新技術(shù)的引入奠定了堅實的產(chǎn)業(yè)根基。

2. 高度信息化的產(chǎn)業(yè)環(huán)境。

我們知道，應(yīng)用人工智能的前提是有足夠龐大的數(shù)據(jù)集進行訓練。早在2001 年，日本就推出了“e- Japan(電子日本戰(zhàn)略)”，通過網(wǎng)絡(luò)信息技術(shù)實現(xiàn)了醫(yī)療保健服務(wù)的全面數(shù)字化。這就使得醫(yī)療機構(gòu)間的信息得以流通和共享，從而促進數(shù)據(jù)的分析利用。

到了AI時代，日本國家信息學研究所NII還構(gòu)建了一個 “大數(shù)據(jù)云平臺”，利用基于人工智能來分析醫(yī)學成像數(shù)據(jù)。

總之，公共的數(shù)據(jù)量不斷增加，以及制藥公司越來越愿意分享他們的數(shù)據(jù)，才能讓AI有東西可挖。

3. 學術(shù)上的強勢助攻。

日本AI制藥還有一個很好的基礎(chǔ)，就是從90年代開始，日本東京大學、早稻田大學等20多所大學，都已經(jīng)設(shè)立了人工智能專業(yè)。

人才成為日本在人工智能制藥領(lǐng)域保持競爭力的關(guān)鍵。比如東京大學醫(yī)學研究所就在宮野聰教授的指導下，使用AI系統(tǒng)為每個病人尋找最佳的癌癥藥物組合。在慶應(yīng)大學，黑田大一教授領(lǐng)導的小組也已經(jīng)開發(fā)出一種能夠檢測尿液中肺癌的人工智能，準確率高達為90%。

要知道，數(shù)字化的人才很難由制藥產(chǎn)業(yè)當中自己培養(yǎng)出來，而從大學校園里萌生的人工智能研究，使得日本制藥產(chǎn)業(yè)萌生利用AI的念頭之后，能獲取源源不斷的人才輸出，讓產(chǎn)業(yè)融合成為可能。

AI盛世之下的骨感現(xiàn)實

不過真想要讓AI照亮新藥研發(fā)的殘酷世界，也并沒有那么容易。

實際上，日本也遇到了很多行業(yè)通用的難題：

首先，數(shù)據(jù)過剩與算法不足。制藥企業(yè)需要集成大量數(shù)據(jù)來使程序具有更高的預(yù)測能力，還需要組合應(yīng)用NLP來對生物特征做分析判斷，從中發(fā)現(xiàn)化合物之間潛在的關(guān)聯(lián)。但是，目前并沒有太多優(yōu)秀的算法和技術(shù)解決方案可供選擇。

其次，數(shù)據(jù)質(zhì)量參差不齊。由于過去的醫(yī)療技術(shù)相對落后，采集的醫(yī)療數(shù)據(jù)難免會存在一定錯誤。如果將錯誤數(shù)據(jù)引入AI學習的數(shù)據(jù)庫，顯然會給AI學習帶來困擾。如何保證數(shù)據(jù)庫的質(zhì)量標準化，目前還是一個尚未被攻克的問題。

而最重要的是，即便是AI，也難以解決研發(fā)過程中的不確定性。人體本身的復雜性，決定了在研發(fā)的眾多關(guān)鍵環(huán)節(jié)，研發(fā)人員自己也無法說明白要用AI實現(xiàn)什么樣的功能來達到何種目的。結(jié)果就是，目前的藥物發(fā)現(xiàn)范式核心還是依賴于研究人員本身的創(chuàng)造性，新藥物發(fā)現(xiàn)的時間沒有縮短，成本也沒有變得更低。但AI又是真金白銀的投入，藥企只能負重前行。

盡管利用AI研發(fā)新藥困難重重，至少日本已經(jīng)表達出了強烈的意愿和執(zhí)行力，在人工智能時代為自己爭取了更多的主動權(quán)和可能性。

不該忽視，不能忽視：中國醫(yī)藥的AI未來

長期以來，新藥研發(fā)都是困擾中國制藥產(chǎn)業(yè)的老大難問題。那么，人工智能的到來，會不會讓傳統(tǒng)制藥產(chǎn)業(yè)出現(xiàn)新的變數(shù)呢?

我們認為是完全有可能的。

一方面，是人工智能改變了新藥研發(fā)的路線圖。

中國藥企的很多藥品配方都是從傳統(tǒng)中醫(yī)藥中借鑒提煉二來的，大多以復方藥為主。如果能把每個成分研究的很透徹，那么一個復方藥就可以開發(fā)出很多單方特效藥。比如屠呦呦發(fā)現(xiàn)的青蒿素治療瘧疾的可能性。

然而很多中國醫(yī)藥企業(yè)并不具備對復方藥進行精細化研究的能力，只能靠大全方集體做功，這就導致很多可能有效的成分難以被二次開發(fā)。

但是，利用人工智能來識別那些有潛力作為藥物標靶的成分，就讓事情變得簡單多了。

目前，已經(jīng)有一些新的算法模型被創(chuàng)造出來，通過深度神經(jīng)網(wǎng)絡(luò)，對藥物分子的關(guān)鍵特性進行有效預(yù)測，大大推進研究進程。

另一方面，人工智能也正在改變醫(yī)藥產(chǎn)業(yè)的經(jīng)營模式。

目前行業(yè)已經(jīng)達成共識，隨著AI被證明比以前的研究方法(ADME、動物毒素、臨床安全性等)都要有效，那么它將取代傳統(tǒng)優(yōu)勢，成為醫(yī)藥企業(yè)的新賽點。很有可能，未來沒有被AI模型跑過的藥物都沒法進入臨床實驗。

新的算法應(yīng)用，為新藥研發(fā)提供更豐富的解決方案的同時，也令長久以來嚴絲合縫的醫(yī)藥商業(yè)模式出現(xiàn)了裂縫。

比如醫(yī)藥公司能不能賣算法來撬動新的商業(yè)價值?

這真不是在異想天開。目前中國的AI醫(yī)藥研發(fā)公司晶泰科技，就已經(jīng)與世界頂級藥企輝瑞制藥(PfizerInc.)就AI藥物算法展開合作。

都說“最新的畫布才能畫出最美的圖畫”，這么看起來，在AI技術(shù)上超越日本的中國，似乎還真有可能在制藥領(lǐng)域 “彎道超車”?

先別急著興奮。若是貿(mào)然上馬AI，很有可能超車沒成功先“翻車”了。

別說AI需要很大的技術(shù)和資金投入，企業(yè)能不能等到摘桃子的那一天都難說，就是高質(zhì)量的醫(yī)療數(shù)據(jù)，都已經(jīng)夠讓制藥企業(yè)頭疼的了。

高質(zhì)量的醫(yī)療數(shù)據(jù)和深度挖掘，一定是建立在廣泛而深度的醫(yī)療物聯(lián)網(wǎng)基礎(chǔ)上的。加速醫(yī)療企業(yè)的數(shù)字化，包括對個人的個性化健康數(shù)據(jù)的采集，才能讓生物制藥、精準醫(yī)療成為可能。

而更重要的，還是意識上的轉(zhuǎn)變。無論AI和制藥，都不是可以單打獨斗的游戲。什么時候各大藥企意識到大多數(shù)情況下不是在直接競爭，甚至需要為了未來協(xié)同合作，才能形成真正意義上的研發(fā)合作，打破數(shù)據(jù)壟斷，通過信息共享為新藥研發(fā)注入真實的技術(shù)力量。

除此之外，資本和巨頭的助推也能讓藥企的探索之路走得更加順暢。

目前，醫(yī)療已經(jīng)成為國內(nèi)AI創(chuàng)投最火熱的方向之一。僅在新藥發(fā)現(xiàn)領(lǐng)域，就有晶泰科技、深度智耀、智藥科技、億藥科技等公司陸續(xù)拿到了風投。在產(chǎn)業(yè)端，騰訊也將藥物發(fā)現(xiàn)融入了自己最新的醫(yī)療超級大腦之中，為藥企提供技術(shù)支持。

總而言之，友鄰日本，不僅在地域和風土上和我們極為相似，也一樣深具憂患意識。

他們像忍者一樣，看似八風不動韜光養(yǎng)晦，卻正在核心力量的推動下經(jīng)歷一場幾十年來最徹底的醫(yī)藥技術(shù)革命。

或許用達爾文的一句話來形容它更為貼切：自然界生存下來的物種，不是四肢最強壯的，也不是頭腦最聰明的，而是有能力適應(yīng)變化的。

相比日本的低調(diào)，中國AI產(chǎn)業(yè)鮮花著錦一般的熱鬧背后，片面化的認知幻覺或許會麻痹我們的神經(jīng)。不斷對技術(shù)保持敏銳和饑渴的能力，才能真正將技術(shù)的甘霖化為豐收。