《我不是藥神》在今夏的火爆，恐怕反應(yīng)出了很多人的心聲：看病已然不易，買藥更加艱難。

為什么藥價這么貴?

圖片版權(quán)所屬：獵馬網(wǎng)

新藥研發(fā)成本非常高，就是其中一個重要原因。業(yè)內(nèi)有種說法，新藥研究需要 “兩個十”：用十年，花十億美金。如果再把失敗嘗試的成本也算進去，每種藥物研發(fā)費用更是達到 27 億美元。

但就算花了這 “兩個十”，也無法保證研發(fā)一定成功 —— 藥物研發(fā)的成功率并不高?！蹲匀弧冯s志撰文稱，從臨床 I 期到獲得審批的這段時間里，高達 90% 的項目以失敗告終。

高投入、高風(fēng)險，往往伴隨著高回報。一旦新藥過關(guān)斬將、成功上市，經(jīng)濟回報往往相當(dāng)驚人，這也是資本、特別是硅谷一些諸如 Andreessen Horowitz、Khosla Ventures 等頂級 VC 比較青睞醫(yī)藥的原因。比如輝瑞制藥旗下受專利保護的降血脂藥物立普妥(Lipitor)，僅 2010 年一年的全球銷售額，就高達 107.33 億美元，在輝瑞當(dāng)年所有藥品里取得最高營收，而當(dāng)年廣為人知的輝瑞小藍片 “偉哥” 僅以 19.28 的營收屈居第六?？磥斫笛椭卣裥埏L(fēng)相比，前者才是更剛的剛需。

可以說，巨大的經(jīng)濟回報既是藥企研發(fā)新藥的動力、也是新藥價格昂貴的原因，更是有些市場小、規(guī)模有限的罕見病無藥可醫(yī)的部分原因。

新藥研究道阻且長，因此，許多大型藥廠和科研機構(gòu)都在找用 AI 來提高效率、提高成功率的辦法。與 AI和醫(yī)療結(jié)合的其他領(lǐng)域比，新藥研發(fā)領(lǐng)域雖然潛力巨大，但也面臨不少挑戰(zhàn)。

在討論 AI 如何加速新藥研發(fā)之前，我們先來看看一款藥是如何 “誕生” 的。

新藥開發(fā)，萬里挑一

一款藥到底安不安全?有沒有效?如何確定劑量?新藥研發(fā)的所有流程和步驟，其實就是為了回答這三個問題。

以常見的小分子化合物藥(比如青霉素)為例，新藥開發(fā)可以分為：臨床前研究、臨床研究，藥物批準(zhǔn)上市及上市后監(jiān)測這三個大步驟。

(圖自硅谷密探，版權(quán)屬于原作者)

用大白話說，“臨床前研究” 階段，就是尋找藥里可以治病的化合物的階段。具體可以細分為藥物靶點確認、化合物合成、活性化合物的篩選、選定先導(dǎo)化合物、評估藥物的藥理作用、制劑開發(fā)等階段。在這些小步驟中，藥物靶點確認是一切后續(xù)工作的基礎(chǔ)，而從 “化合物合成” 到 “選定先導(dǎo)化合物”，為了找到安全、有效的化合物，往往需要反復(fù)很多次。

這個階段也是化合物的 “海選” 階段，最開始的大幾千、甚至 10000 個化合物，經(jīng)過層層篩選和驗證后，只有 5 ~ 10 個化合物可以進入臨床試驗階段。

在臨床研究階段，還要進一步分為 I 期、II 期、III 期臨床試驗。如果說 “臨床前研究” 階段，基本回答了安不安全、有沒有效的問題，這個階段則要證明發(fā)生在人身上的實際結(jié)果，和理論結(jié)果是相吻合的。同時，劑量多少也在此階段確定。

在臨床 III 期，不僅試用藥物的志愿者人數(shù)更多，同時也是治療作用的確認階段。接下來藥品注冊申請能否獲得批準(zhǔn)，臨床 III 期提供的依據(jù)往往是關(guān)鍵。

如果在新聞里看到某款新藥已經(jīng)在 III 期臨床階段，往往意味著該款新藥上架可期。不過如果臨床研究階段里的任何一個小階段效果不好、或者不如市場上現(xiàn)有藥物好，那款新藥往往會胎死腹中。2017 年，美國 FDA 一共只批準(zhǔn)了 46 款新藥，可見批準(zhǔn)難度之高。

經(jīng)過臨床研究洗禮后，依然被認為有效的最后一種化合物，在獲得相關(guān)部門批準(zhǔn)后，才會上市變成一款新藥。上市后的后續(xù)監(jiān)測，則要確保該款新藥首次被大范圍人群應(yīng)用后的療效，此外還要進行不良反應(yīng)的監(jiān)測。我們看到藥物說明書里的增補、禁忌，和不良反應(yīng)(比如：大多數(shù)人吃了這個藥會怎樣怎樣，少數(shù)會有某種反應(yīng)，如發(fā)生某種情況則需要就醫(yī))，就是這一步的體現(xiàn)。

至少十年、至少十億美元，萬里挑一，才可能有一種新藥。而目前的 AI 技術(shù)，則主要集中于解決 “新候選藥物的生成(generate novel drug candidates)” 這個問題。

新候選藥物的生成：最受資本青睞

過去十幾年大數(shù)據(jù)集的可用性和先進算法的發(fā)展，推動了機器學(xué)習(xí)的重大改進，這使得實現(xiàn)狹義 AI 成為可能。“狹義 AI” 指的就是專注于特定任務(wù)、特定場景的 AI。換句話說，目前的 AI 只有在醫(yī)療、車載等特定場景下，才能努力像人一樣思考。

想要思考，總得先聽懂人家在講什么吧!近兩年很火熱的自然語言處理(Natural Language Processing)，指的就是機器能夠用和我們?nèi)祟愊嗨频姆绞嚼斫馕谋尽⒄页鲆?guī)律，明白一個東西在講什么。這種技術(shù)在計算機視覺(computer vision)、語音分析和路線選擇領(lǐng)域已經(jīng)得到了廣泛應(yīng)用。

藥物研發(fā)領(lǐng)域也不例外。一方面，AI 具有 “從大量數(shù)據(jù)中找出隱藏的規(guī)律和線索” 的能力，另一方面，藥物研發(fā)恰恰需要處理大量數(shù)據(jù)文獻、進行大量試錯，讓新藥研發(fā)耗時耗力耗錢。兩者正好契合，也就不難理解為什么近幾年 “AI+藥物研發(fā)” 的初創(chuàng)公司大量出現(xiàn)。

以 Crunchbase 上的數(shù)據(jù)為準(zhǔn)，小探整理的 115 家 AI+新藥研發(fā)領(lǐng)域的公司里，有 40% 成立于 2014 到 2017 年間。

【來源：獵馬網(wǎng)】