如何正确理解人工智能对医药产业的价值？

信息来源：网络

　　“如今的医生每天30~40%的时间花费在记录病历上…”

“它就像一个基于机器学习的罗盘，指引药物开发过程中的每一步”

“你越能构建强大数据驱动的临床终点来确定患者是否对治疗产生应答，就越能给临床试验赋能”

“即使机器学习已经能够提供极大的价值，当人们发现过度炒作的承诺无法被实现仍然会对这一领域造成伤害”

……

内容概要

1. 从发现靶标，找到化合物，到确定最可能受益的患者群体，设定临床试验标准，招募临床试验受试者，再到追踪他们的疾病进展，以及在现实应用时决定给哪些患者开药，数据科技可以应用到新药研发过程中的许多不同环节。

2. 考虑到医疗健康产业的规模，即便是5%-20%的效率提升，都足以带来巨大的变化。

3. 目前的人工智能领域尚处于发展的早期，产业对此需要有正确的期待。想要实现它的潜力还需要很多年的时间，之前的过度炒作不但不会促进，反而会阻碍这一领域的发展。

在近期结束的“2022药明康德（603259）健康产业论坛”上，来自投资机构、医疗系统、新锐公司的四位行业领袖，就当前人工智能（AI）、机器学习（ML）等前沿科技对医疗健康领域的影响展开了热烈讨论，并指出前沿科技在变革已有护理，促进新药开发和临床试验方面的多重机遇。

人工智能近年来成为生物医药产业关注的热点，与会专家表示，假以时日，人工智能可能影响到医疗健康领域的方方面面，insitro首席执行官Daphne Koller博士认为，机器学习和AI工具对产业链的影响好比计算机对产业链的影响，涉及所有领域。具体来看，人工智能的影响可以体现在下面几个方面。

革新临床护理

目前的医疗健康系统中仍然存在不少影响医疗效率的因素。比如，美国克利夫兰诊所首席数字官Rohit Chandra博士表示，如今的医生每天30-40%的时间花费在记录病历上，这意味着他们不能把这些时间用来诊治病患。在医疗资源有限的情况下，意味着不少需要救治的患者得不到治疗。

而人工智能可以帮助减少医生在一些重复性工作上花费的时间，让他们将更多的时间投入到诊治患者中去。Chandra博士还指出，智能的算法，可能通过分析患者的症状，发现最需要救治的患者，并将他们与合适的医生进行匹配，让他们有望获得最好的治疗。“我们每天要看护25000到30000名患者，（人工智能）能让我们更公平地为更多患者服务。在我们的规模层面，5%，10%，20%的效率提升可以带来重大影响。”

人工智能在改良已有医疗护理方面的另一个作用是帮助将精准医疗与诊断连接起来。精准医疗已经成为新药开发的一个重要模式和趋势。伴随诊断的产生帮助医生发现适合精准药物治疗的患者，给他们开出正确的处方。Andreessen Horowitz普通合伙人Vineeta Agarwala博士表示，她认为伴随诊断的理念值得在医疗健康整个领域推广。未来的数字化诊断、或者将患者与疗法匹配的创新技术，是衔接精准药物的新药开发和在医护环境中实现精准治疗的桥梁。

促进新药的发现和开发

新药开发是一个耗时耗力的漫长过程。Koller博士表示，很多时候我们很难确定哪条道路能够通往成功。在她看来，数据科技可以用在新药开发的每个步骤中，从发现靶标、找到化合物、到确定最可能受益的患者群体，追踪他们的疾病进展。以至于最终在现实应用时给哪些患者开药。“它就像一个基于机器学习的罗盘，指引药物开发过程中的每一步。数据科技让我们能够以更好的几率，更快地找到哪条路是正确的。” Koller博士说。

临床试验是新药开发中一个尤其耗时耗力的环节，数据科技可以在多个方面促进临床试验的设计和进行。Agarwala博士表示，基于数据和人工智能构建的患者招募标准可能比目前临床试验的招募标准更为广泛，让临床试验能够入组更为多样化的患者。重要的是这些标准得到数据的支持，让我们有信心在大型临床试验中使用它们。

Koller博士则指出，在更有效地基于数据入组患者之外，改良临床试验的终点也是人工智能大有可为的地方。比如，利用机器学习分析患者的组织学数据而构建的临床试验终点，可能比传统的临床终点更为细化，更好地预测患者对在研药物的反应。在神经科学适应症中，患者的应答本身就带有主观性，在这些领域，数据更为重要。“你越能构建强大数据驱动的临床终点来确定患者是否对治疗产生应答，就越能给临床试验赋能。” Koller博士说。

实现潜力仍然需要时间

与会嘉宾也指出，对人工智能需要有正确的期待，过度炒作不但不会促进，反而会阻碍这一领域的发展。Agarwala博士表示，阻碍这一领域前进的一个原因是有些人会宣称可以单纯依靠机器学习开发出新药。这种话不但难于理解和分析，而且会让很多人产生怀疑。已经经历过AI领域起起落落的Koller博士指出，即使机器学习已经能够提供极大的价值，当人们发现过度炒作的承诺无法被实现，仍然会对这一领域造成伤害。

当谷歌风投（GV）投资合伙人Ben Robbins博士提出人工智能的应用处于炒作循环的哪个阶段的问题时，Koller博士直言就人工智能在药物发现和开发方面的应用来说，她认为我们仍处于炒作循环的前期，这也是让她担忧的事。

“机器学习可以为药物开发过程做出越来越显著的贡献，然而这需要许多年的努力。它需要多个机器学习模块之间的合作，以及人类帮助设计实验、产生数据、解释机器学习的结果…”Koller博士说。人工智能与科研人员的通力合作，是产生新变革的关键。

免责声明

本文来源为其他媒体的内容转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。