人工智能：大生意
人工智能（AI）行业处于数字技术的前沿，正在深刻变革商业模式。预计到2023年，该行业的价值将达到五千亿美元。然而，其进步往往引发两极分化的争论：人与机器的博弈。机器人会取代人类的工作并接管世界吗？
根据IDC的一份报告，2022年全球人工智能市场支出预计将同比增长19.6%，达到4328亿美元，并有望在2023年突破5000亿美元大关。IDC预计，人工智能服务将以22%的复合年增长率（CAGR）实现最快支出增长，而在所有受调查的人工智能软件中，人工智能平台将展现出最强劲的增长势头（复合年增长率为34.6%）。
人工智能药物研发流程
按照常规流程，从识别、验证、开发到获批临床使用，一种新药平均需要10至15年的时间。将新药推向市场面临多重挑战，其中最显著的是成本问题，平均研发成本估计为26亿美元，而获批率仅为12%。
人工智能重塑药物发现
在数字化转型方面，制药行业处于前沿研究的领先地位，充分利用人工智能药物设计带来的进步。人工智能能够识别命中化合物和先导化合物，快速验证药物靶点，并优化药物结构设计。
某些人工智能算法（如最近邻分类器、射频（RF）、极限学习机、支持向量机（SVM）和深度神经网络）被用于基于合成可行性的虚拟药物筛选，能够客观地预测目标分子的理化性质、生物活性和毒性。
人工智能药物设计可通过预测蛋白质的三维结构，在合成前提供有关化合物作用和安全性的关键信息，从而辅助基于结构的药物发现。人工智能方法还被用于精确预测配体与蛋白质的相互作用，最终确保更好的治疗效果。此外，利用人工智能预测药物与靶点的相互作用，也有助于药物重定位并避免多药理学问题，从而显著节省成本。
人工智能在分子从头设计中的应用具有显著优势，因为它能够提供在线学习并同时优化已学习的数据，还能建议化合物的合成路线，从而实现先导化合物的快速设计与开发。
最后，人工智能驱动的搜索解决方案在整个专利生态系统中发挥着重要作用，能够有效提升专利审查的效率和质量。它们可以执行并审查复杂的现有技术检索，从而让专利审查员腾出时间处理其他任务，并减少申请延误。
人与机器：和谐共处？
尽管人工智能在药物研发过程中有诸多应用，但其在药物发现中也存在局限性，人类的干预在这一过程中依然不可或缺。生成预测的质量在很大程度上取决于算法设计。此外，人工智能也存在算法偏见，算法仍需由科学家进行验证。虽然超级计算和高通量筛选的成本随时间推移有所下降，但目前依然十分高昂。
安斯泰来（Astellas）采用了这种方法，其实践证明，一种“人在回路”（HITL）方法可将从命中化合物到获得候选药物的时间缩短约70%。CAS评估了首批进入人体临床试验的三种人工智能设计候选药物的结构新颖性。首个候选药物DSP-1181由Exscientia于2020年初报告。此后，EXS21546和DSP-0038两种候选药物也紧随其后，随着Exscientia、Insilico Medicine和Schrödinger等多家公司正在对潜在候选药物进行临床前研究和新药临床试验申请（IND）准备工作，还有更多药物正迅速向这一里程碑迈进。
人工智能药物研发在优化治疗方案发现方面的优势毋庸置疑：当人工智能与创新科学思维相结合时，能够有效推动技术边界的拓展。欲了解更多相关内容，请阅读我们的 CAS 洞察报告，深入探索人工智能与化学领域的现状。
