21世纪经济报道记者 闫硕 北京报道
随着AI技术的蓬勃发展，AI+制药被视为下一个黄金赛道。在日前三部门联合印发的《卫生健康行业人工智能应用场景参考指引》中，就明确指出AI可以赋能药物研发的全流程，包括智能药物研发、智能药物临床试验辅助、智能药品临床综合评价辅助。
海通国际指出，AI制药技术的应用有望缩短药物研发周期，降低成本，提高研发成功率。AI技术使得从药物设计到临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物研发领域的广阔前景和巨大潜力。
而在推动AI制药发展的过程中，数据是讨论多年的核心问题。“如果我是AI，你希望我对你有更大的帮助，你就要给我创造更多的标准化的数据。”晶泰科技联合创始人、CEO马健近日在一场论坛中表示，在未来5到10年内，希望更多的行业能够投入更多精力在数据生成方面。
标准化数据的重要性也有一组数据可以佐证，根据中商产业研究院发布的《2024-2029中国AI制药市场现状研究分析与发展前景预测报告》，全球700多家AI制药公司主要布局了6大环节：包括早期药物开发（392家）、数据处理（235家）、临床开发（149家）、端到端药物开发（83家）、临床前发展（57家）及药物再利用（26家）。
但数据的处理并非易事。多位业内专业人士均向21世纪经济报道记者指出，数据是目前制约AI制药发展的一大因素。
打造数字资产
在AI时代，企业将自身业务流程数字化是拥抱AI技术的关键一步，也是发展AI制药的重要基础。
百济神州高级副总裁、全球统计与数据科学部负责人郭翔表示，数字化不仅仅是电子化，两者之间存在巨大的差异。将业务流程迁移到云端的过程中，数据布点是一项极具挑战性的工作，需要对业务流程有深刻的理解，才能尽可能地复刻业务流程。一旦实现了数字化，整个业务将得到赋能。
对企业而言，AI的应用和自动化努力需要对数据进行整合，而这一过程非常痛苦。制药行业的一个特点是分工非常细密，即使是身处行业内部的人，也可能对不同部门之间的业务逻辑理解不深。
郭翔认为，许多大型企业，比如诺华，大约十年前曾提出要转型为数字公司，但他们的努力并没有达到预期效果。至少目前看来，由于分工过于细密，导致咨询公司和数字化专业公司在尝试对药企进行数字化转型时，对业务逻辑的理解非常困难。
另一方面，由于分工特别细，企业基本上使用单点系统，例如EDC和CTMS等，所有系统之间都是独立的。系统会自己产生数据，包括运营数据、管理数据，而现在企业需要形成自己的数据湖、数据仓库，需要将所有数据进行整合。在整合过程中，便会发现大量信息存在问题。
“一个项目的ID在不同系统中可能不同，员工完全根据自己的理解使用不同的标准，而且存在重复录入的情况，这对数据治理工作带来了很大的挑战。”郭翔举例道。
因此，企业需要具备自己的工程化能力。郭翔指出，我们不能再依赖外部公司来帮助我们建设数字化，而是要基于自己的业务理解来实现数字化。
以往企业静态地在小样本上进行分类、预测，今天企业需要拥抱工程化，例如药物供应方面，能否根据药物研发、招募的病人和其他国家的突发事件进行及时预测和调整，这种能力非常重要，而这就需要企业具备工程能力，需要对算法、工具进行及时调整。
其实不仅国内药企欠缺此方面的能力，跨国公司同样也很欠缺。以往各大企业都喜欢从市场上找一家公司做一个产品，使自身业务不得不适应该产品，便不能用工具很好地促进业务发展。
在数字化的过程中，所有的业务最终都会变成数据流。郭翔认为，在新药研发中，企业产生的都是数字，而且是广义的数字，不仅包括采集病人的数据，还包括数据管理部门制作的各种临床文件。目前看来，这些都有机会成为广义数字资产。
充分利用数据资源
当前，人类在病魔面前虽然开发了大量药物，但仍有70%的病症缺乏对症药物和治疗方案。根据美国FDA统计，在已知的约10000种疾病中，只有3000种有至少一种治疗药物，而剩下的7000余种疾病并无有效的治疗方案。
随着技术的发展，在制药领域，国外以Alphafold、AlphaProteo为代表的大模型正逐步赋能药物研发；国内以ADMETlab、inClinico为代表的大模型也已被应用于药物研发。
相较于传统药物研发，AI技术能将药物发现、临床前研究的时间缩短近40%，将临床新药研发的成功率从12%提高到约14%。
对于AI技术来说，数据、算法、算力是三大核心要素。其中，数据是训练模型的基础，高质量的数据能够提升模型的准确性。
据英矽智能大湾区负责人潘颖介绍，在数据方面，英矽智能更是通过双CEO的配备，使得团队之间合作更为紧密。其对数据的重视程度可见一斑。
“在制药领域，AI的应用是一个机会。与国外相比，过去我们在很多方面非常欠缺，本来就是一穷二白，所幸没有太多历史包袱，这给了我们机会，在同一赛道上进行起跑。我们药企中并不缺少数据科学家，无论是做模型、预测，还是分类，都不是问题。”郭翔说。
潘颖指出，中国有一个很好的优势，我们有很多优秀的科学家，有很多做实验尤其是临床之前的实验效率非常高，我们可以获取大量的数据。所以我相信结合全球领先的算法，再加上非常有效的数据，我们可以把这个行业做得更好。
需要指出的是，有业内人士向21世纪经济报道记者表示，数据的使用强调合规性。AI需要输入很多数据，无论是企业自建AI还是外部的AI，如何合法使用这些数据是需要解决的问题，同时也要避免敏感数据的泄露。
目前，全球已有多款AI研发药物进入临床，且最高进展已到临床三期，与此同时，有很多利用AI技术研发的药物进入临床后失败。尚无AI研发的药物成功上市。
俄罗斯工程院外籍院士、南方科技大学化学系讲席教授张绪穆指出，AI在起步阶段，一定能够帮助人类在科学发现上发挥巨大的作用，这是毋庸置疑的。但是人工智能还要和人的智能结合在一起，在制药领域，与长期训练的药化专家结合是最好的选择。许多传统的药厂要警惕，不能总是走老路，要早点拥抱AI，早点利用中国的AI模型，这将对未来的发展有所帮助。
本文链接：AI制药的数据之困，何解？http://www.sushuapos.com/show-9-21299-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。