AI是否可以提升新药研发的效率？

新冠疫情冲击下，新药研发的进度受到了众多人的关注。我们如何才能提升新药研发的效率？也许人工智能可以？

一个残酷的事实是，我们已研发出的药物，与现存的疾病数目相比，可谓是九牛一毛，有许多疾病至今无药可治，而新的疾病、病毒又层出不穷，比如我们正在经历的新型冠状病毒肺炎。

传统的新药研发过程是怎样的？它有两个特点：第一，周期特别长；第二，体系非常复杂。

一个药物的发现，首先需要在生物学上确定可能产生疾病的原因，然后到各种可能的分子当中去寻找，找到合适的药物，最后在医学上临床测试。

前后平均下来，可能要花超过10年时间，总体的投入会超过10亿美元，但成功率可能还不到10%。

传统药物的研发过程

回到现在现状本身，我们不得不充满敬畏地说，生物是一个非常复杂的体系。现在的人工智能很难单枪匹马完成整个新药发现的历程，我们更多认为人工智能，是在帮助我们更好地理解自己。

人工智能比传统的方法更有优势的地方是利用机器学习、人工智能的方法，能够在在非常早期，对未来将会成为药物的这些分子同时进行相对全面的判断，我们能提前筛掉后续实验会失败的分子。

也就是说人工智能用在新药发现上，有希望能极大地提高现在的发现效率和现在的成功率，我们可能有希望说，把现在需要三到四年才能完成的新药发现的前期过程，缩短到一年的时间就可以做完。

在整个新药发现的过程中，人工智能技术已和药物化学家一起合作，来让人类可以去发现更好的药物。

当然，在所有的药物发现创新过程中，计算只是一方面。我们可以看到还有其它大量的创新：机器人自动化的实验方法、基因检测技术和化合物筛选的结合、大规模的分子库的筛选方法，其实都在蓬勃的发展中。

2019年美国FDA一共批准了48款新药，其中有20个是全新意义上的新药。

在药物创新这一块，大家都在努力，但是远远不够。在人工智能帮助我们发现新药的路径上，我们可能还是会面临很多挑战，比如如何把各个药企的数据结合到一起，利用更多高质量数据去做出更好的模型。

更重大的挑战是，当面临这样一个跨学科的复杂问题，在人工智能新药发现这个话题下面，我们会汇聚化学、生物、计算机、数学、统计等多个学科的人才，这些人怎么样才能够站到一起，彼此对话，彼此理解，而不是坚持己见，保有原来固有的思维方式。这个可能是我们需要解决的最大的困难。