AI正在悄無聲息的融入人們的生活中，人機對弈、刷臉支付、輔助診療等等。面對突如其來的疫情，通過大數據處理、機器學習、深度學習等技術，借力AI融入新藥研發將有效縮短研發時間和降低研發成本。

據全球健康藥物研發中心主任、清華大學藥學院院長丁勝介紹，創新藥的研發從認知疾病發生原因、確定針對疾病的藥物靶點、實驗室發現新的分子或化合物開始，通過體外及動物體內實驗了解其安全性、毒性反應，以及在動物體內的代謝過程、作用部位和作用效果，再經過首次人體試驗，經歷Ⅰ期、Ⅱ期、Ⅲ期臨床試驗，證實安全有效及質量可控制之后，才可以獲批上市。

“整個研發過程往往需要10到15年時間，投入10億到15億美元，其中包括失敗的成本。”丁勝說。

“在從初步篩選的百萬個化合物和隨后的千百個逐級候選藥物優化中，最后可能只有一個能被選出來做成藥物。”北京大學前沿交叉學科研究院定量生物學中心研究員裴劍鋒說，新藥研發失敗率非常高，任何一步失敗都會導致最終失敗。

新藥研發有沒有捷徑？科研人員發現，AI技術可以為他們“分憂”。

“AI技術可以通過對現有化合物數據庫信息的整合和數據提取、機器學習，提取大量關于化合物不同屬性的關鍵信息。”丁勝說，這不僅避免了盲人摸象般的試錯路徑，還能大幅提高化合物篩選的成功率，最終降低研發成本和工作量。

“藥物研發的時間和經濟成本越來越高，而AI技術是有力突破點。”裴劍鋒說，有機構預測數據表明，人工智能的融合可為新藥研發節約近一半時間，每年節約化合物篩選成本和臨床試驗費用達數百億美元。

裴劍鋒認為，AI技術尤其是強人工智能的發展，有望解決藥物設計中挑戰性的難題。例如，隨著自然語言處理技術和AI文獻信息提取技術發展，未來AI能自動處理海量非結構化的專利、文獻數據，從中提取關鍵信息構建知識圖譜和認知圖譜，自動發現藥物靶點和藥物分子。

一批藥物研發初創公司和研發機構正在將AI技術的應用變為現實：北京英飛智藥科技有限公司將AI技術與資深藥物研發專家的經驗融合，開發出了藥物設計AI研發平臺“智藥大腦”；全球健康藥物研發中心打造了高通量、高精度人工智能藥物篩選計算平臺“人工智能藥物研發平臺”……

裴劍鋒認為，在AI深度參與和高性能計算能力支撐下，未來，機器學習和物理模型的有機結合將可能成為新的科研模式，引發醫藥甚至多個領域顛覆性的創新浪潮。