AI在制藥行業的應用被看作是人工智能企業落地的一大出口，藥企也被認為是潛在的最大付費方。

曾統計過，從資金流入來看，今年截至7月份，新流入的“AI＋藥物”領域的資金超過6億美元，比去年全年還多，出現井噴式增長。國內外打上“AI＋新藥”標簽的公司已達100余家。

AI可以應用于藥物發現、臨床前研究、臨床試驗、合理用藥決策、藥物警戒、藥物重組發現等眾多領域。

9月26日，“2018人工智能＋藥企創新論壇”上，來自醫療健康相關專家學者、醫療健康創新企業、投資公司和醫療機構行業代表數位嘉賓分享了見解，共同探討了AI對于藥企、醫院的價值，以及如何解決突破AI應用的挑戰。

演講嘉賓Ross Rothmeier是美國Medidata公司的技術方案及創新實驗室副總裁。

他為大家帶來了一個新數據：2006年至2015年的10年間，常規方法進行新藥研發，從一期到二期的成功率是63％，從二期到三期是28．8％，55％可以進入新藥申請上市階段，但是即便進入了這個階段，也只有83．9％可以最終獲得批準。如果把這些百分比整合起來，會發現所有一期研究藥物只有8．4％能夠成功。

但是，如果借助AI在研發過程中對生物標志物進行選擇，能把上述各個階段的成功率大幅提升，分別達到76．7％、46．7％、76．5％、94．5％。這些百分比的組合，意味著一期研究藥物的成功率可以達到25．9％，超過了原來的3倍！

正是這種驚人的效果，藥企紛紛與AI公司聯手。

Medidata公司全球各地客戶超過1000家。在其軟件平臺上，進行著13000多項研究，380萬名患者可以提供寶貴數據。

在中國，Medidata幫助著870個臨床實驗研究，擁有146家客戶，其中包括海正藥業、復星醫藥、藥明康德等全國領先的制藥公司和合同研究組織（CRO）。

在國際上，制藥巨頭中 ，GSK、諾華、強生與AI公司Insilico medicine展開了合作，默克、Abbvie則是Atomwise和合作；阿斯利康、輝瑞、武田制藥等藥企也都和人工智能企業展開了合作。

擁抱AI，成為各環節剛需

人工智能的滲透將重塑每一個行業，在醫療領域也不例外，人工智能和深度學習可以大幅提高效率已經不再是炒作的噱頭，而是一種事實。目前AI的應用趨勢和模式也漸漸明晰，對各方的價值也開始凸顯。

在患者角度，人工智能能夠更好地解決他們的醫療需求，提供更好的醫療服務，受到了患者的歡迎。索聞博識聯合創始人范曉磊說道：“患者越來越接受通過基于大數據、人工智能的分析，給出診療決策和建議。通過新技術參與治療管理過程，患者接受程度越來越高。從現有數據來看，我們的患者對于新技術以及治療數據的發展是呈非常開放和包容的態度，這是令我們欣喜的結論。”

對于藥企，人工智能對于藥企最直接的助益就在于新藥研發。天士力醫藥集團產品整合研發IPD管理辦公室主任李云飛先生就AI在發現靶點上的作用說道：“人對疾病不斷的認識，技術的發展，治療的路徑，治療的手段在不斷的變化。發展的藥物越來越復雜，需要的技術越來越高端。信息學包括現在所謂的大數據以及AI，一定在未來會發揮作用，而且是發揮重要的作用。”

除此之外，李云飛也說道，人工智能除了作為新藥研發的工具，也可以作為再發現中藥價值的工具。例如網絡藥理學，就是綜合了藥物信息學、軟件信息、分子生物學、大數據、人工智能等技術的一種工具。它能夠在預測中藥靶點、辨別中藥活性成分群、闡明中藥的作用機制，解釋處方合理性和中藥處方規律，幫助找到新的適應癥。

除了藥企，人工智能同樣可以紓解醫院端的困境。在醫院端，不同層級的醫院有不同的需求，人工智能是解決問題的關鍵技術之一。對于二級醫院建設醫聯體，提升診療水平，更好地服務患者的需求。在大數據流動之后，人工智能和深度學習可以更好地復制上級醫院的臨床經驗、診療流程，賦能基層醫護人員。對于三甲醫院，大量醫生有著大量的科研需求，人工智能可以更好地利用真實世界數據。

數據問題依然是國內AI的先天不足

雖然AI有著廣闊的應用前景，但是AI想要實現落地應用需要大量標準化、結構化的數據進行“飼養”。其次，醫療健康服務中各方也需要轉變思維積極擁抱人工智能。

在數據方面，如果把人工智能分成算法、算力和數據三個維度，則現在行業主要的機會集中在數據及應用層面，競爭的核心在于數據的質量和數量。然而，對于中國醫療人工智能企業而言，市場中有大規模潛在的數據，但是卻無法被整理、利用起來。一方面，中國醫院內的數量龐大，但 75％以上是非結構化的，并不能發揮出“大數據”的價值。另一方面，無論是建模還是訓練機器，都離不開真實的臨床環境，中國大部分醫療人工智能產品缺少臨床環境。

范曉磊解釋到：“目前現有的大量數據都是不規范的，受醫生資歷、個人風格影響較大。其次是數據的缺失和淺表化，現在HIS系統大數據只記錄基礎的東西。分子大生物的檢測，基因檢測的數據，院外隨訪數據，這些針對科研關鍵的數據，在醫院系統里沒有被記錄。大量信息的缺失，導致這一部分的數據應用帶來很多的困境。雖然現在也有自然語言處理的技術，但是對這一部分的數據處理來講，在此之上的投入所得到的價值力度較低。”

來自浩悅資本的李逸石提出了“好”數據的標準：“我們認為高質量的數據首先存在于高質量醫院里面，應該是臨床專家的經驗，結合指南，循證醫學，包含我們更多更完整，更豐富維度的數據，并且以科研為目的產生高質量數據。過去做臨床研究，在里面累計的數據，數據級別比較高。”

技術可以追趕，但是觀念的轉變才是無形的壁壘。再鼎醫藥首席商務官梁怡就直言：“我們已經可以大致想象未來，5G技術和物聯網讓一切互聯互通。這樣對整個醫療行業的業務模式、生產，各個方面都將產生沖擊。物聯網未來將會是一個很大的變化。對所有行業來說，如果不懂物聯網，不懂軟的東西，只懂硬生產這樣的企業是要被淘汰的。尤其是現在的國內的落后的藥企。”

梁怡補充道：“當上市一個新產品的時候，藥企還是傳統的思路，就是跟醫生溝通，然后跟這個產品相配套的整個上下游環節，方方面面的生態環境不做任何的研發。研發不僅僅指產品的研發，研發也是對業務模式的研發，你的市場部也要做研發，這個在藥廠幾十年來沒有做過一次。”

人工智能作為一種節省大量人力，賦能醫療產業各環節的工具，在醫療健康產業各個產業都有體現。人工智能可以輔助解決醫院醫生資源緊缺的問題，為患者提供提供更精準、高效的服務。在藥企端，AI想要滿足藥企的研發需求，解決精準患者招募，首要的問題就在于產生大量的數據，在未來人工智能企業需要和大數據公司或者已經大量數據沉淀的藥企合作。想要實現精準化患者招募，也需要專業化的患者組織。

藥企已經無法離開人工智能，但如何過好數據這一關，是當務之急。