从历史上看，制药行业适应变化的步伐很慢，监管方面的障碍很大，新技术正试图在制药行业掀起波澜，人们对此普遍持怀疑态度。

在过去的几年中，制药行业的数据数字化急剧增长。然而，这种数字化在获取，审查和应用该知识来解决复杂临床问题等方面也带来了挑战。这一趋势激发了人工智能（AI）的使用，因为AI可以通过增强的自动化功能来处理大量数据。

2020年的GlobalData调查预测，AI将在2021年成为影响医学的最流行技术形式，并发现90％的大型制药公司在2020年启动了AI项目-包括全球前十大制药商。

AI正在全面应用于医药行业各个子领域，尤其是新药开发方面。

01药品生命周期

AI最近已开始在制药行业各个领域得以广泛应用，例如，药物发现与开发，药物再利用，提高药物生产率，临床试验等，从而减少了人类的工作量并在短时间内实现了目标。

AI参与到了从基础研究到临床应用的药物产品开发中：AI可以帮助合理的药物设计；协助决策；为患者确定正确的疗法，包括个性化药物；并管理产生的临床数据，并将其用于未来的药物开发。Al可以根据竞争对手，主要利益相关者和当前所占市场份额创建分析路线图，以预测药品销售的主要驱动力，从而帮助市场营销主管分配资源以实现最大的市场份额收益，扭转不良的销售状况，使其能够预测在何处进行投资。

图1 AI在制药行业不同子领域的应用，从药物发现到药品管理

02药物发现

Al可以有效地应用于药物发现的不同部分，包括药物设计、化学合成、药物筛选、综合药理学和药物再利用。

图2 AI在药物发现中的作用

>1060个分子的广阔化学空间促进了众多药物分子的发展。但是，缺乏先进技术限制了药物开发过程，这使其成为一项既耗时又昂贵的任务，可以通过使用AI来解决。Al可以识别命中和先导化合物，并提供对药物靶标的更快验证和药物结构设计的优化。

虚拟化学空间是巨大的，并通过说明分子的分布及其特性来建议分子的地理图。化学空间图示背后的想法是收集有关空间内分子的位置信息以搜索生物活性化合物，因此虚拟筛选（VS）有助于选择合适的分子以进行进一步测试。推荐几个化学空间是开放访问网站：PubChem，ChemBank，DrugBank和ChemDB。

由于Al在药物发现应用广泛，参与度不同，下面仅简单举例说明：

理化性质的预测

药物的溶解度，分配系数（logP），电离度和固有渗透性等物理化学性质会间接影响其药代动力学性质及其靶受体家族，因此在设计新药时必须考虑这些因素。基于AI的不同工具可用于预测理化特性。例如，ML使用在先前进行的化合物优化过程中产生的大型数据集来训练程序。用于药物设计的算法包括分子描述符，例如SMILES字符串，势能测量，分子周围电子密度以及3D中原子坐标，以通过DNN生成可行分子，从而预测其性质。

生物活性预测

药物分子的功效取决于它们对靶蛋白或受体的亲和力。对目标蛋白质没有任何相互作用或亲和力的药物分子将无法传递治疗反应。在某些情况下，发达的药物分子也可能与意外的蛋白质或受体相互作用，从而导致毒性。因此，药物靶标结合亲和力（DTBA）对于预测药物-靶标相互作用至关重要。基于AI的方法可以通过考虑药物及其靶标的特征或相似性来测量药物的结合亲和力。基于特征的相互作用可识别药物的化学部分和靶标的化学部分，从而确定特征向量。相比之下，在基于相似度的相互作用中，考虑了药物与靶标之间的相似性，并假设相似的药物将与相同的靶标相互作用。

毒性预测

任何药物分子的毒性预测对于避免毒性作用都是至关重要的。基于细胞的体外测定通常被用作初步研究，随后进行动物研究以鉴定化合物的毒性，从而增加了药物发现的费用。有几种基于Web的工具，例如LimTox，pkCSM，admetSAR和Toxtree，可帮助降低成本。基于AI的高级方法可在化合物之间寻找相似之处，或根据输入特征预测化合物的毒性。表1列出了用于药物发现的不同AI工具。

靶蛋白结构的预测

在开发药物分子时，必须为成功的治疗分配正确的靶标。许多蛋白质与疾病的发展有关，在某些情况下，它们过度表达。因此，对于疾病的选择性靶向，预测靶蛋白的结构以设计药物分子至关重要。AI可以通过预测3D蛋白质结构来帮助基于结构的药物发现，因为设计是根据目标蛋白质位点的化学环境来进行的，因此有助于在合成前预测化合物对目标物的影响以及安全性方面的考虑或生产。基于DNN的AI工具AlphaFold被用于分析相邻氨基酸之间的距离和相应的肽键角度以预测3D靶蛋白结构，并通过正确地预测43种结构中的25种获得了优异的结果

03医药市场

多家制药公司已经并且将继续投资于AI，并已与AI公司合作开发必要的医疗保健工具。Google的子公司DeepMind Technologies与Royal Free London NHS Foundation Trust在协助急性肾损伤方面的合作就是一个例子。

主要的制药公司和AI参与者详见图3。

图3 制药公司参与AI

不过，Al并不能完全替代人类，只是为了使工作更轻松，容易的工具。

然而，通过数据挖掘，自动化或精密工程，AI在医药行业领域具有巨大的未开发潜力。那么问题仍然存在，不是这个行业如何从这项技术中受益，而是什么时候可以准备好呢？