【资料图】

如何找到和定义一个真实的、清晰的科学问题，以及问题成立后，我们是否有足够的数据来进行清洗和分析，这考验着我们的计算资源。同时，在我们对一系列问题都预测建模后，是否具备一套良好的评估方法对成药效果进行分析……凡此种种，都是AI制药路上亟待解决的问题。

“在机器学习AI领域，尤其随着ChatGPT这样应用的风靡，推高了将新技术与生物制药结合的呼声。在医疗数据的处理和分析方面，AI可以帮助处理和分析大量的医学图像、基因数据、病历资料等复杂信息，提供更准确的诊断和治疗方案。” 中国工程院院士陈赛娟在2023上海国际生物医药产业周同期活动——“医药医疗创新大会暨第七届上海AI大会”上说道。

近年来，随着数字科技和生物材料等领域前沿科技不断融合，人工智能在生物医药研发与医疗建设中发挥重要作用。我国的智慧医疗市场需求高速增长、规模迅速发展，各地都在积极探索并加速新技术的运用场景落地。

第七届上海AI大会在10月19日举行，以“创新赋能医药医疗发展”为主题，旨在探讨“药物研发中的技术创新”、“临床开发中的数智策略”、“全球药物合作”、“AI赋能智慧医疗”几大方向，共谋后疫情时代医药医疗新技术与新发展。

中山大学分子设计研究中心主任徐峻提出，AI驱动的药物设计方法主要是由注意力机制（attention mechanism）突出分子的重要局部特征，建立重要局部特征与活性的关系，再通过输入数据计算出的权重表示局部特征的重要性。然而，虽然多年来药物研发领域的投资不断增加，但投资 10 亿美元得到的上市新药数目每 9 年就减少一半，这一现象又被称作反摩尔（Moore）定律。

《药理科学趋势》（Trends in Pharmacological Sciences）杂志曾发表相关文章称，AI 可以加快药物临床试验的成功，从而助力破解反摩尔难题。徐峻认为，通过AI的深度学习，句法模式识别在合成设计、筛选、活性的预测，将有机会突破反摩尔定律，助力更多新药上市。

恒瑞医药分子信息部高级总监李勋在会议上说道：“如果传统制药是自行车，AI制药就是摩托车，但必须承认，AI制药的道路还是很曲折的。在我看来，计算辅助药物研发的着眼点有四个：1、核心，即找到进行AI制药的真正目标；2、要素，包括是否有合适的生物学问题和恰当的模型；3、层面，是指AI制药能帮助我们实现什么，是提高研发效率，还是解释实验现象，抑或是建立模型，帮我们进行预测；4、空间，包含成药性空间、药物分子的结构空间、与人体的互作空间等，我们要在这些空间中找到交集。”

在癌症诊断方面，传统癌症的诊断技术虽然便捷，但灵敏度低、特异性差，而且对病人有所伤害。同济大学医学院博士生导师、上海市分子诊断创新技术研究所CTC中心主任陈炳地通过医工交叉，提出一种非抗体依赖捕获、致力细胞病理鉴别的全新CTC检测技术——PETCEC技术。由于肿瘤细胞与正常细胞的糖代谢有所差异，可通过正电磁性纳米探针特异性识别负电的肿瘤细胞，而通过生物纳米技术设计的“伪生磁性纳米探针”具有靶向识别肿瘤细胞的作用，在捕获肿瘤细胞后可快速分离，具有优良的生物安全性。