Deep Knowledge Ventures的合伙人Margaretta Colangelo在她最近的一篇文章里提到，盡管制藥公司公司每年在研發(fā)上的花費(fèi)超過(guò)1720億美元，但90％以上的使用傳統(tǒng)技術(shù)發(fā)現(xiàn)的分子都在人體臨床試驗(yàn)中失敗。而且，新批準(zhǔn)的藥物75％都無(wú)法承擔(dān)開(kāi)發(fā)成本，一些分析師預(yù)測(cè)藥品研發(fā)的投資回報(bào)率（ROI）到2020年時(shí)可能為零。如果我們覺(jué)得這種預(yù)測(cè)有很大機(jī)會(huì)成為現(xiàn)實(shí)，那么我們就應(yīng)該將人工智能（AI）視為制藥研發(fā)領(lǐng)域活命的天外救星，人工智能同時(shí)也為某些患者提供了寶貴的選擇希望。

制藥和科技公司的藥物發(fā)現(xiàn)和藥物開(kāi)發(fā)之間的頂級(jí)人工智能互連?

引領(lǐng)潮流的那些公司

在這場(chǎng)生死之賽里，一些公司試圖在未知領(lǐng)域測(cè)試極限。 Deep Knowledge Analytics（DKA）是專注于DeepTech的投資基金公司Deep Knowledge Ventures的子公司。DKA從全球1000家AI Healthcare（人工智能醫(yī)療保?。┕纠飳ｉT(mén)從事核心科學(xué)研發(fā)的公司分了出來(lái)。根據(jù)DKA的說(shuō)法，人工智能醫(yī)療保健行業(yè)的入場(chǎng)門(mén)檻比人工智能藥物發(fā)現(xiàn)方面低，這些人工智能醫(yī)療保健公司可以利用更少的資金和更少的高度專業(yè)化的員工實(shí)現(xiàn)真正的成果。藥物發(fā)現(xiàn)公司的AI則需要更高水平的傳統(tǒng)生物制藥科學(xué)（生物化學(xué)、生物學(xué)、生物醫(yī)學(xué)等）和核心AI技術(shù)。將新的AI鑒定藥物推向市場(chǎng)需要“完整堆棧”， 公司要實(shí)現(xiàn)完整堆棧需要非常強(qiáng)大、非常專業(yè)的團(tuán)隊(duì)以及需具有足夠多的具個(gè)人專業(yè)知識(shí)的專家坐鎮(zhèn)。

而即使是投資者也很難進(jìn)入這個(gè)行業(yè)，因?yàn)樗璧淖畹蛯I(yè)知識(shí)門(mén)檻相對(duì)較高。投資基金公司很少能真正了解該行業(yè)的內(nèi)容、原因和方式以及在該行業(yè)做出合理投資決策所需的各項(xiàng)參數(shù)。 260家投資基金公司里可能只有不到20家基金資助了125家活躍的人工智能藥物發(fā)現(xiàn)公司。

藥物發(fā)現(xiàn)AI專家100強(qiáng)?

艱苦的競(jìng)賽，但贏家收獲金錢和榮耀

也許在未來(lái)幾年里，會(huì)有一些公司將在制藥行業(yè)發(fā)揮強(qiáng)大的影響力，進(jìn)而在藥物開(kāi)發(fā)方面取得前所未有的突破。從藥膏到人工智能花了不到200年，期間的發(fā)展從根本上改變了醫(yī)療保健和患者的生活質(zhì)量。然而，在最近幾十年里，大家普遍認(rèn)為我們已經(jīng)陷入了停滯不前的境地，每個(gè)新的一步都需要付出巨大努力。我們希望AI在藥物開(kāi)發(fā)方面能將醫(yī)療保健推向新的高度。盡管如此，有些星星將黯然消失，新星將會(huì)出現(xiàn)，這是物理定律使然。我們知道這一點(diǎn)后在看到新星誕生時(shí)也就釋然了。