隨著人們健康生活水平的提高，新藥研發(fā)的需求日益迫切。目前，由于新藥物靶點和作用機制越來越少以及研發(fā)成本提升，醫(yī)藥公司研發(fā)新藥難以克服“高成本、高風險、長周期”仍是國內外藥物研發(fā)的沉疴，人們開始將新藥研發(fā)的目光轉向了人工智能。

單純的勞動密集型結構調整，基本克服不了這三個痛點，專家將新藥研發(fā)的目光轉向了人工智能。利用機器學習技術學習海量醫(yī)學資料，以數據驅動，不需要專業(yè)的醫(yī)藥背景，基本避免了人為失誤。此外AI技術能建立高效的模型，智能預測高質量成分，大大減少勞動密集型的重復試錯。

醫(yī)療健康行業(yè)正在經歷由數據、計算能力和人工智能等智能技術驅動的轉型，而這些技術背后所蘊藏著的巨大機遇，讓諸多領域迎來了“東風”：生命科學就是一個關鍵領域。以阿斯利康為代表的制藥巨頭們，正在利用人工智能、機器學習、大數據、電子數據采集等技術和平臺，加速藥物研發(fā)的效率，縮短臨床試驗的進程，拉近與醫(yī)生、患者之間的關系，全面革新制藥業(yè)務的流程。

隨著經濟的發(fā)展，醫(yī)療水平的提高，中國患者的健康需求已經發(fā)生了轉變，由“治好病”延伸到了全病程的管理。而阿斯利康順著患者疾病流程研究患者需求時發(fā)現(xiàn)，隨著物聯(lián)網、大數據、人工智能和5G等技術的進步，患者需求被劃分為了三部分：院前的健康預防、疾病篩查，院中的精準診斷和個性化治療，以及院外的慢病康復與管理。

目前臨床上仍有大量用藥需求未被滿足，許多新形態(tài)藥物面臨成藥難的困境，尤其在制藥初期，由于無法高效定位正確靶點，藥物遞送難等核心問題而被迫放棄開發(fā)。人體免疫系統(tǒng)十分復雜，與很多疾病的發(fā)生、發(fā)展與預后應答密切相關，傳統(tǒng)技術難以從底層理解藥物與靶點的協(xié)同作用。

AI尤其擅長分析大量數據并處理應用復雜的規(guī)則，發(fā)現(xiàn)大量數據中的潛在規(guī)律，并智能預測或者對新的數據進行分類，找出潛在的、被忽視的通路、蛋白和機制等，從而更容易提供新機制和新靶點。首先，機器學習必須是以大量有效數據作為基礎，具體到新藥研發(fā)上就要求提供海量的實驗數據，這就要求新藥研發(fā)公司在實驗研究方面具備一定的實力，為機器學習提供真實有效的基礎數據。

從傳統(tǒng)藥企轉型為平臺型企業(yè)，阿斯利康的數字化創(chuàng)新是和制藥行業(yè)的數字化創(chuàng)新是高度契合的。無論是資本在“AI+藥物發(fā)現(xiàn)”的熱情表現(xiàn)、正處風口的藥企數字化轉型，還是迫在眉睫的“專利懸崖”、監(jiān)管力度加大帶來的商業(yè)模式復雜化，所有現(xiàn)象都表明：制藥行業(yè)正在迎來轉型的“浪潮”。

煥一生物作為國際領先的 AI + 系統(tǒng)免疫公司，在 AI 多組學領域具有強大的技術實力。公司創(chuàng)新開發(fā)了全球領先的AI+系統(tǒng)免疫技術平臺，包括多組學實驗平臺以及生物計算平臺，通過獲取、生成、分析多組學數據，利用機制建模及 AI 繪制免疫圖譜，可以從多維度全面分析復雜的人體免疫系統(tǒng)，加快生物標志物與靶點的發(fā)現(xiàn)速度，精準篩選治療性靶點，顯著提高藥物研發(fā)效率與成功率，為老藥表征型篩選及靶向藥設計和研發(fā)提供堅實基礎。

以創(chuàng)新中心、創(chuàng)新園區(qū)和產業(yè)基金為一體的創(chuàng)新生態(tài)圈，打造擁有地方政府、專家學者、頭部醫(yī)療器械企業(yè)、創(chuàng)新企業(yè)、頂級投資機構、科研轉化平臺等強勢資源疊加的創(chuàng)新合作平臺，為患者提供更優(yōu)質的醫(yī)療資源和服務，為企業(yè)在資源的深度和廣度上賦予競爭優(yōu)勢，進而促進產業(yè)生態(tài)的深度融合和裂變。

醫(yī)藥行業(yè)這片沃土，承載著政府、行業(yè)和社會的多重期待，可能在未來幾年面臨更多未知的變化，同時也有望結出更多碩果。而阿斯利康接下來又會在醫(yī)藥行業(yè)掀起怎樣的動作，值得我們期待。