過去幾年，人工智能一直是社會關(guān)注的熱點。在新藥研發(fā)領(lǐng)域，研發(fā)成本越來越高，但研發(fā)產(chǎn)率卻不斷下降。在藥明康德全球論壇上，業(yè)內(nèi)權(quán)威人士提出了一種猜想：是否可以運用機器算法，建立預測模型來解決這一痛點問題。這些猜想，許多都指向了一個關(guān)鍵詞——預測。

我們能利用數(shù)據(jù)，預測臨床試驗的結(jié)果嗎？我們能預測出人類疾病的分子機制嗎？我們能預測哪些試驗不必進行嗎？如果能回答這些“預測”的問題，或許就能提高新藥研發(fā)產(chǎn)率。

Insitro所建立的預測模型恰好解決了藥物研發(fā)中的首要問題。許多藥物之所以研發(fā)失敗，是因為它們靶向了錯誤的對象。需要一個更好的疾病模型來尋找靶點。

Insitro由Daphne Koller于2018年創(chuàng)立，是一家數(shù)據(jù)驅(qū)動的藥物研發(fā)公司，利用機器學習和高通量生物學來改變藥物研發(fā)方式。公司正在應用生物工程領(lǐng)域的最新技術(shù)，打造海量數(shù)據(jù)集，利用機器學習來突破醫(yī)藥研發(fā)的關(guān)鍵瓶頸。所得到的預測模型用于加速疾病靶點選擇，設計和開發(fā)有效的治療方法，并為臨床策略提供參考。這些模型主要應用于肝臟和中樞神經(jīng)系統(tǒng)疾病的治療領(lǐng)域。

＞＞＞＞

通過預測模型，識別藥物靶標。

如果新藥研發(fā)商能夠在早期預測到哪些藥物可能對哪些患者有效，那么藥物發(fā)現(xiàn)和開發(fā)中的許多問題就可以得到改善。Insitro可為整個制藥價值鏈提供更好的預測，Insitro的預測模型基于以下五種方法而建立：

1．人口規(guī)模的數(shù)據(jù)

Insitro的預測模型以人類數(shù)據(jù)為基礎(chǔ)。通過從遺傳、表型和臨床數(shù)據(jù)中獲取信息，利用機器算法來提高傳統(tǒng)遺傳分析的精準度，使之更接近疾病的基本結(jié)構(gòu)和生物學。這些信息是建立疾病預測模型的第一步，也是非常關(guān)健的一步。

2．細胞疾病模型

基于對疾病結(jié)構(gòu)的理解，Insitro結(jié)合了來自患者的誘導多能干細胞（iPSCs）、基因組編輯、高含量細胞表型和機器學習來構(gòu)建體外疾病模型。通過優(yōu)化遺傳、細胞類型、環(huán)境和多維數(shù)據(jù)收集，最大限度地預測人類臨床結(jié)果。

3．大規(guī)模生物學數(shù)據(jù)

機器學習需要強大的數(shù)據(jù)支撐。Insitro的數(shù)據(jù)管道和自動化基礎(chǔ)設施超越了傳統(tǒng)化學和生物學，可以快速生成大量高質(zhì)量的數(shù)據(jù)。

4．先進的機器學習

有了大量高質(zhì)量的數(shù)據(jù)，Insitro開發(fā)和部署了各種先進的機器學習方法。正如Insitro在其他行業(yè)看到的那樣，機器學習可以處理人類無法理解的大量高維數(shù)據(jù)。Insitro的機器學習模型可以用更細的粒度區(qū)分細胞狀態(tài)，并預測與疾病相關(guān)的臨床特征。

5．新藥物的預測性

Insitro疾病預測模型結(jié)合了體外細胞系統(tǒng)和計算機模擬機器學習，可以發(fā)現(xiàn)以前從未見過的疾病類型，并尋找其干預措施。Insitro的團隊在開發(fā)新藥物方面有著豐富的經(jīng)驗和專業(yè)知識，他們通過預測模型，來識別疾病的突破性靶點，使藥物設計具有可行性，并推動生物標記和臨床開發(fā)策略的發(fā)展。

＞＞＞＞

AI領(lǐng)域佼佼者，聚光燈下的Daphne Koller

經(jīng)常站在聚光燈下的科學家并不多，但Daphne Koller卻早已習慣了這樣的生活。

Daphne Koller（達芙妮·科勒）出生于“書香門第”之家，父母擁有博士學位，自己也是家里的第三代博士。與其他孩子不一樣，她是在父親的實驗室里長大的。也正是在這種家庭教育環(huán)境的潛移默化下，她讀了這個世界上最好的大學之一— 耶路撒冷希伯來大學。

1968年出生的達芙妮·科勒是一位美籍以色列裔的教授，她的履歷堪稱傳奇。17歲大學畢業(yè)，18歲時獲得耶路撒冷希伯來大學的碩士學位，26歲成為斯坦福大學機器學習的教授。在擔任斯坦福大學計算機科學教授的近20年間，Daphne Koller在頂尖學術(shù)刊物上發(fā)表了200多篇論文，因?qū)W術(shù)突破和出色的教育獲獎無數(shù)；2004年，36歲的她斬獲“麥克阿瑟天才獎”。2012年，她入選《時代周刊》百大風云人物。

她提出了概率關(guān)系模型，將概率模型處理不確定性的優(yōu)點和關(guān)系模型的強大表示能力結(jié)合起來，這讓其成為了在當前AI領(lǐng)域的領(lǐng)先學者。專注于人工智能研究的她在2018年創(chuàng)辦了Insitro公司。

我們都知道，達芙妮·科勒是名杰出的科學家，但她在教育界的貢獻也不容小覷。她一直希望讓幸運成為教育里的常態(tài)。因為她知道，世界上并不是所有人都能幸運地接受教育。在很多貧窮偏遠的地區(qū)，一些人根本沒有機會接受高質(zhì)量的教育。即便是在教育水平發(fā)達的地區(qū)，高額的教育費用也成為許多低收入家庭的負擔。為了讓更多的人獲得優(yōu)質(zhì)且免費的教育資源，她和同事創(chuàng)辦了一家在線教育平臺Coursera，把最好的教育資源以網(wǎng)絡公開課的形式共享給平臺上的學習者。

對于投資者而言，人工智能加上生物學背景的她簡直就是最完美的選擇。

Daphne Koller，Insitro創(chuàng)始人兼首席執(zhí)行官

＞＞＞＞

Insitro突破性進展

2019年4月，Insitro在A輪融資中順利籌集了1億美元，投資方包括GV、Andreessen Horowitz（安德森·霍洛維茨）等著名投資機構(gòu)。融資中的一些新資金主要用于增強公司的藥物開發(fā)能力，包括聘請監(jiān)管專家和其他具有藥物開發(fā)經(jīng)驗的人員。鑒于該公司尚未找到其首個藥物，這些開發(fā)人員還有很長的路要走。

這種A輪融資就突破1億美元（首輪融資金額未公開），也算是初創(chuàng)企業(yè)在融資史上的一個重大事件。同時， Insitro和Gilead簽署了一項為期三年的協(xié)議。Gilead為Insitro提供1500萬美元的資金，以發(fā)現(xiàn)和開發(fā)非酒精性脂肪性肝炎（NASH）的治療方法。

Gilead于1987年6月22日成立，是一家以研究為基礎(chǔ)的生物制藥公司，對尚未滿足的醫(yī)療需求領(lǐng)域進行研究、開發(fā)并生產(chǎn)藥物。該公司的產(chǎn)品組合和研究藥物管道包括艾滋�。℉IV ／ AIDS）、肝臟疾病、癌癥、炎癥和呼吸系統(tǒng)疾病以及心血管疾病的治療。

NASH似乎是所有生物制藥公司必爭之地，但到目前為止，還沒有一種治療該疾病的藥物獲得批準。Gilead和Insitro將使用Insitro平臺的預測模型創(chuàng)建NASH疾病模型，來發(fā)現(xiàn)影響疾病進展或消退的靶點。

Gilead團隊在NASH及該疾病的生物學方面擁有豐富的科學知識，并且在過去的幾年中采集了大量的臨床試驗樣品。他們將為整個研發(fā)過程提供化學資源，以開發(fā)針對目標的化合物。在 Insitro平臺確定的NASH藥物靶標中，Gilead可以選擇推進其中五個目標。Insitro每個目標最多可獲得2億美元，再加上1500萬美元的前期資金和另外3500萬美元的運營收入，這筆交易的總金額可能超過10億美元。

目前項目已經(jīng)取得了重大突破，Insitro公司則借此在《福布斯》雜志首屆AI五十家最具前途企業(yè)榜單當中占得一席之地。正是這樣的巨大的成就，吸引了許多大型公司的收購想法。但是Koller表示并不想Insitro被收購或者并購，她認為保持公司的獨立發(fā)展才是最好的選擇。

2020年5月，Insitro完成了1．43億美元的B輪融資，此次融資由Andreessen Horowitz（安德森·霍洛維茨）牽頭。此外，Insitro宣布，Andreessen Horowitz的合伙人維杰·潘德（Vijay Pande）博士加入董事會，成為其中一員。

Insitro打算利用這筆資金繼續(xù)建立其機器學習的技術(shù)和自動化基礎(chǔ)，從而實現(xiàn)更大規(guī)模的數(shù)據(jù)生成，并進一步擴展生成人類疾病預測模型的能力。此外，融資還將用于最新確定的、經(jīng)過基因驗證的靶標，確定患者的生物標記物，以及推動遺傳定義的患者人群治療。Insitro還計劃擴展新的行業(yè)合作伙伴關(guān)系，并在研發(fā)價值鏈中建立其他基于機器學習的功能，以加速藥物的發(fā)現(xiàn)和開發(fā)。

Insitro融資歷史

＞＞＞＞

Insitro與大型制藥公司對數(shù)據(jù)的不同看法：

Insitro的工作是有目的地生成數(shù)據(jù)（作為機器學習模型的輸入），與普遍認為數(shù)據(jù)是“副產(chǎn)品”（基于臨床試驗而生成）的大型公司形成鮮明對比。

許多大型制藥公司說：“我們有很多數(shù)據(jù)。”但當再被問到：“您擁有哪種數(shù)據(jù)？”，它們可能會沉默。事實證明，它們所擁有的數(shù)據(jù)都是零散的。它們所采取的方案就是將大量的數(shù)據(jù)拼湊起來，并希望將機器學習應用到這些數(shù)據(jù)上。然而，機器學習的優(yōu)勢在于它們擅長獲取細微的信息，這包括真實的信息，也包括虛假的信息。所以上述這種方案只是“垃圾進，垃圾出”的擴大化。

而Insitro的側(cè)重點并不是“能獲得什么數(shù)據(jù)”，而是在新藥研發(fā)的過程中，率先找出有哪些阻礙和問題，然后考慮哪些部分在合適的大規(guī)模數(shù)據(jù)集下，能夠通過機器學習的方法進行變革。Insitro收集并使用大量高質(zhì)量的數(shù)據(jù)集來訓練機器學習模型，這將有助于解決藥物發(fā)現(xiàn)和開發(fā)過程中的關(guān)鍵問題。

＞＞＞＞

AI＋藥物研發(fā)未來展望

新藥研發(fā)面臨研發(fā)周期長、研發(fā)成功率低以及研發(fā)費用高3大困境。AI和新藥研發(fā)相結(jié)合，可以實現(xiàn)優(yōu)勢互補。

一方面，有了AI 助力，將會有效解決新藥研發(fā)的困境，為它們節(jié)約研發(fā)成本，提高研發(fā)成功率，大大縮短研發(fā)周期。另一方面，AI 企業(yè)雖然具備技術(shù)優(yōu)勢，但他們?nèi)鄙偎幬镅邪l(fā)的相關(guān)數(shù)據(jù)、成熟的研發(fā)管線以及資深的藥物專家，而這恰好是傳統(tǒng)制藥巨頭所具備的優(yōu)勢。

近年來，人工智能技術(shù)（AI）與醫(yī)療健康領(lǐng)域的融合不斷加深。AI在藥物研發(fā)的應用十分廣泛。蛋殼研究院通過對國內(nèi)外近 80 家 AI 企業(yè)的研究發(fā)現(xiàn)，AI 在新藥研發(fā)領(lǐng)域主要應用于靶點發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預測、患者招募、優(yōu)化臨床試驗設計和藥物重定向 7 大場景。

AI＋藥物研發(fā)機遇與挑戰(zhàn)并存，但不可否認的是，AI＋藥物研發(fā)的結(jié)合必然是未來制藥行業(yè)的發(fā)展趨勢。有業(yè)內(nèi)人士預測，至2025年，AI＋藥物研發(fā)的市場規(guī)模將超37億美元，AI＋藥物研發(fā)將掀起一場醫(yī)藥領(lǐng)域的顛覆性革命。

作者：楊婷