清华姚班、MIT计算机博士：入局AI制药风口，为什么要趁早？丨附19个现场问答( 二 )

本文插图
演讲分为如下几块：
1、简单讲讲新药研发的整个流程，以及面临的挑战；
2、人工智能是如何与新药研发结合，并加速整个新药研发流程；
3、小分子药物研发流程，即每一步该怎么做，如何通过人工智能算法提速整个流程；
4、技术总结与领域展望。
一、周期长、成本高，新药研发难题待解
首先讲讲新药研发面临的挑战。
众所周知，新药研发其实具有长周期的特点。我们简单把新药研发流程分为两大部分：
一是临床前阶段，包括早期化合物的发现、化合物的优化，所有的工作都是我们在人体外进行的，包括设计小分子之后，根据小分子在细胞、小鼠甚至猴子上做的一些验证实验，去观察这个小分子是否能够达到我们想要的效果。
临床实验之后，分子就可以进入临床实验阶段，在人体上进行一些实验。临床实验本身又分为一期、二期和三期，分别能够观察药物本身的毒性、有效性以及大规模人群中应用的具体效果，如果通过临床三期，药物就可以获批上市。

本文插图
但整个流程下来，过程非常漫长，总耗时达到了9-15年的时间，而临床前时间会花费4-7年，剩余就是临床实验时间。另外流程成本极高，平均一款新药从源头开始，到药物正式上市总成本是非常之高。
但这样一个成本极高、耗时极长的业务，回报率却相当低，这归因于每个步骤低成功率。
刚才提到临床和临床前阶段，成功率都低于10% ，所以整体概率低于1% 。
如果我们做了100个项目，可能最后只有1个项目成功，甚至没有一个结果，造成极低投资回报率。作为参考，在美股熔断之前我们进行投资的话，每年回报率大概是10% ，但新药研发回报率大概为1.8% ，可以想象这是一个不太优质的投资标的。
这也说明这个行业面临各种各样痛点，新药研发耗时长、成本高、回报率低特点，那星药科技能够提供什么样的解决方案呢？
二、 AI ，能为新药研发带来什么？

本文插图
首先是技术层面。每一个新药研发前期的模块上，例如虚拟筛选，我们的Hit Rate能比传统方法高出十数倍；包括一些小分子预测；还有可合成性筛选上，这在本质上解决了一些新药研发难点，同时极大缩短了从靶点开发，到临床前候选药物所用的时间。