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( 三 )

4-7年或许能够将它压缩至1-2年，甚至一年以内。最终我们通过人工智能算法和算力，可以支持多条管线并行进行，也就是用同样的时间，同样成本，能够做到更多条管线。
其中一个药物研发的项目即是一个管线，如果我们可以支持多条管线同步进行，对药企而言，我们就可以布局更多管线，做更多尝试，这一点对整个产业界都是至关重要。
简单谈一下，人工智能和新药研发到底是如何结合？人工智能近几年迎来一次爆发式增长，尤其是在2012年之后，即AlexNet之后各种各样模型、算力以及数据都获得长足进步。
以ImageNet为代表的整体数据规模提升，加上英伟达为代表基于GPU算力提升，还有模型复杂度质的提升，为模型本身能力带来新飞跃。
这些提升让整个人工智能领域各式应用喷薄式增长，这边列举几个典型案例。
例如医疗影像，我们可以用AI辅助医生CT影像、X光影像诊断；例如无人车， Google Waymo、小马智行也都做得非常棒；
最后是Alpha Go ，相信大家并不陌生， 2016-2017年，大家都不看好Alpha Go可以打败李世石，但它做到了。
这些事情非常震撼，证明某些情况下人工智能比人类更好，即使是在一些人类已经钻研或者学习了上百年领域。
那AI在医药领域到底有什么样的应用呢？

本文插图
【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】
刚才讲到，医药研发分为临床前研发和临床研发两部分， AI对两部分都可以提供对应作用，这里面分为不同Modality ，即不同药物形式：有小分子，有大分子，有多肽，有PROTAC ，有核酸类药物，包括最近Modena做的mRNA药物，也是一种Modality 。
此外，临床实验设计上人工智能也能提供一系列帮助。
我们列举比较有代表性应用，包含活性预测，即小分子与蛋白质结合后，蛋白质活性是上调还是下调，这是非常重要的成药性参考指标；
还有ADME/T性质预测，即药进入人体之后，经过吸收、分布、代谢包括排泄对人体毒性有多强，所有这些性质预测，能够帮助很好判断小分子成药性质到底怎么样；
还有人工智能对药物晶型的预测，或者人工智能对药物制剂预测，解决了我们全行业的一个痛点。
所以整个小分子研发早期链条上，会发现很多不一样的应用，都可以用到人工智能。
今天简单讲讲人工智能怎么应用在小分子早期研发上，其中包含两个主要数据，一个是分子数据，一个是蛋白质数据。