作者:陈杰

医药产业既是世界贸易增长最快的朝阳产业之一,也是一个与国民经济和民生密切相关的基础和战略性产业。目前,随着科技的不断进步,人工智能技术也逐渐在医药研发领域得到了广泛应用。包括健康管理、辅助诊疗、药物挖掘、药品调配甚至临床合理用药等在内的诸多医疗健康企业都试图应用人工智能技术为解决当前行业发展中存在的问题与难点提供切实可行的方案。在人工智能技术应用到医药研发行业之前,业界对医药研发的一个常见说法是3个“10”——10年的研发周期、10亿元的研发成本以及低于10%的成功率。随着人工智能技术的普遍应用,药物的研发周期和研发成本都大幅降低。中国优秀青年医药研发专家胡樱馨早早就预见了这一发展趋势,并积极开展对人工智能技术的应用研究,期望能够通过将人工智能技术与医药研发进行更好的融合,为行业中的医药研发者减轻压力。

胡樱馨从大学时期起就一直怀揣着医学梦想,利用日常休息时间学习了大量医学方向的专业知识,年轻又努力的她,不仅通过书本学习,也向行业前辈主动请教,在实习工作中不断苦练技术,在实践中积累医药研发经验,实现了个人能力的快速成长,并在毕业后进入修 正药业集团,目前正在担任集团技术总监。胡樱馨身处于互联网科技高速发展的时代,她特别关注人工智能等现代信息技术的发展,在不断进行医药研发的同时,对于将新兴技术与医药研发行业领域自身特点相结合方面的研究也取得了相当丰富的研究成果。

胡樱馨基于自己丰富的药物研发经验,注意到医药研发行业中存在的问题,积极展开了一系列深刻的探讨,并且研发了多个利于医药行业发展的技术成果。其中尤为让人眼前一亮的是一项将图表示和深度学习算法融入到医药研发行业中的系统。机器学习是实现人工智能的方法,而深度学习是实现机器学习的前沿技术。机器学习在实现人工智能时需要人工辅助(半自动),而深度学习使该过程完全自动化。该技术成果将深度学习算法与医药研发进行结合,在研发过程产生了诸多利好效果。

首先,在关于蛋白质检测方面,蛋白质的功能研究在生命科学中占据重要的地位,大多数疾病的发生都与蛋白质功能障碍有关。传统检测方法主要利用X-射线晶体学和冷冻电镜技术对蛋白质结构进行解析,但是这种方法的检测成本过高。而胡樱馨研发的技术成果中的深度学习模型能够通过对数据库提供的蛋白质数据特征提取,预测出蛋白质结构与功能,为解决蛋白质结构和功能的预测问题提供了可能的途径,并且降低了蛋白质结构和功能预测方面的难度。

其次,在医药研发的过程中数据量极其庞大,医学专业论文非常广泛,并且这些专业论文中有大量独立的专业知识和研究结果,医药研发从业者如何快速且有针对性地组织、连接这些知识和发现,对于药物挖掘也是极其重要的。该技术成果可以从大量的科学论文、专利、临床试验信息和非结构化信息中生成有用的信息,通过自然语言处理算法的深度学习优化,分析和理解上下文信息,然后进一步学习、探索、创建和翻译它所学到的知识以产生独特结论。并且还可以自动提取药学与医学的知识,找出相关关系并提出相应的候选药物,进一步筛选对某些疾病有效的分子结构,使药物研发的平均效率提高50%。

此外,胡樱馨的研究成果还以图表示方法为基础,应用于药物靶点相互作用预测,可以更深入地发现药物与其潜在邻域之间的关系,有利于提高药物靶点相互作用预测的精度。

传统新药研发,主要靠新药研发者的个人经验来完成。研发团队的科研人员需要不断尝试、不断筛选,从而找出能治病的新分子,这个过程无异于“大海捞针”。研究人员有限的个人经验和反复试验的操作流程使新药研发的成本始终居高不下,而胡樱馨却有效攻克了这一技术难题。她将人工智能算法用于医药研发的流程之中,有效加快了研发速度,降低了研发成本,提高了研发成功率,帮助普通新药研发企业摆脱了因资金链紧张而导致研发进度缓慢的局面,并为医药研发行业提供了强大的技术支撑,为推动行业相关科技领域的发展做出了突出贡献。

对于未来,胡樱馨表示希望自己可以有更多的时间和机会与各国的行业新生力量进行交流,共同推动全球医药研发行业的发展,争取为之贡献出更大的力量!