截止到2020年11月的公开资料，盘点了全球44家顶尖药企（包括3家中国药企）在利用AI辅助药物研发上的行动（共涉及55家AI初创企业、12家IT-云服务商、7所高校），并进行了分析汇总

　　40年后的今天，我们一起看看全球顶尖药企用AI辅助新药研发到底应用到什么状态和阶段了。

　　坦率地说，我们离靠计算机发现药物，然后通过一大堆机器人试验对药物进行虚拟测试，只要单击几下鼠标就可以将它们送给患者的世界相距甚远。

　　“智能”，是从大量优质数据、经验中自行学习，给结果，就像一个新药研发人员，并不是特别需要学习他人无数的项目之后，才能学会做新的项目。

　　显然，我们现在主要还集中“人工”的部分，而不是”智能“。但CADD（计算机辅助药物研发）/AI通常能支持达到或选择这些药物研发工作的“更好”起点。

　　成千上万的化合物经过一系列的测试，只有一种有几率会成为可行的药物。任何工具，只要能在这个漫长的多步骤过程中加快其中一个步骤，就会对整个链条产生重大影响。

　　过去，我们常常把每一颗种子都种在地里，以测试它的性能，并决定在什么样的条件下适合某种特定类型的种子。这是一个必要但资源密集的过程。

　　我们现在可以用计算机/人工智能模拟大量的测试，在我们把一粒种子放入地下之前，我们可能要先用机器做10亿个模拟实验。

　　这并不是什么新鲜事物，早在1981年10月5日，美国《财富》杂志就对计算机辅助的药物发现进行了专题报道《下一次工业革命：默克公司通过计算机设计药物》。

　　我们根据截止到2020年11月的公开资料，盘点了全球44家顶尖药企（包括3家中国药企）在利用AI辅助药物研发上的行动（共涉及55家AI初创企业、12家IT-云服务商、7所高校），并进行了分析汇总，主要结论如下图：

　　我们将所有药企的AI合作按制药阶段分类统计，发现超过三分之二的行动（共66次）集中在

　　靶点及生物标记物的选择与确定、先导化合物的确定、构效关系的研究与活性化合物的筛选、候选药物的选定等

　　药物依从性、预测治疗结果、数据分析、精准医疗、开发新疗法、病理研究、疾病诊断等。

　　我们盘点了所有药企在AI合作上聚焦的疾病方向，除去未精确指出疾病类型的数据，药企在

　　中国入榜的公司数（3家）在所有入榜的12个国家中并列第5，AI合作总数（7次）在所有12个国家中位列第8。

　　药企与AI公司和IT-云服务商的合作方式无显著的区别。AI公司多为初创公司，规模比较小；IT-云服务商以IBM、Google为代表，其麾下的AI创新实验室是药企的理想合作对象。

　　药企与高校的AI辅助药物研发合作大多是基于高校实验室的技术交流或人才与资金援助，据统计

　　有12家美国药企先后进行过AI药研相关的行动，占比27%，其次为日本（7）、德国（5）。

　　美国药企贡献了共计38次行动次数，占比28%，比所有亚洲国家的总和还多；其次为德国（25次），瑞士（15次）。

　　欧洲、亚洲、北美洲参与AI药研的药企数量分别为17、15、12家，差距不大，但在行动次数上，

　　药企平均行动次数=行动总数/药企数量，能体现某一地区药企在AI辅助药物研发技术上的总体活跃度。

　　英国的2家药企贡献了13次AI行动次数，在所有国家中次数最高；德国和瑞士紧随其后；中国处于中间水平。

　　全部44家药企在AI行动上的细节可文末扫码添加小F微信（ID：imfastone）获取。

　　MELLODDY（Machine LearningLedger Orchestration for Drug Discovery），其目标是建立一个机器学习平台，这样就可以从多组专有数据中学习，同时又能尊重它们的高度机密性，因为在整个项目中，数据和资产所有者将保留对其信息的控制权。

　　MLDPS（Machine Learning for PharmaceuticalDiscovery and Synthesis Consortium）成立于2018年，联盟的目标是打破麻省理工学院机器学习研究和药物发现研究之间的鸿沟——将麻省理工学院的研究人员和产业界聚集在一起，从而找出并解决AI辅助药物研发中最重要的问题。