医疗电子
返回首页

药企已经无法离开人工智能,但AI想要牵手药企还需要跨越阻碍

2018-10-14

AI在制药行业的应用被看作是人工智能企业落地的一大出口,药企也被认为是潜在的最大付费方。

曾统计过,从资金流入来看,今年截至7月份,新流入的“AI+药物”领域的资金超过6亿美元,比去年全年还多,出现井喷式增长。国内外打上“AI+新药”标签的公司已达100余家。

AI可以应用于药物发现、临床前研究、临床试验、合理用药决策、药物警戒、药物重组发现等众多领域。

9月26日,“2018人工智能+药企创新论坛”上,来自医疗健康相关专家学者、医疗健康创新企业、投资公司和医疗机构行业代表数位嘉宾分享了见解,共同探讨了AI对于药企、医院的价值,以及如何解决突破AI应用的挑战。

演讲嘉宾Ross Rothmeier是美国Medidata公司的技术方案及创新实验室副总裁。

他为大家带来了一个新数据:2006年至2015年的10年间,常规方法进行新药研发,从一期到二期的成功率是63%,从二期到三期是28.8%,55%可以进入新药申请上市阶段,但是即便进入了这个阶段,也只有83.9%可以最终获得批准。如果把这些百分比整合起来,会发现所有一期研究药物只有8.4%能够成功。

但是,如果借助AI在研发过程中对生物标志物进行选择,能把上述各个阶段的成功率大幅提升,分别达到76.7%、46.7%、76.5%、94.5%。这些百分比的组合,意味着一期研究药物的成功率可以达到25.9%,超过了原来的3倍!

正是这种惊人的效果,药企纷纷与AI公司联手。

Medidata公司全球各地客户超过1000家。在其软件平台上,进行着13000多项研究,380万名患者可以提供宝贵数据。

在中国,Medidata帮助着870个临床实验研究,拥有146家客户,其中包括海正药业、复星医药、药明康德等全国领先的制药公司和合同研究组织(CRO)。

在国际上,制药巨头中 ,GSK、诺华、强生与AI公司Insilico medicine展开了合作,默克、Abbvie则是Atomwise和合作;阿斯利康、辉瑞、武田制药等药企也都和人工智能企业展开了合作。

拥抱AI,成为各环节刚需

人工智能的渗透将重塑每一个行业,在医疗领域也不例外,人工智能和深度学习可以大幅提高效率已经不再是炒作的噱头,而是一种事实。目前AI的应用趋势和模式也渐渐明晰,对各方的价值也开始凸显。

在患者角度,人工智能能够更好地解决他们的医疗需求,提供更好的医疗服务,受到了患者的欢迎。索闻博识联合创始人范晓磊说道:“患者越来越接受通过基于大数据、人工智能的分析,给出诊疗决策和建议。通过新技术参与治疗管理过程,患者接受程度越来越高。从现有数据来看,我们的患者对于新技术以及治疗数据的发展是呈非常开放和包容的态度,这是令我们欣喜的结论。”

对于药企,人工智能对于药企最直接的助益就在于新药研发。天士力医药集团产品整合研发IPD管理办公室主任李云飞先生就AI在发现靶点上的作用说道:“人对疾病不断的认识,技术的发展,治疗的路径,治疗的手段在不断的变化。发展的药物越来越复杂,需要的技术越来越高端。信息学包括现在所谓的大数据以及AI,一定在未来会发挥作用,而且是发挥重要的作用。”

除此之外,李云飞也说道,人工智能除了作为新药研发的工具,也可以作为再发现中药价值的工具。例如网络药理学,就是综合了药物信息学、软件信息、分子生物学、大数据、人工智能等技术的一种工具。它能够在预测中药靶点、辨别中药活性成分群、阐明中药的作用机制,解释处方合理性和中药处方规律,帮助找到新的适应症。

除了药企,人工智能同样可以纾解医院端的困境。在医院端,不同层级的医院有不同的需求,人工智能是解决问题的关键技术之一。对于二级医院建设医联体,提升诊疗水平,更好地服务患者的需求。在大数据流动之后,人工智能和深度学习可以更好地复制上级医院的临床经验、诊疗流程,赋能基层医护人员。对于三甲医院,大量医生有着大量的科研需求,人工智能可以更好地利用真实世界数据。

数据问题依然是国内AI的先天不足

虽然AI有着广阔的应用前景,但是AI想要实现落地应用需要大量标准化、结构化的数据进行“饲养”。其次,医疗健康服务中各方也需要转变思维积极拥抱人工智能。

在数据方面,如果把人工智能分成算法、算力和数据三个维度,则现在行业主要的机会集中在数据及应用层面,竞争的核心在于数据的质量和数量。然而,对于中国医疗人工智能企业而言,市场中有大规模潜在的数据,但是却无法被整理、利用起来。一方面,中国医院内的数量庞大,但 75%以上是非结构化的,并不能发挥出“大数据”的价值。另一方面,无论是建模还是训练机器,都离不开真实的临床环境,中国大部分医疗人工智能产品缺少临床环境。

范晓磊解释到:“目前现有的大量数据都是不规范的,受医生资历、个人风格影响较大。其次是数据的缺失和浅表化,现在HIS系统大数据只记录基础的东西。分子大生物的检测,基因检测的数据,院外随访数据,这些针对科研关键的数据,在医院系统里没有被记录。大量信息的缺失,导致这一部分的数据应用带来很多的困境。虽然现在也有自然语言处理的技术,但是对这一部分的数据处理来讲,在此之上的投入所得到的价值力度较低。”

来自浩悦资本的李逸石提出了“好”数据的标准:“我们认为高质量的数据首先存在于高质量医院里面,应该是临床专家的经验,结合指南,循证医学,包含我们更多更完整,更丰富维度的数据,并且以科研为目的产生高质量数据。过去做临床研究,在里面累计的数据,数据级别比较高。”

技术可以追赶,但是观念的转变才是无形的壁垒。再鼎医药首席商务官梁怡就直言:“我们已经可以大致想象未来,5G技术和物联网让一切互联互通。这样对整个医疗行业的业务模式、生产,各个方面都将产生冲击。物联网未来将会是一个很大的变化。对所有行业来说,如果不懂物联网,不懂软的东西,只懂硬生产这样的企业是要被淘汰的。尤其是现在的国内的落后的药企。”

梁怡补充道:“当上市一个新产品的时候,药企还是传统的思路,就是跟医生沟通,然后跟这个产品相配套的整个上下游环节,方方面面的生态环境不做任何的研发。研发不仅仅指产品的研发,研发也是对业务模式的研发,你的市场部也要做研发,这个在药厂几十年来没有做过一次。”

人工智能作为一种节省大量人力,赋能医疗产业各环节的工具,在医疗健康产业各个产业都有体现。人工智能可以辅助解决医院医生资源紧缺的问题,为患者提供提供更精准、高效的服务。在药企端,AI想要满足药企的研发需求,解决精准患者招募,首要的问题就在于产生大量的数据,在未来人工智能企业需要和大数据公司或者已经大量数据沉淀的药企合作。想要实现精准化患者招募,也需要专业化的患者组织。

药企已经无法离开人工智能,但如何过好数据这一关,是当务之急。


进入医疗电子查看更多内容>>
相关视频
  • 暖春五应用, "芯"系健康, TI 方案详解

  • 医疗监护和可穿戴设备

  • 智慧医疗 - 医疗监护、可穿戴式设备及手提超声探头

精选电路图
  • 家用电源无载自动断电装置的设计与制作

  • PIC单片机控制的遥控防盗报警器电路

  • 短波AM发射器电路设计图

  • 使用ESP8266从NTP服务器获取时间并在OLED显示器上显示

  • 如何构建一个触摸传感器电路

  • 基于TDA2003的简单低功耗汽车立体声放大器电路

    相关电子头条文章