当下，药物临床研究仍然是一个缓慢、低效且昂贵的过程。这样的痛点不仅刺激着药企，而且研发中高额的成本相应地拔高了国民卫生保健的成本，同时还要承担高失败率的风险。所以我们急需能降低成本并且更有效的技术手段出现。人工智能（AI）或许是个不错的选择。
1956年，几个计算机科学家相聚在达特茅斯会议（Dartmouth Conferences），提出了“AI”的概念。那什么是AI呢？在这些科学家的设想中，它是复杂的、拥有与人类智慧同样本质的机器。
如今，AI不仅仅是常规意义上的自动驾驶、Siri抑或是围棋大败人类的AlphaGo，它更是能够在临床药物研发上发挥重要作用的技术之一。AI有着革新整个制药行业的潜力，使新药的发现变得更快、更有效，另外也能大大缩短药物的审批和上市的时间，降低成本。AI也将更进一步实现精准个性化医疗，为患者提供更好的治疗方案，提高患者依从性及生存率。
目前AI已蓄势待发。近日，在北京召开的2019年DIA中国年会“人工智能致力医药研发”论坛也为大家带来更多关于AI助力药物研发的全球进展、药物发现、临床前及CMC的应用、以及临床试验中的解决方案及应用等信息。
AI在药物发现、临床前及CMC的应用
AI和药物研发就像墙的两面，当我们把这堵墙打破，整个制药工业行业标准都将改写。但敲碎这堵墙的锤子是什么？它是以数据为基底，借由算法这一工具实现目标功能。再之后借助相对已经成熟的AI技术，驱动蛋白多组学的疾病生物标志物的开发。
在大分子CMC（Chemical,Manufacturing and Control）中，AI扮演的角色一如既往，深度学习提高质量、稳定性。只不过承担者转换为机器人，这也需要在未来传感器和智能机器人研究能保持创新，在药物的选择上节约成本、通过数字化把控全局，实现文件自动化。
临床试验中的AI和自动化
临床试验中如何实现人工智能和自动化？从商业智能出发，通过商业智能政策，建立结构化数据模型，利用商业化的智能工具，对数据进行分析，将大数据分析嵌入云平台，最终提高临床试验性能。
目前的数据量已经非常庞大，面对这么多的数据，不同的操作给试验者也带来不便，也因此需要一套新的数据核查流程来配套现状。另外数据预测的模型最终的风险值如何？数据模型建立后并非一劳永逸，就像是天气预报会有不同的报告参考指标。数据模型最终是PASS或者FAIL都是需要前期的流程和严密的质量控制的。
神话or现实？
在过去的几十年里，AI经历了至少三次起落，从一开始的新技术诞生被高估、唱衰、再到回归热点。长远的看，每一项技术都是被低估的，我们应该秉持一个拥抱的态度去看待一项新技术，做到包容并且不断去尝试新的突破。
AI并非神话，而是在现实中一步一步往前走。AI简单来说是先人工后智能。人工地获取高质、足量的数据， “喂饱”了机器，实现深度学习，才能变得所谓智能，但同时一定是要站在伦理的界限内。
而在个性化医疗背景下， AI代表的是更精确的分子诊断和更高效的药物筛选、研发高成功率、更短的流程。通过深度学习、算法精进，AI真正满足临床一线的需求，更精准的靶标、生物标志物实现疾病早期发现及监控疾病的进展。
当然，AI并不会取代人类。它只是一个依赖于计算机强大计算能力的工具。人类将AI作为一种工具，更多的是思考它能干什么，需要突破什么样的限制。踩在底层的数据和硬件上，通过软件实现上层的功能。就像电子书出现依旧无法取代纸质书的地位，这其中也涉及到情感的问题。AI是整合的答案，能标准解析文章，但它不会伤春悲秋，喟叹人生。
在药品研发人工智能领域，中国的人工智能工程师并非短缺，而是要培养更多的跨界科学家。我们相信，未来AI将会是指数级的改变，也期待明年DIA一起见证奇迹。
