比如，AI通過(guò)深度學(xué)習(xí)，構(gòu)建神經(jīng)網(wǎng)絡(luò)，吸收所有已知的單步有機(jī)化學(xué)反應(yīng)，解構(gòu)藥物里的分子，嘗試任何單一步驟中可以使用的化學(xué)反應(yīng)，重復(fù)應(yīng)用這些神經(jīng)網(wǎng)絡(luò)來(lái)規(guī)劃多步驟有機(jī)化學(xué)反應(yīng)的合成，直到得到中藥的藥理和毒理機(jī)制。簡(jiǎn)單來(lái)說(shuō)，就是將藥湯里的所有化學(xué)物質(zhì)都分離出來(lái)，通過(guò)化學(xué)反應(yīng)和臨床數(shù)據(jù)，找到那個(gè)真正有效的化學(xué)物質(zhì)，并將其它化學(xué)物質(zhì)進(jìn)行一一的分析。

事實(shí)上，這類(lèi)技術(shù)的雛形已經(jīng)存在，只是還沒(méi)有應(yīng)用于中藥研究。德國(guó)明斯特大學(xué)有機(jī)化學(xué)家和人工智能研究員MarwinSegler以及他的同事就開(kāi)發(fā)了這樣一款A(yù)I工具，這款A(yù)I工具能夠預(yù)測(cè)在任何單一步驟中可以使用的化學(xué)反應(yīng)，工具重復(fù)應(yīng)用深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)來(lái)規(guī)劃多步驟合成，解構(gòu)所需的分子，直到它最終得到可用的啟動(dòng)試劑。

法規(guī)監(jiān)管是最大問(wèn)題

AI制藥仍處在一個(gè)孤島，除了數(shù)據(jù)來(lái)源、生物學(xué)發(fā)展以及市場(chǎng)競(jìng)爭(zhēng)等要素會(huì)成為其發(fā)展過(guò)程中的挑戰(zhàn)，AI制藥最大的問(wèn)題是，AI藥物是否會(huì)受到與人工藥物同樣的法規(guī)監(jiān)管。

目前，因?yàn)樯�物學(xué)的復(fù)雜性，還沒(méi)有直接的與AI制藥相關(guān)的產(chǎn)品被批準(zhǔn)發(fā)行，AI在制藥行業(yè)主要起到的是協(xié)助作用，包括藥物挖掘、深度學(xué)習(xí)算法分析數(shù)據(jù)以及預(yù)測(cè)新藥有效性等，但這只是AI進(jìn)軍制藥行業(yè)初步的結(jié)果。

在以后，AI將會(huì)更大范圍和更深層次地滲透醫(yī)藥領(lǐng)域。 譬如GSK與指導(dǎo)藥物研發(fā)的初創(chuàng)公司Exscientia在藥物研發(fā)達(dá)成戰(zhàn)略合作，Exscientia通過(guò)AI藥物研發(fā)平臺(tái)為GSK的10個(gè)疾病靶點(diǎn)開(kāi)發(fā)創(chuàng)新小分子藥物，并且針對(duì)這些靶點(diǎn)藥物發(fā)現(xiàn)臨床候選藥物。

在這之前，我們應(yīng)該考慮的是，我們也許在幾年后就可以拿出一個(gè)完全由AI自主研發(fā)的藥物出來(lái)，但是，我們的藥物監(jiān)管法規(guī)是否準(zhǔn)許AI藥物的大范圍發(fā)行，AI藥物對(duì)醫(yī)藥行業(yè)的業(yè)態(tài)又會(huì)產(chǎn)生什么樣的影響？

我們要明確的是，法規(guī)監(jiān)管光看藥物的有效性是不夠的。藥物的有效性是一個(gè)比較特別的概念，在這里，“有效”具有辯證性、相對(duì)性和動(dòng)態(tài)性，并沒(méi)有絕對(duì)的標(biāo)準(zhǔn)。在涉及生命的領(lǐng)域里，容錯(cuò)率低，事實(shí)上的有效并不意味著法律上的安全。在未來(lái)，AI藥物可能會(huì)頗受人們爭(zhēng)議，和如今的轉(zhuǎn)基因作物面臨相同的處境。

醫(yī)藥行業(yè)一直以來(lái)都是國(guó)家重點(diǎn)監(jiān)管的行業(yè)之一，屬于典型的政策驅(qū)動(dòng)行業(yè)。當(dāng)AI藥物出現(xiàn)時(shí)，法律法規(guī)應(yīng)當(dāng)與時(shí)俱進(jìn)，及時(shí)修改完善，甚至針對(duì)AI藥物形成一套其獨(dú)有的法規(guī)制度。