隨著無(wú)人駕駛出租車在美國(guó)開(kāi)展測(cè)試與部署，科幻小說(shuō)中描述的無(wú)人駕駛場(chǎng)景正一步步走向現(xiàn)實(shí)，并有望徹底改變整個(gè)交通運(yùn)輸行業(yè)。此外，高盛、摩根大通以及摩根士丹利等金融企業(yè)在過(guò)去一年中都在積極擴(kuò)展自身數(shù)據(jù)與技術(shù)團(tuán)隊(duì)，深化AI技術(shù)的應(yīng)用。各大巨頭態(tài)積極部署AI技術(shù)項(xiàng)目，幫助自身在競(jìng)爭(zhēng)當(dāng)中脫穎而出。

從目前來(lái)看，AI技術(shù)的應(yīng)用范圍已經(jīng)非常廣泛，各個(gè)行業(yè)可謂概莫能外——制藥行業(yè)自然也在其中。

可以肯定的是，AI技術(shù)確實(shí)在制藥行業(yè)中具有巨大的發(fā)展機(jī)遇。部分行業(yè)巨頭已經(jīng)開(kāi)始嘗試針對(duì)多種不同目標(biāo)實(shí)施AI策略，并為最終有望全面到來(lái)的行業(yè)轉(zhuǎn)型奠定基礎(chǔ)。

>>> 臨床試驗(yàn)選擇

藥物的市場(chǎng)投放是一個(gè)昂貴且漫長(zhǎng)的過(guò)程。2017年，塔夫茨藥物開(kāi)發(fā)研究人員的調(diào)查顯示，單一藥品的平均上市成本為27億美元，且數(shù)字仍在不斷增加。臨床試驗(yàn)占據(jù)研發(fā)成本中的很大部分比例——盡管研究人員投入了大量資金，但仍然經(jīng)常出現(xiàn)項(xiàng)目延后以及較高的失敗率。CB Insights的一項(xiàng)調(diào)查顯示，臨床試驗(yàn)延后的最大原因來(lái)自人員招募環(huán)節(jié)，約有80%的試驗(yàn)無(wú)法按時(shí)找到理想的試藥志愿者。

與其他傳統(tǒng)技術(shù)相比，IBM Watson等AI技術(shù)使得臨床醫(yī)生得以更快、更高效地找到合適的患者進(jìn)行臨床試驗(yàn)。在這類場(chǎng)景下，AI技術(shù)不僅通過(guò)加快選擇過(guò)程幫助制藥企業(yè)節(jié)約時(shí)間，同時(shí)也能夠確保候選人具有合適的條件，最終節(jié)省金錢(qián)并減少潛在的失敗試驗(yàn)數(shù)量。

>>> 藥物依從性

臨床試驗(yàn)中的一大重要部分，在于嚴(yán)格遵守協(xié)議。簡(jiǎn)而言之，如果志愿者未能遵守試驗(yàn)規(guī)則，那么必須將相關(guān)數(shù)據(jù)從集合當(dāng)中刪除。否則，一旦未能及時(shí)發(fā)現(xiàn)，這些包含錯(cuò)誤用藥背景的數(shù)據(jù)可能嚴(yán)重歪曲試驗(yàn)結(jié)果。此外，保證參與者在正確時(shí)間服用正確的藥物，對(duì)于維護(hù)結(jié)果的準(zhǔn)確性也同樣重要。

AI支持下的人臉識(shí)別技術(shù)已經(jīng)被用于多種不同應(yīng)用場(chǎng)景，包括在Snapchat等社交聊天軟件上提供美顏濾鏡，以及為用戶提供獨(dú)特的生物識(shí)別“密鑰”以增強(qiáng)安全性等等。

AiCure等SaaS平臺(tái)已經(jīng)開(kāi)始采用這項(xiàng)技術(shù)，希望解決之前提到的藥物依從性問(wèn)題。通過(guò)人臉識(shí)別，該平臺(tái)能夠判斷出某人是否服用過(guò)藥物以及劑量是否合適。在這套平臺(tái)的幫助下，參與者的依從率快速提升至90%。

>>> 罕見(jiàn)疾病藥物研發(fā)

自由市場(chǎng)的規(guī)則，促使各大制藥企業(yè)開(kāi)發(fā)出能夠服務(wù)于大規(guī)模人群的藥物。在另一方面，由于缺乏成本效益，針對(duì)罕見(jiàn)疾病開(kāi)發(fā)治療方法的嘗試，長(zhǎng)期以來(lái)一直沒(méi)有得到應(yīng)有的重視。

美國(guó)食品藥品監(jiān)督管理局（FDA）以及歐洲藥品管理局（EMA）在這一發(fā)展當(dāng)中提供動(dòng)力，并嘗試?yán)肁I技術(shù)幫助應(yīng)對(duì)這一挑戰(zhàn)。美國(guó)的初創(chuàng)企業(yè)已經(jīng)在利用機(jī)器學(xué)習(xí)算法，嘗試整合來(lái)自一系列數(shù)據(jù)源的大量數(shù)據(jù)，包括臨床試驗(yàn)、專利日志以及其他科學(xué)數(shù)據(jù)與文獻(xiàn)，旨在重新利用現(xiàn)有藥物將其應(yīng)用于各類較為罕見(jiàn)的疾病。

在波恩大學(xué)公布的最新研究當(dāng)中，科學(xué)家們發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)比較病患照片，據(jù)此更高效、更可靠地診斷各類罕見(jiàn)疾病。該軟件能夠從照片當(dāng)中檢測(cè)出與某些疾病相關(guān)的特定面部特征，將該信息與其他遺傳及患者數(shù)據(jù)結(jié)合起來(lái)，并與可能性最高的疾病進(jìn)行比對(duì)。

>>> 企業(yè)間諜與黑客行為

由于藥物開(kāi)發(fā)成本過(guò)高，制藥行業(yè)的知識(shí)產(chǎn)權(quán)自然具有不可估量的極高價(jià)值。因此，根據(jù)今年早些時(shí)候NTT Security進(jìn)行的研究，醫(yī)療行業(yè)成為遭受網(wǎng)絡(luò)攻擊最多的前五大行業(yè)。

此項(xiàng)研究首次發(fā)現(xiàn)，最常見(jiàn)的攻擊類型主要是基于偵察類攻擊，占對(duì)醫(yī)療行業(yè)攻擊總數(shù)的44%。實(shí)際上，在EpiPen在2016年提價(jià)之后，一群黑客竊取了相關(guān)專利數(shù)據(jù)，意味著偽造者能夠創(chuàng)建出更便宜的自制設(shè)備，甚至提供在線“操作方法”分享視頻。

網(wǎng)絡(luò)安全對(duì)于各個(gè)行業(yè)都是一個(gè)日益嚴(yán)重的問(wèn)題。隨著黑客將攻擊矛頭指向極具價(jià)值的專利與設(shè)計(jì)，期望從中獲利，這方面威脅在醫(yī)療行業(yè)中的嚴(yán)重程度也在快速提升。

作為回應(yīng)，網(wǎng)絡(luò)安全行業(yè)開(kāi)始整體部署AI技術(shù)，希望應(yīng)對(duì)這一迫在眉睫的威脅。前文提到的生物識(shí)別安全（例如人臉識(shí)別）已經(jīng)被廣泛用于制藥行業(yè)中的敏感數(shù)據(jù)保護(hù)，而AI驅(qū)動(dòng)算法則讓安全人員能夠通過(guò)集成大量安全數(shù)據(jù)的方式，實(shí)時(shí)檢測(cè)來(lái)自世界各地的威脅活動(dòng)。

>>> 總結(jié)

制藥行業(yè)已經(jīng)在大規(guī)模AI解決方案的實(shí)施方面邁出重要一步，對(duì)于其他與制藥業(yè)類似的大規(guī)模行業(yè)，AI技術(shù)的潛在應(yīng)用同樣非常廣泛。

為了推動(dòng)這一至關(guān)重要的發(fā)展潮流，制藥行業(yè)需要采用正確的技術(shù)與工具，確保相關(guān)系統(tǒng)能夠及時(shí)高效地捕捉、集成、分析以及解釋多種不同增長(zhǎng)的數(shù)據(jù)集。除此之外，AI技術(shù)也有望從開(kāi)發(fā)到試驗(yàn)，有效保障新藥與療法在專利與設(shè)計(jì)層面的安全。這一切，都將給制藥這一歷史悠久且至關(guān)重要的行業(yè)帶來(lái)前所未有的變革。