“现在的医生每天要花30~40%的时间记录病历……”

“它就像一个基于机器学习的指南针，指导着药物开发过程中的每一步”

“您越是能够构建强大的数据驱动的临床终点来确定患者是否对治疗有反应，您就越能加强临床试验”

“即使机器学习已经能够提供巨大的价值，当人们发现过度炒作的承诺无法兑现时，它仍然会伤害这个领域”

1.从寻找目标和化合物，到确定最有可能受益的患者群体，制定临床试验标准，招募临床试验受试者，跟踪他们的疾病进展，以及决定在实际应用中为哪些患者开出药物，数据技术可以应用于新药研发过程中的许多不同环节。

2.考虑到医疗健康行业的规模，即使是5%-20%的效率提升，也足以带来巨大的变化。

3.目前人工智能领域还处于发展初期，业界需要对此有一个正确的预期。它的潜力需要很多年才能实现，之前的过度炒作反而会阻碍这个领域的发展，而不是促进它的发展。

在最近结束的“2022药明康德(603259)健康产业论坛”上，来自投资机构、医疗系统、前沿公司的四位行业领袖就当前人工智能(AI)、机器学习(ML)等前沿技术对医疗健康领域的影响进行了热烈的讨论，并指出了前沿技术在改变现有医疗、推动新药研发和临床试验方面的多重机遇。

人工智能近年来成为生物医药行业的焦点。与会专家表示，人工智能可能会及时影响医疗健康领域的方方面面。insitro首席执行官达芙妮柯勒博士认为，机器学习和AI工具对产业链的影响就像电脑对产业链的影响一样，涉及所有领域。具体来说，人工智能的影响可以体现在以下几个方面。

创新临床护理

目前，在医疗卫生系统中，影响医疗效率的因素仍然很多。例如，美国克利夫兰诊所首席数字官Rohit Chandra博士说，现在的医生每天有30-40%的时间用于记录病历，这意味着他们无法利用这些时间来治疗病人。有限的医疗资源意味着许多需要治疗的病人无法得到治疗。

人工智能可以帮助医生在一些重复性的工作上花费更少的时间，从而可以将更多的时间投入到对患者的诊断和治疗中。钱德拉博士还指出，智能算法可能会通过分析患者的症状来找到最需要治疗的患者，并为他们匹配合适的医生，从而使他们获得最佳治疗。“我们每天护理2.5万到3万名患者，[人工智能]可以让我们更公平地为更多患者服务。在我们的规模水平上，5%、10%和20%的效率提升可以产生重大影响。”人工智能在改善现有医疗保健方面的另一个作用是帮助将精准医疗与诊断联系起来。精准医疗已经成为新药研发的重要模式和趋势。伴随诊断帮助医生找到适合精准药物治疗的患者，并给他们正确的处方。Andreessen Horowitz的普通合伙人Vineeta Agarwala博士表示，她认为陪伴诊断的概念值得在整个医疗健康领域推广。未来的数字化诊断，或者说是将患者与疗法相匹配的创新技术，是精准药物新药研发与医疗环境下精准治疗实现的桥梁。

促进新药的发现和开发。

新药的开发是一个漫长而耗时的过程。柯勒博士说，很多时候我们很难确定哪条路可以通向成功。在她看来，数据技术可以用于新药开发的每一步，从寻找靶点、寻找化合物，到确定最有可能受益的患者群体并跟踪他们的疾病进展。以便在实际应用中最终为哪些患者开出药物。“它就像一个基于机器学习的指南针，指导着药物开发过程的每一步。技术使我们能够以更好的机会和更快的速度找到哪条路是正确的。”柯勒博士说。

临床试验是新药研发中特别耗时耗力的环节。数据技术可以在许多方面促进临床试验的设计和实施。Agarwala博士表示，基于数据和人工智能的患者招募标准可能比目前临床试验的招募标准更广泛，允许临床试验包括更多样化的患者。重要的是这些标准是有数据支持的，这样我们才有信心在大型临床试验中使用。

柯勒博士指出，除了根据数据更有效地对患者进行分组，改善临床试验的终点也是人工智能大有可为的地方。例如，使用机器学习分析患者的组织学数据构建的临床试验终点可能比传统的临床终点更详细，更好地预测患者对所研究药物的反应。在神经科学适应症中，患者的反应本身是主观的，在这些领域中，数据更重要。“你越能构建强大的数据驱动的临床终点来确定患者是否对治疗有反应，你就越能加强临床试验。”柯勒博士说。

实现潜力还需要时间。

与会者还指出，对人工智能有一个正确的预期，过度的炒作不仅不会促进它，反而会阻碍这一领域的发展。Agarwala博士表示，阻碍这一领域发展的原因之一是，一些人会声称他们可以仅仅通过机器学习来开发新药。这样的话不仅难以理解和分析，还会让很多人产生怀疑。经历过AI领域大起大落的柯勒博士指出，即使机器学习已经能够提供巨大的价值，当人们发现过度炒作的承诺无法实现时，它仍然会伤害这个领域。当谷歌风险投资(GV)的投资合伙人本罗宾斯(Ben Robbins)博士提出人工智能的应用处于炒作周期的哪个阶段的问题时，柯勒博士直言，就人工智能在药物发现和开发中的应用而言，她认为我们仍处于炒作周期的早期阶段，这也让她感到担忧。

“机器学习可以对药物开发过程做出越来越大的贡献，然而，这需要多年的努力。它需要多个机器学习模块之间的合作，以及人类在设计实验、生成数据和解释机器学习结果方面的帮助……“博士……”柯勒说。人工智能和科研人员的合作是新变化的关键。