在中文科技媒体的世界里，日本的人工智能产业就像是“薛定谔的AI”，有时候它是值得学习的好榜样，有时候又会被拎出来吊打。

　　确实，日本在这两年的全球人工智能热中，似乎并没什么多少存在感，以至于看起来像一个“没落的发达国家”，甚至“远远落后于中美”。

　　其实，当中国还在为ABCD（人工智能、大数据、云计算、物联网）这些新概念搞得晕头转向之际，日本也在科技创新闷声发大财。

　　比如2016年，日本NEC公司就将AI引入了新药研发，短时间、低成本地发现了一种可以治疗肝癌和食管癌的疫苗。而中国的创新药物，目前还停留在提取中药有效成分优化合成的思路，还有部分属于仿制药。

　　这么说并不是在妄自菲薄，而是希望思考这样一个问题，既然中国在AI技术上并不逊色，是不是也能利用人工智能，为制药产业另辟蹊径呢？

　　其实利用机器来开发新药，也并不是什么新生事物。早在1981年，美国《财富》杂志就对计算机辅助的药物发现进行了专题报道。到了2000年，利用机器人进行“高通量筛选”已经被用来快速测试数百万种化合物。

　　可惜的是，过去二十多年的计算机、大数据等基础条件都不够成熟，并未能真正解决研发流程的低效问题，因此进展缓慢。

　　不过，现在人类世界早已拥有了足够的算力，包括商业云服务，并且拥有大量数据来训练算法模型。那么这次，AI能取代计算机在新药研发领域大展拳脚吗？

　　首先，对于任何国家的医药企业而言，新药研发都是一项不菲的支出。据日本制药工业协会统计，目前每种新药研发大约需要10年时间，所耗经费高达1200亿日元。即便如此，成功率只有2万至3万分之一。而人工智能则能把新药的研发周期缩短一半甚至三分之二，而费用则有望减半。

　　加上日本老龄化不断加重，医疗需求大增，在这样的大环境下，依靠人工智能来驱动医药产业转型，加快更有效的新药问世，就成了绝对的“政治正确”。

　　那么，由谁来做呢？2016年，日本政府就打造了一个研究联盟，帮助国内公司和机构使用日本K超级计算机，来提高药物发现效率，日本70家制药厂商和IT相关企业都参与其中。

　　其中就包括了Takeda、Fujitsu、NEC、京都大学医院、日本理化学研究所，以及提供临床资料的日本国家研究发展研究所等种种“产学研”协同作战的关键机构。

　　目前看来，AI可以在新药研发的链条上全面做功。从锁定致病的蛋白质、筛选有效的药物成分、评估药物成分的安全性、到临床实验确定药效，这些环节都可以由AI来参与。

　　日本眼药巨头Santen就与科技公司twoXAR合作，利用AI技术来确定针对青光眼（glaucoma）的候选药物。有了更少、更精确的搜索范围，研究人员可以节省数百万，甚至数十亿。

　　NEC公司的人工智能系统“NEC the WISE”，就将机器学习与医学实验结合起来，创造了“免疫功能预测技术”，能够在短时间内发现潜在疫苗肽。2014年，NEC就利用这项技术发现了一种有望治疗肝癌和食管癌的疫苗，并且符合日本人的遗传特征。

　　人工智能可以省下数亿美元的科研经费，也能省下数千个不必要的工作日。在今天医药行业，处处都能听到类似的声音。

　　这还真的不是我们不努力，而是日本在AI与新药研发的结合上，有着先天优势：

　　在日本，制药产业想要取得高回报、高估值，需要非常漂亮的利润率来支撑。做低成本、没定价权的仿制药，只能拼成本，显然不可能有很高的利润。这就使得企业更愿意将精力和资金投注在疗效更优、更有溢价能力的创新药上。

　　目前日本大企业的研发投入基本都在营收的20%左右。武田、盐野义制药、第一三共和安斯泰来等，每年投入数十亿美元进行研发，这就为新技术的引入奠定了坚实的产业根基。

　　我们知道，应用人工智能的前提是有足够庞大的数据集进行训练。早在2001 年，日本就推出了“e- Japan（电子日本战略）”，通过网络信息技术实现了医疗保健服务的全面数字化。这就使得医疗机构间的信息得以流通和共享，从而促进数据的分析利用。

　　到了AI时代，日本国家信息学研究所NII还构建了一个 “大数据云平台”，利用基于人工智能来分析医学成像数据。

　　总之，公共的数据量不断增加，以及制药公司越来越愿意分享他们的数据，才能让AI有东西可挖。

　　日本AI制药还有一个很好的基础，就是从90年代开始，日本东京大学、早稻田大学等20多所大学，都已经设立了人工智能专业。

　　人才成为日本在人工智能制药领域保持竞争力的关键。比如东京大学医学研究所就在宫野聪教授的指导下，使用AI系统为每个病人寻找最佳的癌症药物组合。在庆应大学，黑田大一教授领导的小组也已经开发出一种能够检测尿液中肺癌的人工智能，准确率高达为90%。

　　要知道，数字化的人才很难由制药产业当中自己培养出来，而从大学校园里萌生的人工智能研究，使得日本制药产业萌生利用AI的念头之后，能获取源源不断的人才输出，让产业融合成为可能。

　　首先，数据过剩与算法不足。制药企业需要集成大量数据来使程序具有更高的预测能力，还需要组合应用NLP来对生物特征做分析判断，从中发现化合物之间潜在的关联。但是，目前并没有太多优秀的算法和技术解决方案可供选择。

　　其次，数据质量参差不齐。由于过去的医疗技术相对落后，采集的医疗数据难免会存在一定错误。如果将错误数据引入AI学习的数据库，显然会给AI学习带来困扰。如何保证数据库的质量标准化，目前还是一个尚未被攻克的问题。

　　癌症

　　而最重要的是，即便是AI，也难以解决研发过程中的不确定性。人体本身的复杂性，决定了在研发的众多关键环节，研发人员自己也无法说明白要用AI实现什么样的功能来达到何种目的。结果就是，目前的药物发现范式核心还是依赖于研究人员本身的创造性，新药物发现的时间没有缩短，成本也没有变得更低。但AI又是真金白银的投入，药企只能负重前行。

　　尽管利用AI研发新药困难重重，至少日本已经表达出了强烈的意愿和执行力，在人工智能时代为自己争取了更多的主动权和可能性。

　　长期以来，新药资讯新药研发都是困扰中国制药产业的老大难问题。那么，人工智能的到来，会不会让传统制药产业出现新的变数呢？

　　中国药企的很多药品配方都是从传统中医药中借鉴提炼二来的，大多以复方药为主。如果能把每个成分研究的很透彻，那么一个复方药就可以开发出很多单方特效药。比如屠呦呦发现的青蒿素治疗疟疾的可能性。

　　然而很多中国医药企业并不具备对复方药进行精细化研究的能力，只能靠大全方集体做功，这就导致很多可能有效的成分难以被二次开发。

　　但是，利用人工智能来识别那些有潜力作为药物标靶的成分，就让事情变得简单多了。

　　目前，已经有一些新的算法模型被创造出来，通过深度神经网络，对药物分子的关键特性进行有效预测，大大推进研究进程。

　　目前行业已经达成共识，随着AI被证明比以前的研究方法（ADME、动物毒素、临床安全性等）都要有效，那么它将取代传统优势，成为医药企业的新赛点。很有可能，未来没有被AI模型跑过的药物都没法进入临床实验。

　　新的算法应用，为新药研发提供更丰富的解决方案的同时，也令长久以来严丝合缝的医药商业模式出现了裂缝。

　　这真不是在异想天开。目前中国的AI医药研发公司晶泰科技，就已经与世界顶级药企辉瑞制药（PfizerInc.）就AI药物算法展开合作。

　　都说“最新的画布才能画出最美的图画”，这么看起来，在AI技术上超越日本的中国，似乎还真有可能在制药领域 “弯道超车”？

　　别说AI需要很大的技术和资金投入，企业能不能等到摘桃子的那一天都难说，就是高质量的医疗数据，都已经够让制药企业头疼的了。

　　高质量的医疗数据和深度挖掘，一定是建立在广泛而深度的医疗物联网基础上的。加速医疗企业的数字化，包括对个人的个性化健康数据的采集，才能让生物制药、精准医疗成为可能。

　　而更重要的，还是意识上的转变。无论AI和制药，都不是可以单打独斗的游戏。什么时候各大药企意识到大多数情况下不是在直接竞争，甚至需要为了未来协同合作，才能形成真正意义上的研发合作，打破数据垄断，通过信息共享为新药研发注入真实的技术力量。

　　目前，医疗已经成为国内AI创投最火热的方向之一。仅在新药发现领域，就有晶泰科技、深度智耀、智药科技、亿药科技等公司陆续拿到了风投。在产业端，腾讯也将药物发现融入了自己最新的医疗超级大脑之中，为药企提供技术支持。

　　总而言之，友邻日本，不仅在地域和风土上和我们极为相似，也一样深具忧患意识。

　　他们像忍者一样，看似八风不动韬光养晦，却正在核心力量的推动下经历一场几十年来最彻底的医药技术革命。

　　或许用达尔文的一句话来形容它更为贴切：自然界生存下来的物种，不是四肢最强壮的，也不是头脑最聪明的，新药资讯而是有能力适应变化的。

　　相比日本的低调，中国AI产业鲜花着锦一般的热闹背后，片面化的认知幻觉或许会麻痹我们的神经。不断对技术保持敏锐和饥渴的能力，才能真正将技术的甘霖化为丰收。我们能从霓虹国的AI+新药开发中学到什么？——资讯一鸣网——让发生的发声？新药资讯临床试验招募