Deep Dive
Shownotes Transcript
欢迎来到会友标局这是一档蚂蚁集团出品的播客栏目我们会和各位心疼老友分享关于蚂蚁的一切和你一起探索科技与商业的未来世界接下来我们请上的是复兴医药执行总裁创新药事业部联席首席执行官全球研发中心首席执行官王兴利先生有请
各位来宾早上好非常感谢组委会给我这机会来跟大家分享一下作为一个心脏内科医生跟药物研发者
对 AI 与药物开发这个过程的一个理解大家都听到了周主席跟大家说的双十的魔咒十年十亿到底是个什么意思呢在这里大家可以看得出来新药的开发哪怕经过几十年的努力大家可以看到
大家也始终打破不了这个十年的魔咒就是从你八点的验证发现一直到最后一个要能够服务于病人这一种所经历的场景跟时间是永远在那放着的为什么会是这样因为它失败率太高了这是一个什么样的行业呢这是一个完全你进入这个行业你就意味着你失败率高于成功率
这么一个高风险的一个行业大家可以看得出来在每一个阶段它的失败率都很高我们做这个选择你说是情怀这是很难说的一个情怀但是我们可以看得出来你在这个行业里选择对了
比你有效的执行来得更重要用玩笑话说就是你要选对了你躺平了都比高效的执行的一个错误的选择要更有效同样双十魔咒其实也给打破了因为最近的一个数字其实是超过 40 亿美元了
就每一个新药上市对于大药企来说已经超过 40 亿美元的花费这也是为什么我们这个药物的这个医疗整个全球的医疗花费在不断的攀升因为本身新的治疗方案新的治疗方法新的药物所需要的投入就巨大而且越来越大从那个投资者角度来说呢你的投资回报率也不是很高而且在逐年降低
这里面我们中国近一二十年也进入了药物创新开发的历程大家或多或少的在不同的阶段都经历这一种所谓的逃不出来的一种魔咒从一开始的基础科研一直到经历的转化到商业化
到市场化每一个阶段你都要经历这个几乎像是死亡一样的一个过程因为大部分企业在不同的阶段呢要么被设购了要么就倒闭了要么就死了同样呢就反映出来我们做药物创新药的这个开发呢
里面会需要我们很多的一个选择这里面游戏近几年来生成式 AI 的出现的应用其实给我们带来一个崭新的希望这里面就是这张图大家可以看得出来按照传统的药物开发我刚才也说了这种灰色的阶段
是 10 年超过 10 个亿的投入但是 AI 的出现待会儿我可以跟大家分享在哪一些阶段哪一些节点可以帮助我们提升效率降低花费缩短时间就是蓝色的这一块不仅可以加速而且可以降低花费
这里面列出来一些在不同的药物开发阶段一些不同的企业所做出的工作这里面我特别要说一下 In silico medicine 就是我们从三四年以前任风总在做我们一起合作开始利用 AI 所设计出来的分子药
在进行临床的开发其中一个已经到了临床一期另外一个我们正在进行的 pre-IND 的一个工作过程在每一个节点每一个药物开发的过程大家都能看得出来我们不同的 AI 的公司在助力整个 AI 的过程整个药物开发的过程这里面给大家一些相对的细节我不知道在座有多少人对药物开发有一定的了解这里面其实有一个很大的
一个点就是决策刚才说了选择其实大于执行就在这里什么样的决策 AI 有什么样的办法能帮助我们在药物开发过程当中做好这个决策做好这个选择在运营方面呢我们刚才说的这个不同的老师在台上也都说了它可以提升这个效率这一点是无众之疑的尤其这个数字化的进展以后一来呢
不仅仅是局限于咱们最近的生成式 AI 其实数字化的使用对于我们每一天的工作对我们的效率也都是起了巨大的作用其实有一个很简单的场景经历过写 protocol 教 NDA 的过程当中所需要准备的 document
你会发现你要用好 AI 可以把你的这个所花费的时间跟人力可以天文数字的我还叫从三个月写成一个 CSR 你可以变成三天甚至三个小时这里面呢 AI 会给我们带来革命性的进展呢这个是我觉得是应该是非常期待的当然了
在目前为止这种工具的完美性跟有效性还都在一直在打磨的过程当中从业务层面上从药物研发刚才说我在这不可能说细节包括把点的发现把点的验证通过这个算法不同的算法通过数据来预测哪一个把点对这个疾病更会有效同样对一些按照传统的
这种的做法呢没法设计出来一些把点的药通过 AI 可以帮着你设计出来大家应该最知道的就是 AlphaGo 最近这几年所产生的影响所以说呢从这个药物开发的整个的链条过程你是列的出来各种不同的这个场景下有一些呢工作已经很成熟了有一些在探索过程当中还有一些呢正在这个就是这个挖掘
尽管很复杂其实呢我们总结一下 AI 对药物开发有几块可以帮助第一就是创新的研发这里面呢包括你对靶点的认可对疾病的认可对病人的选择等等都可以通过 AI 的工具帮着我们做一些正确的就是比较短时间的发现第二部分呢
就是所谓的效率的提升因为这效率提升无论你是 AI 也好不是 AI 也好哪怕一个数字化的工具都可以让你提升效率所以这一点上我觉得我们无论是谁在这个工作上都要完全的拥抱但是另外两个地方我觉得是需要我们做 AI 的同学们同事们再继续努力第一就量化决策问题
刚才各位老师也讲在临床的场景下 AI 代替不了医生因为最终 AI 是工具你要做决定同样我们在药物开发方面大家要是知道的话因为一个企业的成功与否取决于你的管线的组合就是你选择什么样的产品在你的企业里开发但是你怎么选择很大的情况下是取决于老板
拍脑袋的决定听说是拍脑袋其实当然基于他很多科学的经验数据的收集一些分析但是有一样我想在座大家都知道你很难记住超过十个二十个不同的产品的它的机制成功率它的在市场的价值它现在研发的位置所有的这些信息我们靠人脑其实是分析不过来的
这个时候通过 AI 的工具帮助你在全球的信息里面在他们所有的不同层面的信息里面给你提供一个量化的结论一个工具来帮助你来说我这个管线是不是要建我这个产品是不是要开发决策在你手里但是通过 AI 的这种分析跟全球范围的信息的一种拆解可以办你的决策
的成功率提升一些第四点就是这个成功率的提升刚才我说了大家也看到在第一个图上我们每一个节点 phase one phase two 包括 phase three 这个失败率是很高的成功率就是说成功率相对低为什么它不成功有很多原因当然最简单的就是这个药就不对这个机制就不对但有的时候呢它可能是个好药但选病人选错了
有的时候他可能病人选对了但是终点选错了有的时候可能是用药的时间错了或者是治疗的时间不对了这种种种种就光靠我们每一个人的人力的算法判断其实有很多的差异很多时候我记得在全球诺华做负责全球心血管研发的时候
我们一个心衰药成功了我问了一个美国很著名的一个心衰的专家我说这里面你觉得有多大的运气他说全是运气当然他说的有点 exaggerate 为什么他说全是运气呢他说我做了 20 年的心衰的药物开发而且在全球是非常著名的一个心衰专家但是就这一个药成功了为什么他以前傻吗肯定不傻所以这里面呢就是说我们做这个判断
十分的重要因为这个行业它不是你出多少力就产出多少它是你选择错了赛道选择错了病人选择错了把点选择错了这个终点你无论多有效效率越高浪费越多所以说我觉得除了效率提升在 AI 的工具上我呼吁咱们做 AI 的人在这个成功率的提升上在这个量化决策上
帮助我们来助力这两个地方呢我们现在也在跟别人合作这刚才说的各种不同的场景就是这个 AI 技术对研发能力跟生产力的影响这里面呢我给它细化了一些你要不是做药的话呢可能意义也不大
在不同的阶段不同的工具会对你产生很多影响第一就是效率的影响刚才说了包括八点发现你可以把需要三年的工作缩短成一年一年半这里面待会儿你要是在 panel 里面你可以听任总他可以跟你分享到底缩短了多少你也可以挑战他但是我们确实是感觉到他是可以缩短的靠人力还是有局限的
同样呢写作方面在这个我不知道我今年年初去美国参加那个 Bao IT 的时候中国现在这个 AI 公司还没有做到或者没做到特别完美的你要是有一个两三页的 Synopsis 就很简单的你这个 trial 怎么做它这个工具呢可以在就是几分钟之内或者几个小时之内给你生成一个上百页的一个 protocol 这个过程呢
我们自己做过药就是药物开发的人知道他可能花了好几个月你才能做到但是他做的也非常好他为什么做的非常好呢因为他把整个这个 FDA 也好整个监管机构他们所有的相关疾病的 protocol 都在他的这个系统里他通过对比分析觉得你想达到这个目的他用什么最好的办法可以帮你写成所以说这里面这个价值是无穷的大
刚才又说这成功率的事成功率呢待会儿我要跟大家分享一下这个成功率其实是也特别特别的重要我们最近也在跟不同的企业在探讨合作的这一点就是牵扯到精准医疗咱们很多时候有的药尤其做药研发的人知道失败了不代表它不是个好药因为你选错了你做错了但对大部分药企来说失败一个三期很难再回去重复的
也就把一个好药给埋没了所以说成功率的工作刚才我就再说一遍有多重要我特别想说一下这一点就是今年二月份我去美国参加 BioIT 的时候对我触动最大的就是 Digital Twins 这个 Technology 就是你有一个实体的你你有一个虚拟的你这个的价值之大其实可以影响到整个未来医学的进程跟药物开发的进程的
美国在这方面是一个尽国力的投入他们在他们国家实验室 FedRick Laboratory 投入了上百亿他们科学院也出了这个 guidelines 咱们国家现在相对这个比起来还真正在 infancy 在这个特别早期更别说这个 guidelines 了
这个的价值呢其实我们正在探索从这个病人的诊断就是等于说起来的话在真正的治疗实体的你以前先治疗你的虚拟的你发现一个最好的药对你最合适的药这个不是一个神话这是可行的当然所有咱说的这些最重要一点是什么数据数据数据库的质量
我不知道咱们因为我是 2019 年才从那个美国回国在这以前呢我一直觉得中国的数据库呢质量不怎么低这个呢还是你赶不上需要实验积累在英文有个说法 garbage in garbage out 无论你的这个 algorithm 多好你要数据不好你算出来的就不可能对
父亲一样在 AI 方面我们其实已经刚才说三年多以前就跟 Incilico 一起合作来进行早延的开发同时我们这一两年我们也根据跟不同的企业进行一些合作像数字孪生我们现在正在跟中国科学院计算所的同学们就是同事们在进行探讨合作 AI8 点的选择高同量的选择对 low hanging fruit
就是提升效率的这些东西呢我们是义无反顾的大家要是有任何的好的产品也可以推荐我们是肯定会把这个提升效率的所有的 AI 工具用到我们药物开发临床实验整个这个过程因为这个这种工具你不能不用
最后我想强调一下现在在 AI 给我们带来一种革命化的革命性的一个 breakthrough 的一个过程当中首先我们追求是不会变的还是为了病人不是为了工具而工具一定给病人带来相对比较有效的
治疗方法让病人不仅活着时间长要健康地活着时间更长幸福地活着时间更长需要大家打开自己的门路就是来跨生态的合作因为这一点上我当时在 8IT 会上大家都说现在实际上工资最高的人是什么人
是特别懂 AI 的医学家跟特别懂医学的 AI 科学家这两个结合起来最好的人现在很少特别的少哪怕在美国也还非常少你往往会发现你到这种会上你跟他谈不来的你一个医生一个药物开发者跟那个做 AI 的你用的完全不同的语言
同样的反过来也是一样的所以直到这种人才对我们这跨界的人才是最后大家要选择你们有年轻人想选择行业的话这就是你们要选择的行业后十年二十年肯定会特别火那我就说到这里谢谢欢迎来到会友标局这是一档蚂蚁集团出品的播客栏目
我们会和各位心疼老友分享关于蚂蚁的一切和你一起探索科技与商业的未来世界