埃森哲咨询公司报告称，2017年，全球16家顶级生物制药公司的全球总收入为4280亿美元，接近全球收入的一半制药按净销售额计算市场。该报告还显示，针对难以治疗的疾病，人们开始转向使用特殊药物。
人工智能在很多方面都有应用医疗保健广泛地，在。的帮助下人工智能的制药行业美国、全球企业和初创企业正在合作开发新的治疗方法。之前，我们看了人工智能医疗在欧洲的创新在这份报告中，我们特别关注了为制药公司提供机器学习解决方案的欧洲AI供应商。本报告涵盖了跨地区提供软件的供应商三个应用程序:
- 盐和多形态筛选
- 发现单一和双特异性小分子
- 患者与治疗的匹配
我们将从对欧洲制药公司领导人的初步了解开始，并继续评估AI供应商的公司和能力:
欧洲制药行业的商业领袖需要知道什么
这份报告中列出的公司都聘用了强大的数据科学人才，或者是那些有学术资历、能够处理大量数据以建立机器学习模型的人。这对欧洲制药行业的人工智能来说是个好兆头。许多行业都充斥着声称要做人工智能但实际上不可能提供机器学习解决方案的人工智能供应商。这是因为他们不使用数据科学和/或人工智能人才，这是其中之一的经验法则我们在审查一家公司的索赔时使用。
例如，Owkin提供了一个药物建模软件。它聘请了几位在特定人工智能相关领域(如计算机视觉和数据科学)拥有硕士学位的数据科学家。这些数据科学家中的许多人刚从他们的硕士项目毕业，这增加了他们在学校学习机器学习的可能性。
Healx还提供了一个药物建模软件，以及他们的的人工智能2008年获计算生物学博士学位。这对在他手下工作的团队和整个公司来说是个好兆头，因为他的学位表明，他既具备专业知识，又具备人工智能才能，这种情况比较少见。这两个方面对于建立机器学习模型来解决业务问题来说都是至关重要的，正如我们在执行指南中所讨论的，它们通常不会同时存在于一个人的身上，在商业中应用人工智能——主题专家的关键作用。
ex唯科学提供一个基于人工智能的药物发现应用程序。据领英(Linkedin)称，虽然该公司雇佣的数据科学家不多，但却有很多一个他在2015年获得了药理学博士学位和数据科学硕士学位。此外，公司的首席技术官2006年获生物信息学博士学位。因此，我们相信该公司有相当大的可能性提供机器学习软件。
最后，Tesella是一家数据科学咨询公司，雇佣了大量拥有计算机科学和硬科学博士学位的数据科学家。他们的服务已经被用于为制药公司建立机器学习模型，帮助它们更快地进行盐和多形态筛选。考虑到他们团队中博士级别人才的密度，我们认为这家咨询公司很有可能帮助企业建立他们所说的机器学习模型。
盐和多形态筛选
特塞拉
特塞拉是提供数据科学咨询的吗人工智能与数据科学服务。他们声称能够帮助生命科学公司加快发展药物治疗帮助他们建立机器学习模型。
我们可以推断他们声称建立的其中一个机器学习模型是经过训练的与小原子或分子、化学公式及其结合时的行为有关的数据。然后，这些数据将通过机器学习算法运行，以发现哪些低能化合物在结合时表现出稳定性。这将训练算法识别哪些数据点相互关联他们的稳定程度。
这个软件能够预测哪些分子最容易结合在一起形成稳定的化合物，可以应用于新药，以及它们在治疗疾病方面的功效。
特塞拉声称有帮助葛兰素史克(GSK)改进了其盐及多形态药物的筛选工艺。这是药物开发的一个重要步骤，以确定化合物在水中的溶解度、结晶形态和结合稳定性。盐和变形筛选是必要的，以选择最佳的物理形式的药物物质时，它是给病人。它也决定了药物的保质期。
Tessella帮助公司创建了一个机器学习模型来自动化过程，例如液体添加/混合、固体分配、加热/冷却、摇动和样品转移。用户可以在系统中输入筛选的细节，为50到400个实验中的每一个创建协议，包括溶剂或反离子的类型。然后，该系统将根据用户确定的物质纯度和溶解度，计算出要分配的数量。
在筛选过程中，系统收集了拉曼光谱、x射线粉末衍射(XRPD)图形和光学显微镜图像等数据。GSK对数据进行了处理，以识别化合物的多态形式。该系统将实验以数组形式呈现，使用户能够看到趋势并比较结果。数据和最终结果随后由化学家公布。
该案例研究报告称，Tessella开发的自动化筛选过程创建了一致性，以确保测试方法和结果可以被复制，并尽量减少样品之间的污染。新的工作流程还降低了成本，简化了工作，消除了手工记笔记，并集中了数据。
特塞拉还列出了阿斯利康，联合利华，欧创，挪威国家石油公司，克林根，英国石油，牛津大学空间生态和流行病学小组，以及能源融合作为一些他们过去的客户。2015年，该公司被Altran集团收购，交易金额不详。
尼克•克拉克是分析主管在他在Tessella工作了19年，从软件工程师到项目经理，程序经理，预测分析项目经理，目前的职位。他持有博士学位在理论化学从利物浦大学。在此之前,克拉克担任研究员在伯明翰大学和米兰大学。
发现单一和双特异性小分子
Exscientia
Exscientia提供一个药物设计软件它声称能帮助什么制药公司发现可以治疗的小分子和化合物单和双特异性目标疾病使用机器学习。
我们可以推断软件背后的机器学习模型被训练与小分子、化合物及其性质或结合行为、化学配方和目标疾病相关的数据。然后，这些数据将通过软件的机器学习算法运行。这将训练算法识别哪些数据点相互关联结合后显示稳定性的分子，以及它们对特定靶标疾病的疗效。
然后，该软件就能够进行预测当它们被应用于目标疾病时，哪些分子会保持结合。这可能需要也可能不需要用户上传表型数据，如有关患者疾病症状的临床信息，以及人口统计学数据，如年龄、种族和性别事先输入软件。
我们找不到演示视频Exscientia的软件作品。
该公司的网站上也没有官方的案例研究，但在2017年7月，该公司宣布与之签订了一份合同葛兰素史克公司(GSK)研究和发现针对多达10种目标疾病的小分子。报告没有具体说明合同的长度。
协议的一部分是为了减少在发现候选化合物时合成所需化合物的数量。据该新闻报道，ex唯科学打算利用其机器学习算法和大数据资源来设计新分子。报告中没有提供其他细节。
ex唯科学在其网站上解释说，药物的发现双特异性指标使用类似的过程。不同之处在于，化合物的效力必须同时在两个不同的靶点上显示效力。
Exscientia还列出了Evotec、赛诺菲(Sanofi)、住友大研制药(Sumitomo Dainippon Pharma)和苏诺威(Sunovion)作为一些它的客户。公司已经筹集了大约1700万美元的资金来自Evotec和Frontier IP Group，收入约200万美元。
Adrian Schreyer是的首席技术官在他在那里工作了5年。他持有博士学位在结构生物信息学和药物发现剑桥大学。在此之前,Schreyer担任博士后研究助理在他是邓迪大学和剑桥大学的博士后研究员。
患者与治疗的匹配
Healx
Healx是一个英国该公司提供一款名为HealNet该公司表示，这可能会有所帮助制药公司对罕见疾病患者进行药物治疗使用机器学习。
Healx索赔应用程序从中获取数据临床试验并发现患者罕见疾病与可能用于治疗的药物化合物之间的相关性。HealNet数据库包含了7000多种罕见疾病和治疗方法的信息。该数据库由公开和独家来源的信息组成，包括科学文献、专利、临床试验、疾病症状、药物靶标、多组学数据和化学结构。
利用这些数据，该公司声称将开发出结合药物和保健品的潜在疗法，因为机器学习可以预测哪些化合物可以很好地协同工作。该公司的网站没有详细解释这是如何工作的，但我们可以推断，这是在算法搜索数据库，寻找与正在进行的临床试验或正在研究的罕见疾病具有相似属性的数据时完成的。
然后，这些算法可能会将患者的生理状况与一组鲜为人知的治疗方法联系起来，并根据成功的可能性对这些组合进行排序。该算法还可以预测已知的其他疾病的药物治疗是否可以用于治疗罕见疾病，这一过程被称为药物再利用。
Healx声称有帮助FRAXA研究基金会识别和验证已批准的药物，这些药物可用于治疗被称为脆性X综合征的遗传性疾病。尽管进行了广泛的研究，但尚未发现有效的治疗方法。这个项目正在帮助基金会加快对病人的治疗。
8名被重新利用的候选人被确定接受为期6个月的治疗。Healx鉴定出的化合物之前没有针对脆性x进行过测试。该项目还发现了新的潜在治疗方法。
根据这项研究，有几个候选人显示出了进步。一种是进入2a期试验。据该公司称，Healx的工作加快了药物发现过程，从项目开始到2a期临床试验的时间安排为18个月。Healx和FRAXA研究基金会还在两项进一步的项目上进行合作，以识别脆性X综合征的药物组合和生物标志物。
Healx没有列表其他客户但引起了1190万美元的资金来自Amadeus Capital Partners、Balderton Capital、Jonathan Milner和Pitch@pPalace。
伊恩•罗伯茨是的首席技术官在Healx。他持有博士学位在生物学与生物科学从剑桥大学。在此之前,罗伯茨担任创始人在断言信息学，人口遗传学信息学主任，14M基因组学高级生物信息学专家。
Owkin
Owkin是一个法国该公司提供的数据集名为苏格拉底该公司表示，这可能会有所帮助研究机构、生物医药和制药公司创建预测模型优化药物开发使用机器学习和深度学习。
Owkin索赔医学和制药研究人员、医生、生物学家和其他非机器学习专家可以使用该应用程序来执行他们的ai驱动的项目，并开发预测算法模型。
该应用程序的算法已经过预先培训，并与结构化和非结构化数据混合使用，如:
- 文本报告从咨询，手术，放疗
- 医学影像、放射治疗和组织学
- 生物测量，如生物化学和基因组学
该公司没有描述用户如何与应用程序交互，但表示，算法模型可以通过搜索数据库中与患者数据具有类似属性的数据，发现生物标记，即生物体中的物质，可以指示疾病、感染或环境暴露。这使得研究人员能够找到生物标记。发现这些生物标志物可以:
- 帮助诊断病人
- 预测疾病的严重程度或复发的风险
- 预测病人对新药的潜在反应，并在需要时改进治疗方法。
Owkin没有展示其软件工作原理的演示视频，也没有在其网站上列出任何案例研究罗氏、安进、居里研究所、INSERM和西奈山。作为一些它的合作伙伴。公司筹集了一千八百一十万美元来自GV、Otium Venture、Cathay Innovation、即插即用和NJF Capital。
Gilles德国是联合创始人兼首席科学官在Owkin。他持有博士学位在包括应用数学、物理、生物和经济学在内的交叉学科从巴黎综合理工学院。在此之前,德国的担任助理教授在巴黎高等师范学院。
德国HygroMatik公司提供的图片
