有几个因素对AI的制药行业的发展作出了贡献。这些因素包括：增加的尺寸和更大的多种类型的生物医学数据集，如电子健康记录的使用量增加的结果。
我们研究了在制药空间利用AI来更好地了解该技术发挥作用的行业，并回答下列问题：
- 什么类型的AI应用目前在制药业？
- 什么切实的成果已在AI驱动的制药？
- 是否有这些努力创新中的任何共同的趋势？这些趋势如何影响药品的未来？
本报告涉及的公司在制药空间以下四个应用程序提供软件：
- 预测治疗结果
- 药物设计
- 数据预处理
本文旨在提供商业领袖在药店空间的他们目前可以期待爱在他们的行业的想法。我们希望这份报告可以让企业领导者在制药他们可以放心地传递给他们的管理团队，使他们能够考虑AI收养时做出明智的决定加纳的见解。最起码，这份报告旨在减少药品花费的时间商界领袖研究AI公司与他们可能（或可能不）感兴趣的工作。
预测治疗结果
GNS保健
GNS医疗提供了逆向工程和正向仿真(REFS)是一款机器学习软件，它可以自动完成以前需要反复试验的工作，使药物干预与患者个体相匹配。
该公司声称REFS-generated机器学习模型能够预测可能的药物治疗病人的反应通过推断可能之间的关系可能影响结果的因素,如身体的能力吸收的化合物,这些化合物的分布到全身,一个人的新陈代谢。
要做到这一点，裁判算法反向工程师发现，正在影响着患者对药物的反应元素。它指的是它的数据库中查找在医疗报销，实验室结果，和电子健康档案，其中包括发现基因组学和遗传学信息和模式。据该网站，REFS算法将搜索都在影响着患者对药物治疗的反应元件的可能的组合，并与患者的情况进行比较。
该算法然后运行仿真和多问“有什么关系？”的问题，直到用户可以决定哪些药物治疗可能会产生最好的结果为每个病人，基于逆向工程的过程揭示了什么。
在下面的4分钟视频中，CEO科林·希尔(Colin Hill)解释了REFS如何使用电子病历、患者注册表、声明和其他数据源中包含的以前治疗的数据，从而使机器学习能够更好地预测药物治疗的结果。
该公司没有现成的案例研究，但宣布与安进和联盟的合作临床t里亚尔这将应用REFS来确定驱动对Panitumumab反应的因素，Panitumumab是Amgen治疗转移性结肠直肠癌患者的药物。
另一个客户,SomaLogic，获得了将REFS应用于som的somascan衍生蛋白数据集的许可。该协议旨在利用REFS算法从SomaLogic的蛋白质数据中获得意义，用于个人和人群健康管理。
GNS也声称Alexion和Sema4是它的客户。它引起了54.3美元资金来自亚历山大房地产股票和安进风险投资等。
布鲁斯教堂该公司首席数学官负责进一步开发REFS的机器学习算法，并领导新产品和技术的开发。此前，他在康奈尔大学工作了10年，研究计算蛋白折叠的全局优化方法。他还担任主要的研究经费，包括能源部提供的250万美元的经费。布鲁斯在康奈尔大学获得了应用物理学博士学位。
药物设计
Atomwise
Atomwise发达AtomNet技术,深度学习神经网络在基于结构的药物设计和发现中的应用。
该公司声称，他们的技术是基于卷积神经网络 - 相同的技术力量面对和语音识别与自动驾驶汽车。
该公司没有描述应用程序如何用于药物设计的确切过程，但我们可以推断，研究人员使用的应用程序实际上结合了原子，以产生可能的分子。该公司声称，其算法经过训练，可以处理和分析数十亿个原子，以找出哪些原子会结合在一起，然后在电脑上模拟它们的测试，如下面的视频所示:
该公司解释说，虽然其他技术用户呈现的2D像素具有红色，绿色，和蓝色通道，AtomNet表示分子 - 蛋白作为3D像素与碳，氧，氮和其它原子结合的通道。这种表示列车AtomNet学习的分子结合的特征，并避免手工调整和“过度参数化”来表达的系统，过程，或模型方程，根据该公司。
在2015年，Atomwise多伦多和IBM的大学合作开发埃博拉病毒感染的治疗方法这在一些非洲和欧洲国家以及美国造成了大约11310人死亡。Atomwise提供了进行药物研究的人工智能技术，多伦多大学(University of Toronto)提供了关于这种病毒的生物学洞见，而IBM提供了64,000 cpu的Blue Gene/Q超级计算机。
在药物发现过程中，Atomwise限定的区域，调查潜在的小分子。然后，该区域中筛选结合糖蛋白分子。该化合物已经有了患者使用的安全数据，并能够迅速提出了临床试验。使用AtomNet系统，团队分析和预测是有可能结合到糖蛋白分子。
多伦多大学在体内测试了这些化合物。被鉴定的化合物原来没有抗病毒活性。这表明AtomNet能够识别新药的用途。
该公司声称拥有默克，多伦多大学，艾伯维，药品药品的杜克大学法学院被忽视疾病倡议和Autodesk作为合作伙伴。它已收到5130万美元在的B资本集团，Y Combinator的，百度，数据集体，腾讯控股，杜比家庭Ventures和孟山都成长创投资金。
香港t阮他是Atomwise的首席科学家，负责药物研发的深度学习项目。他拥有伯尔尼大学计算机辅助药物发现的博士学位。在他职业生涯的早期，他曾在加州大学旧金山分校和结构基因组学协会担任博士后研究员。
Insilico医学
in硅酸盐医学推出了它Pharm.AI项目，该公司声称可以建立，训练，出售或许可使用其深层神经网络解决方案，以制药和生物技术公司，以及学术界。
根据创始人兼CEO本公司没有透露其提供的确切过程，但亚历克斯·黑文罗恩科弗在美国，该公司主要应用生成对抗网络(GAN)和强化学习算法来生成新的分子结构，并找到疾病的生物学起源。
GAN是人工智能的一个分支，当生成器生成真实图像时，鉴别器试图识别哪个是假的，从而提高生成图像、视频和文本的准确性。该公司首席执行官的资料解释说，该公司在肿瘤学、纤维化、皮肤病学和衰老等领域使用这种人工智能方法。与此同时，强化学习是一种机器学习方法，算法在执行一个动作后得到奖励。
该网站解释说，这些人工智能方法被用于开发生物标志物、药物发现、计算机模拟和验证系统的新思路。
下面这段四分钟的视频解释了lnsilico使用人工智能来帮助制药公司改善研发过程，开发辅助诊断，并改善临床试验注册实践。该公司声称将收集年轻、中年、老年和高龄患者的人体组织来建立自己的数据，这些数据可以用来训练其他数据集。
该公司还收集和比较健康和疾病的组织，以识别老化过程中的模式和疾病，以帮助开发药物治疗，并通过药物评分来评估药物的有效性。视频还说，使用人工智能可以减少动物试验和人类临床试验。
该公司还开发和发放许可证生物标记物以及治疗癌症和与年龄相关疾病的药物发现工具。根据美国国家生物技术信息中心，生物标记是可以测量和评估的医学特征，以显示正常的生物过程、致病过程或对药物干预的反应。
该公司没有提供任何案例研究，但宣布了一项多年的协议少年时期的人工智能有限公司。开发一种能够加速新药开发的人工智能引擎。
该公司去年也宣布了这一消息协作Insilico完成试点项目后，与GSK一起改善药物发现过程。在合作的初始阶段，葛兰素史克将评估Insilico在识别疾病生物起源方面的人工智能能力。没有提供其他细节。
Insilico还将ChemDiv、Life Extension、BioTime、Bitfury列为客户端。insilicon从A-Level Capital获得了2000万美元的资金。A-Level Capital是由约翰霍普金斯大学(Johns Hopkins University)的校友和学生创立的一个早期风险投资基金，旨在支持由约翰霍普金斯大学(Johns Hopkins University)的校友、学生和员工创办并领导的创新企业。
Insilico医学之前，Zhavoronkov是首席科学官Biogerontology研究基金会，国际衰老研究投资组合的主任，国际兼职教授物理及技术的莫斯科研究所，等等。他拥有罗蒙诺索夫莫斯科国立大学物理学博士学位。
Nuritas
Nuritas声称已经开发出一种机器学习应用程序，它的发现和解锁自然发生的食物源的生物活性肽。肽是氨基酸潜在地提供治疗溶液的链。
该公司声称，它将人工智能和DNA分析结合起来，以发现不同食物来源中具有治疗性质的成分，包括对慢性代谢疾病的管理。
目前还不清楚需要什么输入或什么样的互动的用户与应用程序，但下面的视频解释说，Nuritas’应用程序通过自动在各种食物来源肽搜索降低了数以千计的试验和错误的时间。
这项技术也被用来标记疾病，这有助于算法更快地搜索它们的起源。一旦预测或发现了这些肽，研究小组就可以从食物来源中释放这些肽，用于开发治疗方法。
该公司根本不提供案例研究，但已收到约$ 28日万从爱尔兰企业，Cultivian沙盒创投，欧盟，贝尼奥夫，VisVires新的蛋白质，阿里·帕托维，爱尔兰企业局和国家发改委的资金。
它还签署了一项协议雀巢去年2018年4月利用人工智能技术发现生物活性肽。根据该协议，Nuritas将部署其应用程序来预测、解锁和验证天然食品来源的多肽。雀巢将运用其科学知识和技术来验证多肽的具体应用效果。
Nuritas还声称巴斯夫作为另一个客户机。
诺拉Khaldi是方正和Nuritas的首席科学官。在此之前Nuritas，她在都柏林大学学院的研究员。她拥有在都柏林三一学院在生物信息学和分子进化博士学位，并从普罗旺斯大学的数学硕士学位。
数据预处理
BioSymetrics
2017年12月，BioSymetrics启动奥古斯塔该公司声称，这种数据预处理和分析应用程序可以分析和集成不同类型的生物医学和卫生保健使用机器学习现有业务流程的数据。据该公司介绍，这种能力催生的精密医学药物发现的健康数据应用AI举措和部署。
机器学习引擎，称为SymetryML，能够处理和分析，例如图像，基因组学数据，流数据，和化合物的原始数据的。化合物的数字版本由一个可以在化学数据和信息的印刷和电子源中使用的字母数字文本串。
为了将化合物数字化，一组数学规则被用来将化合物结构的图形表示转换成唯一的数字代码。这些代码称为IUPAC化学标识符(IChIs)，是由字母和数字组成的文本字符串。
具体来说，它可以识别和处理MRI/fMRI和其他成像格式、脑电图、心电图/心电图、遗传学、蛋白质组学、可穿戴设备数据(如智能手表和心率监测器)、EHR/EMR格式的数据。该功能允许应用程序将基因组学与临床数据相结合，这些数据将被企业用于开发药物治疗。
该公司声称，这种能力与药物化合物和小分子活性预测，以及识别、确定、定量和纯化化合物的药物发现和药物开发分析有关。
该公司没有展示其软件如何工作的演示视频，但引用了一个例子研究了334例从老年痴呆症。The company claims that the machine learning-driven application was able to examine information from several thousand MRIs, genome-wide association screening of many people to find variations of the disease, metabolic profiling to measure substances involved in each person’s unique metabolic process and family history. As a result, it was better able to predict the progress of the disease among patients compared with a single type of data, for example, using only respiratory or cardiovascular data.
该公司的报告显示，与只有一种类型的数据相比，组合数据源能够更好地诊断样本组。
加布里埃尔马苏之后，首席科学官，负责监督机器学习研究和开发。此前，他是一位副研究员在布里格姆妇女医院，注重机器学习框架来预测基因和小分子的功能，并使用大规模基因组数据集疾病因果基因鉴定。加布获得博士学位分子遗传学从多伦多大学。
给制药行业的商业领袖们的建议
大多数本报告中讨论的企业都参与了药物发现和患者中预测药物的治疗效果。Nuritas集中在寻找新的和天然存在的来自食物源，而不是从合成的化合物的化合物。
大多数公司报告说，他们的解决方案可以很容易地集成到客户的系统中。然而，他们都没有提供关于如何与他们的产品交互的详细信息，而且他们的集成过程也不透明。因此，我们需要对他们的要求有所保留。
本报告涉及的公司都是相对较新的公司，大多成立不到10年。最新的公司BioSymetrics去年刚刚推出了人工智能产品。然而，该公司的上市在未来可能会被证明是一项关键的应用，尤其是在制药行业和医疗行业通过关联来管理和生产各种格式的数据的情况下。重要的是能够处理各种数据类型，以便提供更健壮和全面的研究结果，以支持药物发现。
该初创公司没有把他们的网站上提供的案例研究，但往往通过新闻稿的合作与全球性制药公司，如葛兰素史克，赛诺菲，强生，西安杨森，诺华公司，以及其他公布。由于缺乏详细的案例研究，也可能是在战斗中医药行业的专利保护措施的结果。
Insilico Medicine表示，它要求研究人员和科学家签署保密协议，以保护其研究的机密性。因此，该公司严格保护其专业人士的身份，并在他们的培训上投入大量资金。对于制药行业的大多数公司来说，这种情况可能是真实的。
这份报告中提到的人工智能专家拥有遗传学、基因组学、分子生物学、物理学以及生物信息学和数学等深度科学的博士学位或学位组合。他们在各自的专业领域拥有10年到20年不等的经验。
标题图片来源:BioSpectrum India
