商汤进军AI制药研发，力求“更快、更高、更强”

新药研发是关系着人类生命健康的事业，是一项艰巨且风险极高的工作，需要多学科之间的相互合作。近日，人工智能平台公司商汤科技SenseTime公布了以原创AI技术赋能新药研发和精准医学的多项最新重磅研究成果。此次商汤进军AI新药研发，其主要的应用场景有哪些？在这个方向，商汤又有怎样的发展优势？对此，商汤科技副总裁、研究院副院长张少霆接受了媒体专访。

△商汤科技副总裁、商汤科技研究院副院长张少霆

问：我们看到商汤智慧健康团队在上周发布了以AI助力药物研发及精准医学多个环节的研究进展，能否简单概括下商汤此次四项研究的主要内容，以及在药物研发流程中的应用场景？

答：此次针对新药研发及精准医学的多项最新重磅研究成果标志着商汤智慧健康希望通过沉淀多年的原创AI技术能力，全面深入发掘化合物、蛋白、细胞系和临床大数据中的潜在规律。相关研究进展涉及蛋白质相互作用、癌症药物反应、基于病理图像的基因突变预测、和药物重定向等四个方向。

从应用场景的角度来看，此次研究覆盖了从药物发现、临床前研究、临床试验、新药上市后等多个药物研发环节，目标是通过AI加速新药研究和上市流程，缩短新药研发周期、降低药品研发成本、提高新药研发成功率。目前，相关的研究成果已经在《自然精准肿瘤学》（Nature Precision Oncology）、《生物信息学》（Bioinformatics）、和国际人工智能联合会议（IJCAI）等国际顶尖期刊及会议上发表。

问：在此之前，商汤智慧健康的主要方向是围绕医学影像人工智能分析领域，现在也开拓了AI+药物研发的方向。目前整体来看，商汤智慧健康业务布局是怎样的？

答：首先，商汤作为全球领先的人工智能平台公司，在很多基础AI技术方面，尤其是计算机视觉方向有着深厚的原创技术积累。因此，为了充分发挥技术优势，商汤智慧健康业务很自然地以医疗影像AI产品为起点，并于2018年发布了SenseCare®智慧诊疗平台，目标是打造一个“全栈式”的医疗影像智能分析平台。目前，该平台已经覆盖了包括心脏、肝脏、肺部、头颈在内的人体10余个重点部位和器官，能够为影像科、病理科、肝外科等临床方向提供覆盖诊断、治疗、康复完整工作流的AI智能应用，助力提高医生的诊疗效率和精度。

在平台落地的过程中，我们不仅与上海瑞金医院、四川华西医院、浙江邵逸夫医院等顶尖医院建立合作，同时还发现基层地区医疗资源相对跟不上的问题。所以商汤也正在推行“医疗新基建”的落地，通过区域级云化服务的形式，将头部医院的经验通过AI学习和转化，沉淀到腰部或基层的医疗机构，实现医疗远程化、智能化，推动医联体和分级诊疗的落地进程。其中，在去年举行的中华医学会第27次全国放射学学术大会商汤论坛上，浙江邵逸夫医院放射科主任胡红杰教授提到，“AI技术的应用不仅为医生减少了机械性工作量，更重要的是能够对关键指征进行准确提示，降低漏诊、误诊的风险，加速医生在肝脏疾病上的阅片经验积累。”

与此同时，在医疗影像智能分析产品的落地过程中，我们会不断发现客户的一些延伸需求，比如通过病理图像延伸到基因数据的分析，从基因又延伸到药物分析相关的需求，甚至有时候是多模态数据分析的需求，场景就从临床医学逐渐延伸到基础医学。同时团队拥有的很多基础算法能力，比如计算机视觉、自然语言处理、知识图谱、数据挖掘等，在这个“跨界“的过程中又可以通用，比如卷积神经网络算法既可以用在医疗影像的分析上，又可以适配到基因数据的分析上。自然而然，就逐渐发展形成了商汤智慧健康临床医学影像分析、大数据分析、药物研发三位一体的业务布局。其实早在2018年，我们就已经开始了基因相关的分析业务。这些方向互相依赖、互相联动，可以说商汤智慧健康团队内部形成了一个自主创新的良性循环业务微生态。

△图片来自视觉中国

问：AI+药物研发和AI+医学影像，最大的不同点是什么？

答：不同点主要有两个方面：

从应用层面来看，AI+医学影像的主要研究目的，是帮助在日常工作中通过使用医学影像进行诊疗的医生提升工作效率或者精度，解决他们能做却费力、或者需要对较低年资医生进行培训的问题，比如AI辅助诊疗能够帮助医生进行肺部CT的诊断、或者辅助肝脏外科医生进行基于CT的三维术前规划。然而，在药物研发领域，AI要解决的问题更具前瞻性，多是行业目前还不能解决的问题或是还未被发现的前沿领域，例如AI辅助新靶点的定位、蛋白与药物的全新相互作用关系的发现等等。在这类场景下，AI要解决的是在茫茫未知银河中人类相对没有经验的问题，因而研发的未知性和潜力也更大。

从技术层面来看，医学影像相对而言数据模态比较简单，不管是X-ray、CT、MRI还是病理，都是分析二维或三维的图像数据，用的大多是行业内比较成熟的卷积神经网络来训练。然而，对于药物研发而言，数据复杂度会大幅上升，研究的是分子、蛋白、药物等多种对象，以及对象与对象间的相互连接关系，是一个复杂的网状结构。在这样的背景下，我们多采用的是图神经网络，这个技术以往较多用在分析社交网络的复杂海量数据。对于图神经网络这个技术分支，我们做了很多创新尝试，比如在针对临床前蛋白药物关系的研究中，我们将药物分子的各个原子看作节点，将药物分子视为一个图，运用图神经网络进行微观层次的建模；针对老药新用的问题上，我们又把分子、蛋白、疾病看成不同的节点，通过进行宏观网络建模，研究相互间的复杂关系。

问：商汤智慧健康在AI+药物研发这个新方向上有什么优势？

答：商汤的优势在于“更快、更高、更强”。

更快，体现在算力、算法和平台三者的有效联接。药物、基因等生物组学的数据规模非常大，对于计算资源要求极高，如何加速对海量大数据的计算和建模，能够直接影响AI+药物研发的效率。商汤前瞻性打造的新型人工智能基础设施——SenseCore商汤AI大装置，能够打通算力、算法和平台，大幅降低人工智能生产要素价格，实现高效率、低成本、规模化的AI创新和落地。商汤AI大装置算力层以商汤智算中心为基础，该中心是目前亚洲最大的人工智能算力中心，总算力可达3,740 Petaflops（1 Petaflop等于每秒1千万亿次浮点运算），1天内可处理时长23,600年的视频，能够提供强大的算力基础，支撑对海量数据和算法模型的分析、训练和推理。

更高，体现在算法能力上。商汤有着业界顶尖的原创算法能力，在过去六年中，商汤科技共发表440多篇关于深度学习和计算机视觉的研究论文，排名全球第一，领先微软，谷歌，Facebook，及其他科技公司、领先的研究型大学，而这其中的很多基础算法是通用的，可以应用在药物AI研究。此外，在全球知名知识产权媒体IPRDaily公布的2020全球智慧医疗-AI医学影像辅助诊断发明专利排行榜中，商汤也以536件公开专利申请数量位居全球第五，其中也包含多项基因分析、药物研发相关的专利。具体到研究过程，例如我们在做一个AI基因分析项目时，需要处理的患者全基因组数据包含的位点达30亿个，每个位点一般会测几十次，所以单个患者的数据可能就会达到100G之多，传统方法的计算时间长达十个小时。在商汤超高性能的算力基础之上，我们也通过原创的算法将计算时间缩短到十几分钟，将计算效率提升超过27倍，极大的提升了建模、数据处理的效率，从而可以快速推动药物研发务进展。

更强，体现在商汤智慧健康的复合型人才上。团队除了有一众AI顶尖研发人员之外，也有诸多生物+AI交叉背景的人才，包括生物学博士、药学+AI博士的复合型人才、以及曾就职于斯坦福大学生物医学信息实验室的资深科学家。这样的团队有着拥抱变化、不断学习的能力，使得我们在每进行一个新项目时都能够快速获取domain knowledge（领域知识），从而保证对于复杂场景下问题的清晰梳理和技术创新。

问：商汤智慧健康在AI+药物研发的过程中遇到过哪些挑战？是如何克服的？

答：商汤在AI+药物研发中遇到的挑战非常多样。首先，最大的困难还是领域知识的获取。药物研发领域的细分方向非常的庞杂，覆盖分子、蛋白、药物等等，每个方向的AI研究都有着独特的需求和背景知识，所以需要我们的研发人员与客户和领域专家保持密切的沟通合作，将领域知识和需求转化为可以用AI解决的技术思路。

其次，是数据稀缺和AI模型泛化性的问题。相对于医学影像数据，药物研发领域因为细分程度更高，针对某个长尾问题的数据更加稀缺。再延伸一步，也会涉及到如何将基于有数据的问题A训练的模型应用推广到问题B上，例如如何基于已知分子的binding affinity（键合力）预测未知分子，这其中可能面临分子结构高度相似但是生物活性完全不同的情况。这就对于如何基于少量数据，训练出高性能且具有高度泛化性的模型提出了较大挑战。在实际落地合作中，我们也遇到了类似情况，比如商汤在和某药企合作关于某特定靶标的抑制剂AI筛选时发现，没有任何一个公开大型数据库包含该类靶标的数据，甚至类似的蛋白质也非常少，这对算法训练来说是个很大的困难。不过，我们就这个问题进行针对性开发的模型所得出的预测结果，与最终的实验室验证结果保持了高度一致性，这也再次验证了商汤的算法能力。

问：商汤智慧健康在AI+药物研发这个方向的落地情况如何？未来的计划如何？

答：其实商汤智慧健康从2018年就已经开始了相关准备和布局，目前商汤也已经和国内外多家新药研发公司、知名药企和基因公司开展了商业合作，在药物靶标相互作用、用药推荐、用药风险分析、基因自动分析与报告生成等诸多方向利用AI技术赋能业务合作伙伴。未来，我们希望能拓展与更多上下游企业、研究机构以及高校的合作，用AI加速上游研发领域的前瞻探索、同时赋能下游生产环节的效率，为药物研究、精准医疗领域带来更多的智慧赋能。

文章来源于网络，所有权归原作者所有，大道家园只作为存储空间，如有侵权请联系我们进行删除。

本文地址:http://www.dadaojiayuan.com/guoxue/128707.html.

声明： 我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本站部分文字与图片资源来自于网络，转载是出于传递更多信息之目的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们(管理员邮箱：602607956@qq.com)，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!

上一篇: 草根皇帝刘邦原来是这样，一步步由混混···

下一篇: 流落海外300多年的家族，拿着族谱回···