中國在AI藥物開發(fā)領(lǐng)域已經(jīng)開始起步，但遠(yuǎn)未成熟，還有非常大發(fā)展空間。在筆者看來，我國進(jìn)行AI藥物研發(fā)需要在人才培養(yǎng)、數(shù)據(jù)共享和商業(yè)模式創(chuàng)新等方面進(jìn)行發(fā)力。

創(chuàng)業(yè)的競爭歸根結(jié)底是人才的競爭，這在人工智能領(lǐng)域表現(xiàn)得愈加明顯。在全球范圍內(nèi)，大約有2.2萬名具有博士以上學(xué)歷的人工智能從業(yè)人員和研究人員，中國僅600名左右。國內(nèi)人工智能人才幾乎被幾大頭部企業(yè)壟斷，比如商湯有150多名人工智能博士，占比全國人工智能博士總數(shù)1/4。

數(shù)據(jù)顯示，未來中國人工智能人才缺口高達(dá)500萬，唯一的解決辦法就是成體系地培養(yǎng)人工智能人才。

2018華為全聯(lián)接大會上，華為云推出了“沃土AI開發(fā)者計(jì)劃”，投入10億人民幣培養(yǎng)高校和研究所的AI人才，并與清華大學(xué)、中科院、中國科學(xué)技術(shù)大學(xué)、浙江大學(xué)等達(dá)成AI合作。

2018年8月，商湯科技攜手香港中文大學(xué)、亞馬遜、南洋理工大學(xué)、悉尼大學(xué)聯(lián)合舉辦的首屆WIDER Face and Pedestrian Challenge 2018（簡稱：WIDER Challenge）挑戰(zhàn)賽，包括中科院計(jì)算所、微軟亞洲研究院、北京大學(xué)、卡耐基梅隆大學(xué)、香港大學(xué)以及雅虎、京東、曠視、科大訊飛、滴滴等科技公司參賽。

此外，AI應(yīng)用于藥物研發(fā)需要若干個垂直領(lǐng)域的專家共同參與才能有所突破。既需要物理學(xué)家、化學(xué)專家、藥物學(xué)家、藥企研發(fā)高管，又需要人工智能科學(xué)家、云計(jì)算工程師等跨學(xué)科人才。通過在多個領(lǐng)域人才和經(jīng)驗(yàn)的積累，

整個團(tuán)隊(duì)需要緊密合作，這樣才更容易獲得突破性的思路和好的成果。

AI藥物研發(fā)需要高質(zhì)量數(shù)據(jù)支持。國內(nèi)創(chuàng)新藥研發(fā)起步較晚，與國外相比，對于優(yōu)質(zhì)數(shù)據(jù)的積累還有一定差距。

制藥產(chǎn)業(yè)的專業(yè)門檻高、鏈條長，加之國內(nèi)長期以來的“多頭管理”體制，造成了國內(nèi)的藥品數(shù)據(jù)極度割裂，標(biāo)準(zhǔn)不統(tǒng)一、數(shù)據(jù)孤島現(xiàn)象嚴(yán)重；另外，醫(yī)藥領(lǐng)域的監(jiān)管政策與機(jī)構(gòu)改革頻繁，造成歷史藥品數(shù)據(jù)銜接難度較大。這些都會導(dǎo)致醫(yī)藥數(shù)據(jù)統(tǒng)計(jì)在完整度和精準(zhǔn)度上的不足，從而影響相關(guān)決策。

當(dāng)前國內(nèi)企業(yè)“大數(shù)據(jù)化”采取的一個路徑，便是以“專業(yè)人工+機(jī)器輔助”方式建立數(shù)據(jù)標(biāo)準(zhǔn)詞典（包括藥品、企業(yè)、靶點(diǎn)、疾病等），持續(xù)進(jìn)行數(shù)據(jù)清洗、識別、匹配和挖掘算法，將市場上分散的數(shù)據(jù)全面重構(gòu)，形成一系統(tǒng)標(biāo)準(zhǔn)數(shù)據(jù)模塊倉庫，根據(jù)用戶場景對數(shù)據(jù)模塊進(jìn)行組合。比如國內(nèi)的醫(yī)藥魔方、米內(nèi)數(shù)據(jù)、藥渡等醫(yī)藥大數(shù)據(jù)服務(wù)公司。