近日人工智慧藥物開發創企Insilico Medicine宣布在全球首次利用人工智慧發現新機制特發性肺纖維化(IPF)藥物，成為全球性的里程碑事件。

Insilico Medicine專注於發展將前沿AI技術結合新藥研發的創新能力。在這次針對IPF的臨床候選新藥研發中僅用時18個月、研發經費約200萬美元。想較於傳統藥物研發需要上10年耗資幾十億，AI結合藥物研發極大的縮短研發時程，又大大降低了成本。

AI+醫療是近幾年的創業者和投資人追逐的領域。Insilico Medicine的兩家投資方啟明創投和創新工場就以「從「AI＋醫療」到數位醫療：機遇與挑戰」進行了高峰對話，啟明創投主管合夥人梁頴宇、創新工場董事長兼CEO李開復分享了最新的觀點。

梁頴宇是啟明創投領導醫療健康行業投資的主管合夥人，目前啟明創投已投資了120多家醫藥公司，康希諾生物、甘李藥業等大陸知名醫藥企業均有啟明創投的身影。

針對醫療健康行業創新工場從2019年起以醫療市場化、數位化及AI應用等方向為切入口，投資涵蓋了數據AI、服務、器械、生物製藥等多個領域。

此為《從「AI＋醫療」到數位醫療：機遇與挑戰》對話內容的摘錄整理。

AI賦能醫療健康產業發展到了什麼階段？

李開復表示，在用AI發明新藥方面，今年有非常全面的突破性發明。在幾個月前，我們看到了英國的DeepMind做出了AlphaFold、第一次Insilico Medicine 把整個新藥研發流程開始打通了，這些都證明了AI也能用創意的方式解決很難的事情。

但同時，李開復也強調，AI賦能醫療健康產業我們今天其實只走了第一步，未來的潛力特別的巨大。

梁頴宇也表示，現階段，如果從1-10打分，AI在醫療板塊應該打多少分，我也覺得大概是1分左右。AI在醫療領域第一個大規模的應用是AI+影像，這也得益於AI圖像識別技術發展的成熟，後面慢慢衍生到藥物研發的領域，並取得了很好的進展。從醫療領域全景來看，還有很多AI沒有介入的領域，很多問題更複雜，需要更長的時間、更系統化的解決方案。醫療行業是一個高度監管的行業，需要了解這個行業的各方面，再去找到一個更好的方法。

什麼樣特徵的「AI+醫療」企業更具吸引力？

李開復以Insilico Medicine團隊為例介紹道，Insilico Medicine創始人Alex有幾個很突出的特點。第一個也是最重要的，他是結合生物和AI兩方面的專家，世界上這樣的人才非常少。Alex是約翰斯·霍普金斯大學的生物學專業，但是他自學成為了一個AI和計算機方面的專家，甚至在GPU方面都有一些行業工作經驗。Alex團隊很多跨領域科學家，生物學、化學、AI科學家，他們來自各種不同的國籍，有中國人、有俄羅斯人。能夠把兩個領域的專家圍繞在一起，既做開創性的事情，又具備專注的執行力這一點我覺得也是非常獨特的。

此外，李開復補充認為，「AI+醫療」企業擁有海量的高質量數據是一個非常關鍵的成功壁壘，所以決定是否投資前我們會去了解一個公司是否有或者能否得到獨家的數據，如果有的話會加分。第二，創業團隊AI的科學家不見得知道怎麼去賣產品或者怎麼去開發，但是對落地和渠道的理解還是需要的。第三，我們最喜歡看到的是像Insilico Medicine這樣有生物的專家+AI的專家大家一塊工作，也有充分的行業背景。

梁頴宇談到，大多數數位醫療的公司都是由TMT企業家或者醫療健康企業家創立的，很有意思的是，我們發現兩類企業家基於他們對技術的理解，或者對醫療制度、醫療系統的理解會將公司引向不同的發展方向。這其中並沒有對錯的問題，而是不同的業務模式需要不同背景的創業者。作為投資人我們會考慮如何為每一種不同的模式選擇合適的團隊，這是我們面臨的一個挑戰。

同時，梁頴宇也談到了中美差異。

她表示，數位醫療4、5年前成為美國的熱門行業的時候，我們對投資這一類型的公司持比較謹慎的態度。許多人投資大量複製美國商業模式的中國初創企業，在這個領域我們拒絕了至少200—300家公司。其中的原因，是因為美國和中國的數位醫療需求非常不同，美國超過90%的醫院是私立醫院，而中國90%的患者去公立醫院。因此中國市場與美國市場所需要的軟體和數位醫療是不同的。我們確實投資了一些我們認為具有很大潛力的公司，包括梅斯醫學、微醫、妙手醫生、推想科技等等。所以我們是非常看好這個領域，但是還需要慢慢從不同的角度和需求出發來找到解決方案。我們投資Insilico Medicine的時候，認為它應該可以為很多國內的醫藥公司提供幫助，在我們自己的投資組合中，已經有120多家醫藥公司，後續可以更多引進我們已投的公司跟Insilico Medicine合作。

AI賦能醫療產業還有哪些突破口？

在李開復看來，有三個方面是AI賦能醫療產業還大有可為的方向。

第一個方向，在新藥的研發加速方面。

我們現在對靶點發現、新藥物分子化合物的挖掘能夠變得很快，再來就是測試，以後還是要做人體測試。多大的程度我們可以用體外檢測或者用新的方法能夠更快的預測在人體的檢測會不會成功，甚至是不是可能來模擬這個過程，再進一步縮短整個藥物研發的流程。所以怎麼增快加速，或者怎麼平行去做，更能夠篩選出做第三階段驗證更能成功的新葯，這些仍然是有很多工作要做的。

第二個方向，從診斷的角度來看，基於個人的AI人工智慧診斷機器。

AI輔助醫療診斷現在大家聽到比較多的是影像相關的。因為現在計算機識別人臉、物體、商品都達到甚至超過人類的水平，在MRI、CT方面也能做得一樣好。除了影像方面，我認為整個醫療診斷的過程，如果我們放眼看個二、三十年，我毫無疑問地認為AI機器人的診斷一定會超過醫生的水平。我們每個人的基因不一樣，家族病史不一樣，過去的病例不一樣，為什麼每一個人都要有一種治療方法？未來一個基於個人全面針對性的AI人工智慧診斷機器是可以做得非常好的。

第三個方向，醫療機器人，還會有更多新的機器人出現。

現在已經有的醫藥實驗室機器人、手術機器人等，在未來這些都會繼續發展。今天的手術有機器人參與的已經接近20%了，以後這些都會繼續增加，同時還會有更多新的機器人出現，比如奈米機器人，它們甚至可以到我們的體內，只有1、2個奈米那麼大，甚至可以幫助我們跟癌症對抗。世界疫情導致全民對醫療健康特別關注的時候，AI 能夠做出的所有突破都可能會被更多人更快速去接受。所以我覺得二三十年以後，真的就是一個AI加上人的最好結合，未來20年的推動可能會大於人類過去幾千年所有歷史的累計。

(新浪網)