每經記者｜金 喆    每經編輯｜魏官紅    

一款創(chuàng)新藥物的研發(fā)過程大致可分為三個階段，靶點假說的提出與藥物靶點確定、潛力分子優(yōu)化與臨床前候選化合物評估，以及最后的臨床試驗驗證。過去，藥物研發(fā)通常需要十幾年時間，10億美元至15億美元的投入，成功率卻只有十分之一。AI（人工智能）則有可能改變這一切。具體到醫(yī)藥研發(fā)上，有人把AI制藥定義為第三代藥物革命。目前，國內AI制藥聚焦于臨床前研究，作用主要體現在三個方面：一是加速靶點發(fā)現和化合物設計；二是降低試驗失敗率；三是優(yōu)化資源分配。雖然臨床前研究成本占比不高，但AI在這一階段的效率提升有助于后續(xù)的臨床研究，最終可降低整體研發(fā)成本和時間。

視覺中國圖

騰訊在AI制藥領域布局已久，十年前投資“AI制藥第一股”晶泰控股，在國內較早做蛋白質結構預測，2020年推出AI驅動藥物研發(fā)平臺“云深智藥”?，F在，騰訊AI制藥平臺成果進展如何？AI制藥技術對藥物研發(fā)帶來了哪些改變，還面臨怎樣的挑戰(zhàn)？在“2025騰訊全球數字生態(tài)大會”召開期間，騰訊健康總裁吳文達接受了《每日經濟新聞》記者（以下簡稱NBD）的采訪。

在“人工智能+醫(yī)療健康”上，拼的是耐力和定力

NBD：騰訊為何如此重視醫(yī)藥健康領域？作為一家互聯網公司，騰訊進入制藥領域，其中的底層邏輯是什么？騰訊將如何在AI醫(yī)療賽道上發(fā)揮優(yōu)勢、賦能產業(yè)？

吳文達：騰訊是一個做技術起家的互聯網公司，最大的優(yōu)勢是“連接”能力，我們是很多服務的連接器，在這里，我們可以通過大模型給出不一樣的服務，直接連接整個生態(tài)。

正如Pony（馬化騰）所說，AI是一個幾百年不遇、類似發(fā)明電的工業(yè)革命級機遇。在“人工智能+醫(yī)療健康”這個路線上，我們拼的是耐力和定力，是一場長跑。

回歸當下，騰訊在人工智能加速醫(yī)療健康發(fā)展過程中做了哪些創(chuàng)新？第一是加速AI大模型的全棧開發(fā)以及應用。這里包括三方面：一是幫助醫(yī)院、醫(yī)生如何構建好一個比較完整的知識圖譜；二是研究如何提供最好的基座能力，幫助不同醫(yī)療體系做模型的二次訓練，確保落地的場景效果；三是如何將大模型的能力賦能醫(yī)院，讓他們能更便利地使用智能體。

第二是加速生命科學研發(fā)以及轉化。我們的實驗室已經構建了多尺度、多模態(tài)技術串聯，從分子、細胞、組織到系統全棧的研究體系，這些基礎研究、基礎工序都開放給生態(tài)使用。此外，AI嵌入整個新藥研發(fā)早期階段，我們也在助力不同的藥企加速大分子、小分子的醫(yī)藥研發(fā)，通過我們的AI模型，縮短臨床前的研究時間以及資源投入。

NBD：您覺得在推動藥物研發(fā)上，AI制藥可以發(fā)揮怎樣的作用？您有什么樣的期待？

吳文達：目前，還有非常多的疑難雜癥和復雜病例沒有很好的治療方案。（現在的藥物研發(fā)）還是以試驗為驅動的研究模式。未來，下一個（模式）一定是以數據和計算為驅動力的模式。

具體來講，第一是如何更精準地生成新的假設（一款創(chuàng)新藥物研發(fā)的最早階段是靶點假說的提出）。現在，很多時候，這個假設就像大海撈針，如果通過AI分析和關聯，包括組學、蛋白學不同文獻數據的關聯，可以挖掘到以前人工很難察覺的一些關聯模式和關系。

第二，傳統的藥物研發(fā)方法往往是一步一步走，需要不斷驗證，耗錢且耗時?，F在，AI可以有效地模擬不同的生物系統，包括一個細胞、一個體系，通過這些模擬系統來生成實驗結果，篩選出更多的優(yōu)選方案。

第三，加速數據分析，基于龐大的數據關鍵信息，我們研究如何通過更好的AI工具，去發(fā)現一些以前用傳統AI或者傳統模式沒辦法發(fā)現的洞見。

騰訊定位很清晰，就是用模型驅動提高研發(fā)效率

NBD：在今年的智慧醫(yī)療專場活動上，騰訊健康對外展示了在AI制藥上的核心能力。能否請您介紹一下騰訊在AI制藥領域的定位和戰(zhàn)略？從您的觀察來看，醫(yī)藥企業(yè)對于AI制藥的接受程度如何？

吳文達：騰訊在AI制藥上的定位很清晰，就是用模型驅動提高研發(fā)效率，這是我們最擅長的事情，模型開發(fā)以后需要試驗來驗證的過程由我們的合作伙伴來完成。從當下的業(yè)務布局來看，騰訊不會過多參與藥企的具體項目，也不會轉向全流程臨床服務的外包。

今年，騰訊生命科學實驗室完成了組織架構和業(yè)務層面的交匯，基于單細胞轉錄組預訓練模型scBERT、T細胞受體結構預測模型tFold-TCR、全球最大單細胞蛋白基礎數據庫SODB等一系列基礎研究成果，我們構建起了一條從分子到細胞、組織再到系統的全棧研究體系，具備從蛋白質結構到成藥性評估的一整套AI能力。

在我看來，AI能夠解決的不只是提速，而是發(fā)現更多以前沒辦法解決的問題。在生命科學領域，我們不知道的事情比知道的還多，因為AI的來臨，我們會更有信心去嘗試解決這些未知的問題。

很多藥企是我們的客戶，他們用我們的工具做醫(yī)藥開發(fā)，我們提供技術服務，AI服務有很多類型。比如，藥企有一個靶點找不到比較好的化合物，我們就用AI平臺生成不同的大分子或小分子，來解決這個靶點任務——我們篩選出幾千甚至幾萬個化合物、通過推演優(yōu)先級來給他們10到30個化合物去驗證；驗證以后，把符合預期的化合物推到下一個環(huán)節(jié)。

這個過程不是簡單標準化的，而是極其復雜的事情，AI的好處是，藥企以前最快三個月有結果，但在AI制藥平臺上模擬，兩三天就能出結果。

我覺得，AI制藥是臨床前研究變革性的工具。

創(chuàng)新藥是戰(zhàn)略性投入，確實還是剛剛開始

NBD：您覺得騰訊在醫(yī)藥研發(fā)的產業(yè)鏈上扮演什么樣的角色？

吳文達：我們有幾個角色，一個是平臺的角色，我們現在可以做到，從抗體序列開始建模，用AI去預測它和抗原之間的結合能力、親和力等，篩選出10%的候選抗體。針對這10%，我們通過計算相似度，再選取前10%進行驗證。

另一個是推動整個行業(yè)改變的角色，我們提供基礎服務、可用的云安全以及數據處理的能力，幫助不同的學?；蛘呤强蒲袡C構。

有個客戶一開始完全不相信AI，覺得自己的經驗一定比任何AI好。所以我們就做了一個試驗：一個團隊用傳統的方式開發(fā)，另一個團隊和我們配合來用AI 開發(fā)。最后的結果表明，我們這邊的效率更快，而且效果還比另一個團隊準，這對他們造成了比較大的沖擊。

對于我們來說，在這個過程中我們既幫助客戶推動新的藥物發(fā)現，同時改變了對方團隊的工作方式，這也是推動整個行業(yè)比較重要的動作。

NBD：據了解，騰訊AI制藥平臺這一套基于AI預測的抗體虛擬篩選流程，會比傳統的ELISA（酶聯免疫吸附試驗）降低42.5%的成本，成功率提高3至5倍。您覺得這是藥企使用AI制藥最主要的原因嗎？

吳文達：對于藥企來說，臨床試驗的成本比前期研發(fā)高得多，臨床前研究最重要的是速度，專利只有那么長的時間，越快進入臨床，后期的收益就越大。他們看的不是成本，而是效率。

NBD：創(chuàng)新藥企在騰訊健康的發(fā)展版圖上是什么樣的位置？

吳文達：創(chuàng)新藥對我們來說是戰(zhàn)略性投入，確實還是剛剛開始，也投了不少的公司。對我們來說，B端一定是越做越大、越做越深的業(yè)務。騰訊的定位還是以技術為先，在我們最頂層、最基礎的科技上研發(fā)以及創(chuàng)新，把最小的模塊做到極致，把這個能力給到各方，做離產業(yè)最近的AI，這是我們的目標。

對于我們來說，醫(yī)療健康是一個長期的投入，騰訊想做的事情就是通過我們的技術積累、數據基建以及合作伙伴的協同，來搭建一個高標準又能普惠大眾的醫(yī)療服務。

封面圖片來源：視覺中國圖