Quelle est la distance entre DrugGPT et ChatGPT ? Entreprises pharmaceutiques IA : le "cou coincé" n'est pas la puissance de calcul mais les données

Source : "Science and Technology Innovation Board Daily"

Journaliste : Yu Shiqi, Zhu Jieyan

Source de l'image : générée par l'IA illimitée‌

Lors de la conférence mondiale sur l'intelligence artificielle 2023WAIC qui vient de se terminer, la montée en puissance de l'IA générative a presque traversé toute la conférence. En tant que débouché transformateur qui a reçu le plus d'attention à l'heure actuelle, les investisseurs, les milieux de l'industrie et les universités ont tous beaucoup d'attentes à son égard, en particulier sur la manière de découvrir des opportunités perturbatrices au niveau de l'application.

L'IA+médecine est l'une des opportunités à saisir. Lors de cette conférence, Su Zifeng, présidente-directrice générale d'Advanced Micro Devices (AMD), a déclaré dans son discours que les soins de santé sont un domaine où l'IA peut réellement affecter les résultats humains et aidera les médecins à établir de meilleurs diagnostics et à accélérer la recherche sur la prévention des maladies.

Son ancien rival s'est déplacé plus vite. Le 12 juillet, Nvidia a annoncé un investissement de 50 millions de dollars dans la société pharmaceutique d'intelligence artificielle Recursion sous forme de capital-investissement. Son fondateur et PDG Huang Renxun a déclaré dans l'annonce que l'IA générative est un outil révolutionnaire dans le développement de nouveaux médicaments et de nouvelles thérapies. Recursion utilise les produits associés de NVIDIA pour mener des travaux pionniers dans le domaine de la biochimie, accélérant le développement du plus grand modèle d'IA générative de biomolécules au monde, faisant ainsi progresser le développement de la biotechnologie et accélérant la découverte de médicaments pour les sociétés pharmaceutiques.

Les produits pharmaceutiques IA ont toujours été l'un des points chauds en Chine, et un certain nombre d'entreprises leaders qui ont atteint l'avant-garde de la technologie mondiale ont vu le jour. Lorsque les opportunités du moment se présentent, comment les sociétés pharmaceutiques d'IA de première ligne reconnaissent-elles les changements actuels ? Le "Kechuangban Daily" a invité He Qi, le co-fondateur et PDG de TB Medical, Zhang Peiyu, le directeur scientifique de Jingtai Technology et Shenshi Technology Wang Xiaofo, responsable de la stratégie, et trois représentants de l'industrie ont partagé les opportunités et les défis à leurs yeux.

Le "coincé" n'est pas la puissance de calcul mais les données

Concernant l'impact de la vague de l'IA générative, la perception commune des trois entrepreneurs est qu'elle est devenue « chaude ».

He Qi, PDG de TBMI Pharmaceuticals, a déclaré que l'ensemble de l'industrie pharmaceutique est encore dans un hiver froid, mais que la piste des produits pharmaceutiques IA a commencé à s'accélérer. En mars de cette année, TBM a finalisé le financement du tour A de 35 millions de dollars US. À cette époque, il a reçu le soutien de nombreuses institutions de premier plan, et maintenant de nombreuses institutions ont exprimé leur intérêt pour le modèle commercial.

Zhang Peiyu, directeur scientifique de Jingtai Technology, et Wang Xiaofo, responsable de la stratégie chez Shenshi Technology, estiment que l'impact de l'IA générative n'a pas encore été directement transmis aux produits pharmaceutiques IA, mais qu'il a déjà apporté des signaux positifs à l'industrie. Zhang Peiyu a mentionné : « Les points chauds d'investissement de GPT concernent toujours les grands modèles, les bases de données et l'informatique graphique. Ce n'est que le début. À l'avenir, il migrera certainement vers des couches d'application plus subdivisées telles que la médecine et la fabrication. . processus.**"

Avant que ChatGPT n'explose hors du cercle, la recherche et le développement de nouveaux médicaments basés sur l'IA étaient devenus le consensus de l'industrie. Le rapport de recherche montre qu'en permettant la découverte de cibles médicamenteuses et le criblage de composés via l'apprentissage automatique (ML) et l'apprentissage en profondeur (DL), le taux de réussite du développement de nouveaux médicaments peut être augmenté de 12 % à 14 %, ce qui permet d'économiser environ 55 milliards de dollars américains. dans le dépistage des composés et les coûts des essais cliniques dans le monde chaque année. **

Mais d'un autre côté, les produits pharmaceutiques IA sont également confrontés à des goulots d'étranglement. Les produits pharmaceutiques d'IA sont actuellement principalement utilisés dans les premières étapes de la découverte de médicaments et du criblage de composés principaux.Au stade des essais cliniques, davantage de personnes sont encore nécessaires pour effectuer des travaux connexes. Dans le même temps, les produits pharmaceutiques IA sont également limités par l'impact de l'homogénéité des données. Dans un sens populaire, les supports d'apprentissage de l'IA sont des données expérimentales créées par des humains, et l'IA ne peut pas créer de données cibles impopulaires à partir de rien. Cela signifie également que les capacités les plus imaginatives de l'IA générative sont limitées.

Par conséquent, le dilemme auquel sont confrontées les sociétés pharmaceutiques d'IA est complètement différent de celui des grandes sociétés modèles actuelles. Zhang Peiyu a déclaré sans ambages dans l'interview que la puissance de calcul et les algorithmes ne sont pas les principaux obstacles qui limitent le développement des sociétés pharmaceutiques d'IA. Des centaines de GPU et l'algorithme itératif actuel suffisent à répondre aux besoins d'une entreprise pharmaceutique d'IA, la clé réside dans les données. **

"Qu'il s'agisse de simuler des calculs grâce aux avantages de la puissance de calcul de l'IA, d'accélérer le criblage et l'optimisation de substances principales ou de concevoir de nouvelles structures moléculaires basées sur l'expérience et la formation au big data, une grande quantité de données est nécessaire comme support. Pour l'IA pharmaceutique entreprises, son Le noyau est construit sur la capacité de production de données." a déclaré Zhang Peiyu.

Selon He Qi, la principale raison pour laquelle l'IA peut jouer un rôle relativement limité au stade ultérieur du développement de médicaments est le manque de données, en particulier les données nécessaires au stade clinique ou à la médecine translationnelle. Cela pose un grand défi à la formation de grands modèles.

Le manque de données ne se reflète pas seulement dans la quantité, Wang Xiaofo a analysé plus en détail le cœur du problème : "La quantité de données n'est pas suffisante maintenant, car le coût de génération de données par le biais d'expériences est très élevé. Ce qui est plus gênant, c'est que la qualité ne peut pas être entièrement garantie. Par exemple, la même expérience, si A et B le font, les résultats peuvent être différents. Elle-même est affectée par de nombreux facteurs externes et les erreurs associées. La quantité et la qualité des données sous-jacentes ne peuvent être garanties, le résultat direct, c'est-à-dire que les performances et les résultats de l'apprentissage de l'IA seront considérablement réduits."

De l'avis de plusieurs praticiens pharmaceutiques de l'IA, le chemin de ChatGPT à DrugGPT est tortueux et difficile.Ce qui est bloqué n'est pas la puissance de calcul mais la capacité de production de données sous-jacente. Mais de la même manière, sous la vague de l'IA générative, l'IA pharmaceutique a la possibilité d'apporter des changements qualitatifs à l'ensemble de l'industrie pharmaceutique, de briser le goulot d'étranglement de l'innovation et de résoudre le problème fondamental de l'efficacité de la R&D.

** Où est l'avenir de DrugGPT ? **

La première chose à résoudre est le problème de capacité de production de données.

L'idée de Jingtai est "automatisation + intelligence". Zhang Peiyu estime que le processus de recherche et de développement de médicaments est un processus d'itérations continues d'essais et d'erreurs, dont beaucoup sont traditionnellement à forte intensité de main-d'œuvre, et peuvent être entièrement automatisées pour remplacer le travail humain afin d'améliorer l'efficacité et la précision. Une grande partie du travail qu'ils effectuent actuellement consiste à transformer les processus traditionnels en processus automatisés, à tracer des données de haute précision via des processus automatisés et à les renvoyer aux modèles d'IA en temps réel. Cette méthode peut collecter des données plus nombreuses, plus complètes et plus réelles que les expériences humaines, améliorer plusieurs fois l'efficacité humaine et permettre aux humains de faire de plus en plus d'explorations innovantes réussies.

Les données générées par l'automatisation entraînent en permanence le développement et l'optimisation d'algorithmes intelligents. Plus l'efficacité de l'automatisation est élevée, plus les prédictions des algorithmes intelligents sont précises et plus le champ d'application est large. Parallèlement, l'intelligence se traduit également par la transformation d'informations non structurées en données structurées. Selon lui, l'IA peut désormais extraire des informations telles que des voies de synthèse et des structures moléculaires cachées dans des documents et des brevets non structurés, les convertir en données structurées, améliorer les performances des algorithmes, puis transmettre les voies de synthèse conçues à un équipement automatisé. , processus de production de données. Dans ce processus, l'IA peut également jouer un rôle dans la planification et la planification, en appelant efficacement divers outils en parallèle et en complétant la boucle fermée de la prédiction de l'algorithme à la vérification expérimentale pour différents scénarios d'application.

"C'est une direction de développement qui vaut la peine d'être envisagée. En fin de compte, seule l'IA peut connecter la boucle fermée de la conception et de la production, et terminer automatiquement la recherche et le développement de médicaments", a déclaré Zhang Peiyu.

Shenshi a proposé un nouveau paradigme de recherche scientifique, l'IA pour la science. En termes simples, il s'agit d'utiliser l'IA pour apprendre les lois scientifiques du fonctionnement sous-jacent d'une série de choses. Wang Xiaofo a déclaré que face au problème de la rareté des données, ils ont introduit l'IA dans le domaine de la recherche scientifique de niveau inférieur, permettant à l'IA d'utiliser ses puissantes capacités d'ajustement des fonctions et d'analyse des données pour apprendre les lois et les principes scientifiques et obtenir des modèles utilisables pour résoudre des problèmes pratiques. Les problèmes de recherche scientifique, en particulier en aidant les scientifiques à effectuer un grand nombre de vérifications et d'essais et d'erreurs sous différentes hypothèses, accélérant ainsi considérablement le processus de recherche et d'exploration scientifiques.

À l'heure actuelle, nous pouvons voir l'amélioration de l'efficacité. Wang Xiaofo a mentionné que plusieurs fois des expériences à haut débit peuvent être nécessaires dans le processus de dépistage de drogue. Maintenant, nous allons utiliser le nouveau paradigme de l'IA pour la science pour calculer, puis Pour une petite partie de vérification, nous avons récemment essayé de faire un ordre de grandeur moins d'expériences que par le passé, et nous pouvons obtenir des médicaments candidats. Cela équivaut à obtenir une amélioration de l'efficacité de plus de 10 fois.

La bénédiction de l'efficacité a entraîné des changements de niveau inférieur. Selon Zhang Peiyu, le laboratoire d'intelligence numérique automatisé conçu par Jingtai pour la biomédecine peut non seulement être utilisé pour la recherche et le développement de médicaments, mais peut également être étendu à la direction du génie chimique et de nouveaux matériaux qui nécessitent également un dépistage expérimental. sont identiques. Mais les exigences de sécurité, le cycle de validation et la complexité du projet dans ces domaines sont nettement inférieurs. Il s'agit d'un marché énorme qui n'est pas plus faible que celui des produits pharmaceutiques.À l'heure actuelle, ils ont conclu une coopération avec certaines sociétés pétrochimiques, de matériaux de stockage d'énergie et d'autres sociétés de recherche et développement de nouveaux matériaux.

Pour l'avenir, il a des attentes assez optimistes. Après avoir traversé le goulot d'étranglement de la production de données, les produits pharmaceutiques IA ont la possibilité de provoquer des changements qualitatifs par des changements quantitatifs. À l'avenir, l'ensemble du processus de développement de médicaments pourrait être guidé par l'IA, ce qui rend difficile- vers des cibles médicamenteuses et de nouveaux médicaments Le mécanisme de fabrication de médicaments a engendré une nouvelle génération de médicaments de haute qualité, créant de nouveaux pipelines de médicaments et des marchés supplémentaires. Dans 20 ou 30 ans, on peut s'attendre à ce que 90 % du travail de recherche et de développement de nouveaux médicaments puisse être effectué plus efficacement par l'IA. Alors que le seuil d'innovation est abaissé, le plafond de la recherche et du développement de médicaments sera relevé. , avec moins de ressources , de temps et de risque d'échec, de sorte que davantage de médicaments parviennent aux patients.

À l'heure actuelle, He Qi estime que l'élan de l'IA vers la recherche et le développement de médicaments a atteint la deuxième courbe, et les entreprises de biotechnologie devront inévitablement investir massivement dans l'informatique lorsqu'elles feront de la recherche et du développement de médicaments innovants. Sur la base de ce problème, les sociétés pharmaceutiques d'IA qui fournissent des équipements et une puissance de calcul, ainsi qu'un support expert, ont été reconnues par de nombreux clients. Après avoir jeté les bases de la commercialisation, les entreprises peuvent explorer davantage de voies de R&D de médicaments basées sur l'IA dans une perspective à plus long terme.