Qual é a distância entre DrugGPT e ChatGPT? Empresas farmacêuticas de IA: o "pescoço preso" não é poder de computação, mas dados

Fonte: "Diário do Conselho de Inovação em Ciência e Tecnologia"

Repórter: Yu Shiqi, Zhu Jieyan

Fonte da imagem: Gerada por Unbounded AI‌

Na Conferência Mundial de Inteligência Artificial de 2023WAIC que acabou de acontecer, o aumento da IA generativa quase durou toda a conferência. Como a saída transformadora que recebeu mais atenção no momento, os investidores, os círculos da indústria e a academia têm muitas expectativas em relação a ela, especialmente como descobrir oportunidades disruptivas no nível do aplicativo.

IA+medicina é uma das oportunidades a serem vistas. Nesta conferência, Su Zifeng, presidente e CEO da Advanced Micro Devices (AMD), disse em seu discurso que a saúde é uma área em que a IA pode realmente afetar os resultados humanos e ajudará os médicos a fazer melhores diagnósticos. Acelerar a pesquisa de prevenção de doenças.

Seu antigo rival se moveu mais rápido. Em 12 de julho, a Nvidia anunciou um investimento de US$ 50 milhões na empresa farmacêutica de IA Recursion na forma de private equity. Seu fundador e CEO, Huang Renxun, disse no anúncio que a IA generativa é uma ferramenta revolucionária no desenvolvimento de novos medicamentos e novas terapias. A Recursion está usando os produtos relacionados da NVIDIA para conduzir um trabalho pioneiro no campo da bioquímica, acelerando o desenvolvimento do maior modelo de IA geradora de biomoléculas do mundo, avançando assim no desenvolvimento da biotecnologia e acelerando a descoberta de medicamentos para empresas farmacêuticas.

Os produtos farmacêuticos de IA sempre foram um dos pontos quentes na China, e surgiram várias empresas líderes que alcançaram a vanguarda mundial em tecnologia. Quando as oportunidades chegarem, como as empresas farmacêuticas de IA da linha de frente reconhecerão as mudanças atuais? O "Kechuangban Daily" convidou He Qi, cofundador e CEO da TB Medical, Zhang Peiyu, diretor científico da Jingtai Technology e Shenshi Technology Wang Xiaofo, chefe de estratégia, e três representantes do setor compartilharam as oportunidades e os desafios em seus olhos.

O "travado" não é o poder de computação, mas os dados

Sobre o impacto da onda de IA generativa, a percepção comum dos três empresários é que ela se tornou “quente”.

He Qi, CEO da TBMI Pharmaceuticals, disse que toda a indústria farmacêutica ainda está em um inverno frio, mas o caminho dos produtos farmacêuticos de IA começou a aumentar. Em março deste ano, a TBM concluiu o financiamento A-round de US$ 35 milhões, recebendo na época o apoio de muitas instituições importantes e agora muitas instituições manifestaram interesse no modelo de negócios.

Tanto Zhang Peiyu, diretor científico da Jingtai Technology, quanto Wang Xiaofo, chefe de estratégia da Shenshi Technology, acreditam que o impacto da IA generativa ainda não foi transmitido diretamente aos produtos farmacêuticos de IA, mas já trouxe sinais positivos para a indústria. Zhang Peiyu mencionou: "Os hotspots de investimento da GPT ainda estão em torno de grandes modelos, bancos de dados e computação gráfica. Isso é apenas o começo. No futuro, ele definitivamente migrará para camadas de aplicativos mais subdivididas, como medicina e manufatura. . processo.**"

Antes que o ChatGPT explodisse fora do círculo, a pesquisa e o desenvolvimento de novos medicamentos habilitados para IA tornaram-se o consenso da indústria. O relatório de pesquisa mostra que, ao permitir a descoberta de alvos de drogas e a triagem de compostos por meio de aprendizado de máquina (ML) e aprendizado profundo (DL), a taxa de sucesso do desenvolvimento de novos medicamentos pode aumentar de 12% para 14%, economizando cerca de US$ 55 bilhões em triagem composta e custos de ensaios clínicos em todo o mundo a cada ano. **

Mas, por outro lado, os produtos farmacêuticos de IA também enfrentam gargalos. Atualmente, os produtos farmacêuticos de IA são usados principalmente nos estágios iniciais de descoberta de medicamentos e triagem de compostos principais. No estágio de teste clínico, ainda são necessárias mais pessoas para concluir o trabalho relacionado. Ao mesmo tempo, os produtos farmacêuticos de IA também são limitados pelo impacto da homogeneidade dos dados. Em um sentido popular, os materiais de aprendizado de IA são dados experimentais criados por humanos, e a IA não pode criar dados de destino impopulares do nada. Isso também significa que as capacidades mais imaginativas da IA generativa são limitadas.

Portanto, o dilema enfrentado pelas empresas farmacêuticas de IA é completamente diferente das grandes empresas modelo atuais. Zhang Peiyu afirmou sem rodeios na entrevista que o poder de computação e os algoritmos não são as principais barreiras que restringem o desenvolvimento de empresas farmacêuticas de IA. Centenas de GPUs e o algoritmo iterativo atual são suficientes para atender às necessidades de uma empresa farmacêutica de IA, a chave está nos dados. **

"Seja para simular cálculos por meio das vantagens do poder de computação da IA, acelerar a triagem e otimização de substâncias de chumbo ou projetar novas estruturas moleculares com base na experiência e no treinamento de big data, uma grande quantidade de dados é necessária como suporte. Para a indústria farmacêutica de IA empresas, seu núcleo é construído sobre a capacidade de produção de dados", disse Zhang Peiyu.

Na visão de He Qi, a principal razão pela qual a IA pode desempenhar um papel relativamente limitado no estágio posterior do desenvolvimento de medicamentos é a falta de dados, especialmente os dados necessários no estágio clínico ou na medicina translacional. Isso representa um grande desafio para o treinamento de modelos grandes.

A falta de dados não se reflete apenas na quantidade, Wang Xiaofo analisou ainda mais o cerne do problema, "a quantidade de dados não é suficiente agora, porque o custo de geração de dados por meio de experimentos é muito alto. O que é mais problemático é que a qualidade não pode ser totalmente garantida, como o mesmo O experimento, se A o fizer e B o fizer, os resultados podem ser diferentes. Ele próprio é afetado por muitos fatores externos e erros associados. A quantidade e a qualidade de os dados subjacentes não podem ser garantidos, o resultado direto Ou seja, o desempenho e os resultados do aprendizado de IA serão bastante reduzidos."

Na opinião de vários profissionais farmacêuticos de IA, o caminho do ChatGPT para o DrugGPT é tortuoso e difícil. O que está parado não é o poder de computação, mas a capacidade subjacente de produção de dados. Mas, da mesma forma, sob a onda da IA generativa, a IA farmacêutica tem a oportunidade de trazer mudanças qualitativas para toda a indústria farmacêutica, quebrar o gargalo da inovação e resolver o problema fundamental da eficiência de P&D.

**Quão longe está o futuro do DrugGPT? **

A primeira coisa a resolver é o problema da capacidade de produção de dados.

A ideia de Jingtai é "automação + inteligência". Zhang Peiyu acredita que o processo de pesquisa e desenvolvimento de medicamentos é um processo de iterações contínuas de tentativa e erro, muitas das quais são tradicionalmente trabalhosas e podem ser totalmente automatizadas para substituir o trabalho humano para melhorar a eficiência e a precisão. Muito do trabalho que eles fazem agora é transformar processos tradicionais em processos automatizados e rastrear dados de alta precisão por meio de processos automatizados e alimentá-los de volta aos modelos de IA em tempo real. Este método pode coletar dados mais abrangentes e reais do que experimentos humanos, melhorar a eficiência humana várias vezes e capacitar os humanos a fazer explorações inovadoras cada vez mais bem-sucedidas.

Os dados gerados pela automação impulsionam continuamente o desenvolvimento e a otimização de algoritmos inteligentes. Quanto maior a eficiência da automação, mais precisas as previsões de algoritmos inteligentes e mais amplo o escopo de aplicação. Ao mesmo tempo, a inteligência também se reflete na transformação de informações não estruturadas em dados estruturados. Segundo ele, agora a IA pode extrair informações como rotas sintéticas e estruturas moleculares ocultas em documentos e patentes não estruturados, convertê-los em dados estruturados, melhorar o desempenho de algoritmos e, em seguida, enviar as rotas sintéticas projetadas para equipamentos automatizados. Entre no teste de síntese química , processo de produção de dados. Nesse processo, a IA também pode desempenhar um papel na programação e no planejamento, chamando com eficiência várias ferramentas em paralelo e completando o loop fechado da previsão do algoritmo à verificação experimental para diferentes cenários de aplicação.

"Esta é uma direção de desenvolvimento que vale a pena esperar. No final, a IA sozinha pode conectar o ciclo fechado de design e produção e concluir automaticamente a pesquisa e o desenvolvimento de medicamentos", disse Zhang Peiyu.

Shenshi propôs um novo paradigma de pesquisa científica de IA para a Ciência. Simplificando, é usar a IA para aprender as leis científicas da operação subjacente de uma série de coisas. Wang Xiaofo disse que, enfrentando o problema da escassez de dados, eles introduziram a IA no campo de pesquisa científica de nível inferior, permitindo que a IA usasse seu poderoso ajuste de funções e recursos de análise de dados para aprender leis e princípios científicos e obter modelos utilizáveis para resolver problemas práticos • Questões de pesquisa científica, especialmente auxiliando os cientistas a realizar um grande número de verificações e tentativas e erros sob diferentes suposições, acelerando assim o processo de pesquisa e exploração científica.

No momento, podemos ver a melhoria na eficiência. Wang Xiaofo mencionou que muitas vezes experimentos de alto rendimento podem precisar ser feitos no processo de triagem de drogas. Agora, usaremos o novo paradigma de IA para a ciência calcular e, em seguida, prossiga com o cálculo. Para uma pequena parte da verificação, tentamos recentemente fazer uma ordem de magnitude menos experimentos do que no passado, e podemos obter drogas candidatas. Isso equivale a obter uma melhoria de eficiência de mais de 10 vezes.

A bênção da eficiência trouxe mudanças de nível inferior. De acordo com Zhang Peiyu, o laboratório de inteligência digital automatizado projetado por Jingtai para biomedicina pode não apenas ser usado para pesquisa e desenvolvimento de medicamentos, mas também pode ser expandido para a direção de engenharia química e novos materiais que também requerem triagem experimental. são os mesmos. Mas os requisitos de segurança, ciclo de validação e complexidade do projeto nessas áreas são significativamente menores. Este é um mercado enorme que não é mais fraco do que os produtos farmacêuticos.No momento, eles chegaram a cooperação com algumas empresas petroquímicas, materiais de armazenamento de energia e outras empresas de pesquisa e desenvolvimento de novos materiais.

Para o futuro, ele tem expectativas bastante otimistas. Depois de ultrapassar o gargalo da produção de dados, os produtos farmacêuticos com IA têm a oportunidade de causar mudanças qualitativas por meio de mudanças quantitativas. No futuro, todo o processo de desenvolvimento de medicamentos pode ser guiado pela IA, dificultando alvos para medicamentos e novos medicamentos O mecanismo de fabricação de medicamentos gerou uma nova geração de medicamentos de alta qualidade, criando novos canais de medicamentos e mercados incrementais. Em 20 ou 30 anos, pode-se esperar que 90% do trabalho na pesquisa e desenvolvimento de novos medicamentos possa ser feito de forma mais eficiente pela IA. Enquanto o limiar da inovação for reduzido, o teto da pesquisa e desenvolvimento de medicamentos aumentará , com menos recursos, tempo e risco de insucesso, para que mais medicamentos cheguem aos pacientes.

Atualmente, He Qi acredita que a força motriz da IA para pesquisa e desenvolvimento de medicamentos atingiu a segunda curva. As empresas de biotecnologia inevitavelmente precisarão investir pesadamente em computação ao fazer pesquisa e desenvolvimento de medicamentos inovadores. Com base nesse ponto problemático, as empresas farmacêuticas de IA que fornecem equipamentos e poder de computação, bem como suporte especializado, foram reconhecidas por muitos clientes. Depois de estabelecer as bases para a comercialização, as empresas podem explorar mais caminhos de P&D de medicamentos habilitados para IA a partir de uma perspectiva de longo prazo.