如果說化學階段的目的是Be better的話，那么醫(yī)學階段的目標似乎又收縮了，變成了Be usable，然而真實的情況是大部分藥物分子跨不過這個坎。在藥物研發(fā)里有個諺語，叫做“Fail fast, Fail early”，這其實是求之不得的事情，因為如果拖到臨床II期甚至III期臨床再失敗，將會造成摧毀整個公司市值的重大損失。

這看起來似乎是荒謬的，如果前期的生物學機理和化學優(yōu)化已經完善，為什么放到真人身上就砸了呢。但這個荒謬背后的原因是非常深刻的：藥物分子在復雜的人體系統(tǒng)，尤其是具有基因和組學異質性的人群中的效應是難以捉摸的，在不同的維度上可以呈現(xiàn)出不同的usability。

大部分的藥物如果是在II期及之后失敗，最大的問題可能不是因為藥不好，而是以錯誤的方式用在了錯誤的人群中。很多藥物其實在臨床試驗里并沒有死透，如果我們知道自己錯在那里，其實是有可能通過給藥方案和適用范圍的調整，達到新的臨床終點。

如果能夠及時止損，及時選擇合適的適應癥，提高成功率的話，這才是真正值錢的地方。而這其實可以借助于機器學習對患者畫像的洞察來實現(xiàn)，在臨床試驗開始之前就對這個藥在大人群中的可用性，或是對哪些細分marker的人群可用，以及最重要的，哪些marker人群和臨床終點無效做出判斷。這樣的洞見，在II期及以后的臨床試驗中都價值上億！

可以看到，目前的藥物研發(fā)的流程，最大的矛盾集中在生物學階段和醫(yī)學階段，相反，化學階段反而是最成熟的部分。而如果只是在這個非瓶頸部分做優(yōu)化，并不會顯著提升藥物研發(fā)的時間效率和回報率。

因此我認為，如果AI藥物研發(fā)的項目，僅僅是過去計算化學模擬，組學和藥物開發(fā)自動化的延續(xù)，是用AI的工具去優(yōu)化和加強已有的研發(fā)流程，這當然是一個最具可行性的前期策略，但是這并不是那么值錢的市場。這些針對藥物研發(fā)中“化學”階段的AI創(chuàng)業(yè)項目，做的普遍是容易做，但不是必須做的事情。如果只是提升當前的藥物研發(fā)效率，那么AI藥物研發(fā)公司的估值，顯然有點高了。

大型藥企對這些創(chuàng)業(yè)項目的關注和支持，與其說是看好技術而去投資，不如說是出于財務KPI的考慮，以投資AI藥物研發(fā)公司的方式，將非藥企核心的研發(fā)業(yè)務外包給了CRO和這些“virtual biotech”的AI創(chuàng)業(yè)公司。這可以輸出藥企的優(yōu)勢：充沛的現(xiàn)金流投入，和臨床開發(fā)“接盤”能力，而產生的收益又不會立即體現(xiàn)在損益表上，而是通過收購-商譽的調節(jié)，讓報表變得更好看。當然，從投資的角度去看，我也認同這種商業(yè)邏輯。

但真正具有極大價值的，應該是用AI重構藥物研發(fā)的整體邏輯，這可以從兩個方向進行努力：1，在生物學的階段，甩開可理解性的限制，以無監(jiān)督學習的方式去更高效尋找新機理和有效的新靶點，往外擴張成藥的空間。2，在醫(yī)學的階段，結合患者畫像參與到臨床實驗的決策中，以提高藥物定位和過審的成功概率，盡早識別并kill掉無底洞的爛藥，以免到了3期失敗被坑死。

這兩個方向其實都體現(xiàn)出同一個理念，那就是應該用AI去提高藥物研發(fā)的成功率，而非藥物研發(fā)的運營效率，這兩者是質和量的不同。如果能夠直面“生物學”和“醫(yī)學”階段的Hard Problem，實現(xiàn)顛覆性創(chuàng)新，我相信，這會比在“化學”階段做的任何漸進式創(chuàng)新，都更有價值。