原问题：人工智能在医（药）学有哪些应用？

链接：https://www.zhihu.com/question/379546481/answer/1079587731

说一点药学里我见到过的。人工智能对制药上游的革命已经发生了，而且有成为一种标准研发流程的趋势（基本上国际制药巨头都在搞），但对下游的生产、工程设计，目前还不清晰。总体上跟搞生物信息学的有很高的重合度。

最能体现AI在药学的应用的是化学药的研发上，生物药的研发中的AI应用根据产品不同非常个性化，难以总结，可以参考生物信息学的研究热点。化学药中AI主要用于发现药物靶点，药物筛选、结构优化，合成分析：

• 发现药物靶点，AI可以用来从海量的文献中搜索潜在的靶点信息，对比不同靶点的潜力，有点像自然语言处理。
• 药物筛选和结构优化，需要针对靶点，去找评估不同候选分子与靶点的相互作用能力，筛选出、优化出适合的分子。AI可以综合利用各种现有信息去评估，像蛋白质结构、计算化学信息、构效关系数据等预测相互作用。
• 选定了候选药物，需要确定合成路线。传统方法是逆合成分析，现在AI可以非常快地预测出跟药物化学家媲美的合成路线。
• 其他化学药相关的AI应用，我见过老药新用筛选（这次新冠疫情就用到）、更快速的临床试验、疾病诊断标志物等。

在美国和加拿大可以看到很多初创企业，就是搞上面的；基本上国际制药巨头都在搞。确定合成路线，自动化合成，短期看还是个toy，长远看会影响少部分人的生计。不但会影响制药，可能还将影响整个化工产业，尤其影响搞化工工艺；但对化工工程的影响，暂时不清晰，安全性、缺数据这些老问题依然存在。但我相信现有的各种物质的工艺路线不一定是最优路线、最优反应条件，可能会被人工智能和自动合成设备优化。

贴几条新闻：

合成规划与全自动流动合成。

制药巨头默克，就在中国搞了第一届人工智能合成规划的比赛比赛。

药品生产方面

我还知道，一些制药巨头对提高单抗这些的产量很感兴趣，试图尝试各种生产过程的建模的方法去提高产量。因为生物反应过程是，高度非线性，有明显时变特性的过程，传统非结构化模型(unstructured models)用于优化和控制的能力有限；目前文献里报道的模型中，就包括机器学习类的模型。

另外一个比较比较有意义的，也实实在在在用的，是利用各种过人工智能，综合各种过程分析技术（气相色谱、质谱，核磁共振谱、近红外光谱、紫外可见光谱、拉曼光谱、荧光光谱法），去优化、监控制药生产过程，从生物、化学反应过程，到分离过程、制剂过程都有用，符合QbD理念。这个某种程度上说就是某种软测量，但由于制药过程的特点是成分非常复杂，操作点随时间变化，所以才考虑AI。软测量传统化工一直就有，基于AI的软测量有多大影响，目前还看不出来。

附：

运用人工智能来研发药物的企业，可以看到在国际制药巨头中已经非常普遍。我国的差距依然十分巨大：

AbbVie，Almirall，Amgen，Astellas，AstraZeneca，BASF（化工巨头），Bayer，Boehringer Ingelheim，BMS，CJ Healthcare，Celgene，Daewoong Pharmaceutical，Eisai，Eli Lilly，Evotec，GSK，Genentech，Gilead，Ionis Pharmaceuticals，Ipsen，Janssen，Lundbeck，Merck KGaA，Merck and Co.，Mitsubishi Tanabe Pharma，Nestlé，Novartis，Novo Nordisk，Ono Pharmaceuticals，Pfizer，Procter & Gamble，Roche，SK Biopharmaceuticals，Sanofi，Santen，Servier，Sumitomo Dainippon Pharma，Sunovion，Takeda，Wave Life Sciences，WuXi AppTec（药明康德），Yuhan Corp.，Zambon Pharma。

下面的链接是全球221家人工智能药物研发初创企业列表。这221家企业涉及到的应用范围，远超过我上面提到的，还包括临床前、临床实验的优化的应用。

https://blog.benchsci.com/startups-using-artificial-intelligence-in-drug-discovery#design_drugs

参考资料

https://blog.benchsci.com/pharma-companies-using-artificial-intelligence-in-drug-discovery