专访哲源科技联合创始人兼COO赵宇：超算上跑出计算医学 为医药产业赋能

《科创板日报》（上海，记者 朱洁琰）讯，“现在关于医学方面的论文超过3500万篇，这个体量的学习是人力无法穷尽的，基于超级计算机的人工智能却可以做到。”中科院计算所•哲源—图灵•达尔文实验室副主任赵宇、哲源科技联合创始人兼COO赵宇说。

日前，在由中共嘉兴市委、嘉兴市人民政府、《麻省理工科技评论》中国主办，中共嘉兴市委/人才工作领导小组办公室、中共南湖区委、南湖区人民政府，以及DeepTech承办的“TALENTS南湖畅想-前沿产业发展趋势论坛”上，赵宇在接受《科创板日报》记者专访时表示，哲源科技依托中科院计算所高性能中心的中国超算，研发团队从全球发表的论文中解构后建立“知识颗粒”，再根据问题设计“感知神经元机器人”，进而产生新的认知。根据全数据和人工智能算法生成模型，建立起药物研发数字实验室。

计算医学是什么概念？

哲源科技联合中国科学院计算技术研究所科研团队，在图灵-达尔文实验室首倡“计算医学”。根据哲源科技官网的介绍，所谓计算医学，是基于临床信息及疾病基因组信息，应用数学、工程学、计算科学智能化理解疾病机理，基于工业化的数据、算法、算力及生物医学技术体系解决肿瘤临床疑难问题，协助临床提高肿瘤患者用药精准分组、药物临床试验入组、药物适应性评估、复杂疾病状态评估能力。

“人类在临床上积累的数据越来越多，以基因组为代表的数据产生量呈指数上升，数据更新日益加快、获取数据成本降低，当面对每个个体超百G的数据，累积数据超过PB级（1P=10的6次方G）时，如何快速高效地处理海量数据，便成为了关键。”赵宇表示，哲源科技通过模型、超算技术来突破解读，认知的瓶颈。

不同于循证医学和精准医学，计算医学是一个全新的概念，高度依赖高性能的数据分析平台，是建立在超算基础之上的新兴科学。

赵宇告诉《科创板日报》记者，循证医学是找规律、讲概率得用药，计算医学则更像是个方法论，“药企大部分做的事其实是试错，那现在药物研发80%的工作都可以用计算机完成，药企再去做验证就行了。”

方法论赋能医药产业

更具体一些，赵宇举例表示，“针对乳腺癌的分类和治疗方案的选择，就涉及3000多个基因，在目前实际场景中，如果说患者没有标志物，即便是精准医学也没有办法。而在计算医学的方法论下，哲源科技不再是依赖某个单独的基因作为判断药物疗效的关键，而是系统性地看待生命，最终哲源均能够给出用药建议方案，用超算手段去挖掘驱动找到新重点，再结合人工智能的方法做算法迭代输出。

按赵宇的描述，训练这个模型的数据体量已经超过PB（1P=10的6次方G）量级，每次系统迭代都需要耗费千万级的电费。

在采访中，赵宇还屡次提及数字实验室的概念，这是哲源科技目前正在践行的项目，“以计算机模拟人体内的信息交互，将生命变得可数据化，从而解读人体的生命数据，再利用其进行药企新药研发等方面的应用。”

据临床试验的数据，可推测出药物优势人群的特征，并可据特征，推断该药还对哪些疾病有效。

一种药研发成功来之不易，市场上10%的药能拓展适应症，通过平台可扩大上亿人市场，能大大增加药的价值。例CDK4/6抑制剂，辉瑞、诺华、礼来三家已经在激素阳性Her2阴性乳腺癌下展示了巨大商业价值，全球也开展了上百组新适应症临床探索，但耗费巨大，而且临床试验旷日持久。而计算医学指导下的药物数字研发平台，以新技术可以帮助CDK4/6抑制剂“算出”其他可能适应症。

出于商业考虑，哲源科技目前只披露了一个新适应症：全球无药罕见病—脊索瘤，并已在临床获得了验证。但赵宇表示，“我们已经统计了几十种癌症类型上百种病理亚型，目前已经明确了几种癌症类型可能获益显著优于乳腺癌患者。”

另值得一提的是，全球每个月都有大量失败的创新药，可通过计算医学平台发现未知靶点，创造新的产业集群，重建临床失败药的价值。

AI制药的无人区

新药研发主要包括药物发现、临床前研究、临床研究以及审批与上市四个阶段。其中，药物发现阶段主要涉及疾病选择、靶点发现，而临床前研究阶段则以化合物合成、化合物筛选、晶型预测、化合物验证为主。

目前以化合物合成和化合物筛选为重点的AI+新药应用发展最快，并且在多家头部企业开展业务中均有体现。

据赵宇的讲述，哲源科技在做的事则是药物研发的两头，一头是靶点发现，在药物IP方面的工作；另一头是已经进入真实世界了，临床I/II/III期，甚至是临床后研究，即药物上市后挖掘新的适应症。“所以可以说，我们进入了AI辅助药物研发的无人区。”

不过，赵宇也强调，计算医学的数字药物实验室不会取代药企，就是二八原则，80%上超算干，20%还得人做。