還在研發就賣了8億美元！這家人工智慧+新葯研發公司是如何做到

在醫療人工智慧領域，新葯發現對大多數人來說還是比較陌生的。雖然這個細分領域的發展不如醫學影像，但卻出現了一家獨角獸企業——BenevolentAI。

BenevolentAI坐落於有知識街區之稱倫敦國王十字區，該公司主要是利用人工智慧技術，從散亂無章的海量信息中，提取出能夠推動藥物研發的知識和新的可以被驗證的假說，從而加速藥物研發的過程。

在2013年第四季度至2015年第三季度，BenevolentAI共進行了四輪融資，總額達到8772萬英鎊（約合1億美元），估值達到17.81億美元。

按照融資金額算，BenevolentAI已經成為歐洲最值錢的人工智慧初創公司，在全球也可以排進前五。2017年1月份，它被CB Insights評入「全球人工智慧企業100強」。

BenevolentAI為何能受到資本和葯企的青睞，動脈網對其進行解讀。

這家公司由Ken Mulvany創立於2013年，起初名為Stratified Medical，2016年10月改名為BenevolentAI。

Ken Mulvany是一名連續創業者。在2003年，Ken Mulvany創辦過一家製藥企業——Proximagen。Proximagen致力於為中樞神經系統（CNS）疾病提供新型藥物和創新新療法。

公司分別在2009年6月和2011年9月獲得了兩輪融資，總金額達到9650萬美元，其中一家投資機構為靈北葯業。2012年9月，Ken Mulvany以5.55億美元的價格將Proximagen出售給美國的製藥公司Upsher-Smith。

出售Proximagen為投資者創造了不錯的收益，也為Ken積累了良好的口碑。因此在Ken Mulvany創辦BenevolentAI的時候，以前合作的兩家投資機構和兩家製藥企業為BenevolentAI提供了800萬英鎊的天使輪融資，他們分別是靈北葯業（Lundbeck）、Upsher-Smith以及Woodford投資管理公司和Lansdowne Partners。

研發藥物本來就燒錢，還和人工智慧搞在一起，這些投資機構的眼觀和膽量不得不讓人佩服。從目前BenevolentAI估值17.81億美元來看，這些機構和葯企又賺了一筆。

其中還有一個小插曲，靈北葯業的前任CEO Ulf Wiinberg，曾經收到過Ken送給他的禮物——BenevolentAI的股份，在財產申報的過程中，他把這一部分漏掉了，因此他丟掉了工作。

2016年8月31日，BenevolentAI將業務拆分，成立兩家全資子公司：BenevolentBio和BenevolentTech。

BenevolentBio繼承了BenevolentAI的主要業務，繼續專註於將公司的技術應用到醫療保健和藥物發現中，並致力於炎症、神經變性疾病（例如帕金森、阿爾茨海默症）以及其他罕見疾病。

BenevolentTech則將繼續完善和開發推動生物科學發現的AI引擎，並會將這一技術應用到其他領域。

創始人Ken Mulvany表示：這樣做的目的是為了將AI與生物、化學和製藥等技術相結合，加速創新藥物的研發，然後將這個技術快速的推廣。

2015年11月30日，BenevolentBio迎來了一名女性CEO——Jackie Hunter。Hunter是英國生物技術和生物科學研究理事會（BBSRC）的首席執行官。英國生物技術和生物科學研究理事會是全球領先的資助機構，它負責英國各地的大學和研究機構的學術研究和培訓。

她剛進BenevolentAI，創始人Ken Mulvany就把CEO的職位讓給她 ，自己去做董事了。2016年公司業務拆分，BenevolentBio繼承了BenevolentAI的主要業務，Hunter又擔任了子公司的CEO，這在創業公司的里是很反常的，Ken Mulvany為什麼這麼相信她呢？

帶著好奇，我了解了這位美女CEO的經歷，發現她在2010年1月到2012年10月間曾在Ken Mulvany的上一個創業公司Proximagen擔任非執行董事。她是公司薪酬委員會及提名委員會成員，對公司員工的情況十分了解。

在此之前，她在醫藥行業工作了27年，在GlaxoSmithKline擔任神經病學、胃腸藥物發現和早期臨床開發的高級副總裁職務。由此推斷，正是出於對Jackie Hunter充分信任，以及她多年的經驗，Ken才決定讓賢。

另一家子公司BenevolentTech的CEO Jérôme Pesenti是一位世界級的AI技術先驅，過去16年他一直專註於大數據、雲服務和機器學習等技術的研究，並以首席科學家的身份領導並參與了IBM Watson平台的開發。他之所以加入IBM，是因為他和其他人一起創辦的公司Vivisimo在2012年被IBM收購，他也跟著進入了IBM。

後來，由於BenevolentAI在AI+藥物發現領域的優勢與創新打動了他，他決定加入BenevolentAI。

三峽大壩是主要的水利工程，從建設到完工耗時12年，耗資500億人民幣約60億美元（樞紐工程費，不包含安置費和輸變電工程費），被稱為「大國工程」。

同期的2006年，製藥企業輝瑞的研發投入是83.4億美元，11隻藥物處於Ⅲ期臨床階段。一款新葯的上市也要10-12年，和修建三峽大壩的時間相差無幾，為什麼新葯研發的費用和周期會這麼長呢？

新葯研發的難點可分為兩個時期：一是前期小分子化合物的發現過程，另一個是一、二、三期的臨床試驗。

一般一、二期臨床要三到五年，三期臨床二到三年，這個時期是否順利很大程度取決於前期藥物發現的時候有沒有把候選化合物選好。候選化合物的發現過程對後期的臨床起到關鍵作用，這裡先普及一下流程。

藥物研發是一種苦苦尋覓的過程，甚至是一個靠運氣的過程。同時，這個過程中存在很多問題，例如過多的化合物需要篩查、中標物的毒性測定、失效和有偏設計等，如果前期工作做得不好，後面的臨床試驗中途夭折的概率就會增加，那時的損失就可能達到數億美元。

新葯發現這麼難，那麼BenevolentAI的人工智慧技術是如何提高藥物發現的幾率的呢？

在科學研究飛速發展的今天，每30秒就會有一篇生命科學論文發表。除此以外，還有大量的專利、臨床試驗結果等海量信息散布在世界各地。這些信息中，只有一小部分的科學信息可以形成有用的新知識。

對於藥物研發工作者來說，他們沒有時間和精力來關注所有的新信息，但是這些信息又包含了全球大部分科研人員的研究成果和大量關於新葯的信息，從這些信息中找尋新葯的蛛絲馬跡是藥物發現的一種捷徑。

BenevolentAI的技術平台利用人工智慧技術，從這些散亂無章的海量信息中提取出能夠推動藥物研發的知識，提出新的可以被驗證的假設，從而加速藥物研發的過程。這個技術平台叫做JACS（Judgment Augmented Cognition System，判斷加強認知系統）。

JACS在運算的時候會涉及海量的數據，為了提高運算效率跟能力，公司從英偉達購買了專門為深度學習設計的超級計算機DGX-1。

這台計算機可以模擬發生在大腦皮層中的識別和學習模式，加快在不同信息源之間建立新的關係，從而產生更快、更多的新葯創新。

BenevolentAI並不是靠講故事來獲得融資的，到目前為止，公司正在利用AI技術進行10多種藥物的研發，這些藥物主要針對包括阿爾茲海默證和罕見癌症在內的四個不同領域的疾病。

2014年6月，BenevolentAI宣布與一家美國的製藥公司達成合作，並將兩個正在研發的阿爾茨海默氏症新葯賣給這家美國公司，這兩款藥物處在中標候選化合物評估階段。

此次交易高達8億美元，BenevolentAI獲得4億美元的預付款，如果這個新葯後期研發順利，公司將獲得餘下的4億美元。此次交易的兩款藥物就是利用JACS系統開發的。

除了銷售發現的小分子化合物之外（未上臨床的創新葯），BenevolentAI也可以分析小分子化合物，進而參與新葯研發的整個流程。2016年11月，BenevolentAI與強生達成合作，強生把一些尚處於試驗中的小分子化合物轉交給了BenevolentAI，進行新葯開發。

2017年5月25日，其發現的用來治療肌萎縮性側索硬化症的藥物，經過英國謝菲爾德一家機構的研究，確實對治癒運動神經衰退有作用。

另外，動脈網從BenevolentAI官網了解到，BenevolentAI將利用人工智慧系統來指導臨床試驗的進行和數據的收集，計劃最早在2017年中期展開某種藥物的2b期臨床試驗。

BenevolentAI如此賺錢，未來也有望成為一家世界級的企業。那麼在人工智慧+新葯研發領域有大展拳腳的機會嗎？

在國內，我們目前只發現了一家名為晶泰科技（XtalPi）的企業在從事人工智慧+新葯研發業務。這家公司主要利用人工智慧、量子物理化學演算法、大數據、雲計算等技術從事藥物研發創新，為全球葯企提供高度精確的智能化藥物設計與研發技術，從而提高研發的效率與成功率。

與BenevolentAI不同的是，晶泰科技將所開發的技術應用於藥物發現過程中的早期設計與優化、藥物溶解度、毒性預測與篩選、藥物設計和藥物重定向。目前在AI製藥領域也獲得了良好發展。

但是，從大環境來看，的創業者想要在這個領域發展，還是顯得門檻較高。

我們主要從以下幾個維度進行了簡單分析：

市場：創新葯的市場，你想它有多大，就有多大，只要有本事，你就能分到蛋糕。此處不再過多贅述。

數據：高質量的數據是人工智慧企業的重要支撐，沒有數據，一切都是瞎扯。的新葯研發環境與國外相比相差甚遠，無論是化合物庫還是小分子化合物的試驗數據都和歐美國家存在一定的距離，的創業者要先和高校、科研機構或者是醫院達成合作，有了高質量的數據，才有創業的可能。

人才：人工智慧的專家確實不少，但是與製藥、生物化學相結合的人才還是匱乏，人才的招聘還是挺難的，除非海外請專家。

商業模式：歐美有成熟藥物研發退出機制，新葯的發現與研發，一旦與葯企合作，就有很大概率被葯企收購，投資機構成功退出，但是在這方面的成功案例較少。

動脈網（vcbeat.net），關注互聯網醫療及健康領域的新技術、創業和投資，以及新技術背後的倫理。