如果说化学阶段的目的是Be better的话，那么医学阶段的目标似乎又收缩了，变成了Be usable，然而真实的情况是大部分药物分子跨不过这个坎。在药物研发里有个谚语，叫做“Fail fast, Fail early”，这其实是求之不得的事情，因为如果拖到临床II期甚至III期临床再失败，将会造成摧毁整个公司市值的重大损失。

　　这看起来似乎是荒谬的，如果前期的生物学机理和化学优化已经完善，为什么放到真人身上就砸了呢。但这个荒谬背后的原因是非常深刻的：药物分子在复杂的人体系统，尤其是具有基因和组学异质性的人群中的效应是难以捉摸的，在不同的维度上可以呈现出不同的usability。

　　大部分的药物如果是在II期及之后失败，最大的问题可能不是因为药不好，而是以错误的方式用在了错误的人群中。很多药物其实在临床试验里并没有死透，如果我们知道自己错在那里，其实是有可能通过给药方案和适用范围的调整，达到新的临床终点。

　　如果能够及时止损，及时选择合适的适应症，提高成功率的话，这才是真正值钱的地方。而这其实可以借助于机器学习对患者画像的洞察来实现，在临床试验开始之前就对这个药在大人群中的可用性，或是对哪些细分marker的人群可用，以及最重要的，哪些marker人群和临床终点无效做出判断。这样的洞见，在II期及以后的临床试验中都价值上亿！

　　可以看到，目前的药物研发的流程，最大的矛盾集中在生物学阶段和医学阶段，相反，化学阶段反而是最成熟的部分。而如果只是在这个非瓶颈部分做优化，并不会显著提升药物研发的时间效率和回报率。

　　因此我认为，如果AI药物研发的项目，仅仅是过去计算化学模拟，组学和药物开发自动化的延续，是用AI的工具去优化和加强已有的研发流程，这当然是一个最具可行性的前期策略，但是这并不是那么值钱的市场。这些针对药物研发中“化学”阶段的AI创业项目，做的普遍是容易做，但不是必须做的事情。如果只是提升当前的药物研发效率，那么AI药物研发公司的估值，显然有点高了。

　　大型药企对这些创业项目的关注和支持，与其说是看好技术而去投资，不如说是出于财务KPI的考虑，以投资AI药物研发公司的方式，将非药企核心的研发业务外包给了CRO和这些“virtual biotech”的AI创业公司。这可以输出药企的优势：充沛的现金流投入，和临床开发“接盘”能力，而产生的收益又不会立即体现在损益表上，而是通过收购-商誉的调节，让报表变得更好看。当然，从投资的角度去看，我也认同这种商业逻辑。

　　但真正具有极大价值的，应该是用AI重构药物研发的整体逻辑，这可以从两个方向进行努力：1，在生物学的阶段，甩开可理解性的限制，以无监督学习的方式去更高效寻找新机理和有效的新靶点，往外扩张成药的空间。2，在医学的阶段，结合患者画像参与到临床实验的决策中，以提高药物定位和过审的成功概率，尽早识别并kill掉无底洞的烂药，以免到了3期失败被坑死。

　　这两个方向其实都体现出同一个理念，那就是应该用AI去提高药物研发的成功率，而非药物研发的运营效率，这两者是质和量的不同。如果能够直面“生物学”和“医学”阶段的Hard Problem，实现颠覆性创新，我相信，这会比在“化学”阶段做的任何渐进式创新，都更有价值。