人工智能技术可以让人永葆青春？_技术

随着医疗保健行业与数据采集技术的发展，AI技术与生物医疗产业的结合呈现出巨大潜力，不仅在制药领域中的取得了许多突破，在生物抗衰老的相关问题上也开始推进更深层的研究。

自古以来，中国流传着长生不老，求仙问药的故事。一家总部位于美国巴尔的摩的医疗与生物信息公司Insilico Medicine正在让这些神话故事的场景走进现实。

2014年，Insilico Medicine由创始人Alexander Zhavoronkov成立。该公司专注于运用AI技术发现新药，延长寿命，致力于个人健康管理和老龄化问题的相关研究。

至今为止，Insilico Medicine公司已经从Deep Knowledge Ventures，JHU A-Level Capital和Juvenescence等投资者中共筹集826万美元的资金。

据动脉网从多家海外媒体获悉，Insilico Medicine被界定为风险资本市场一类，是处于发育成长期的新生高新技术企业进行股份融资的市场。该公司在美国的主要竞争对手为Atomwise、twoXAR和QraTIv公司。

作为Insilico Medicine的CEO，Zhavoronkov在同期竞争对手中拥有最多的公司员工数量。近两年中，他们总计获得了680万美元的融资，为公司带来了570万美元的收入。

高效团队为核心力量

目前，Insilico Medicine在俄罗斯，英国，瑞士，波兰和美国设有研究团队，在加拿大，以色列，瑞士和中国开展研发合作。

通过AI技术的应用，Insilico Medicine至今已建立250多个产学合作案，成功搭建在药物研发和生物标记研发领域的应用，并成为制药行业的创新驱动者。

Insilico Medicine的经验团队中包括主席Alexander Aliper，首席运营官Qingsong Zhu以及创始人Zhavoronkov本人等。在加入该公司以前，Qingsong Zhu曾在约翰霍普金斯大学医学院接受过博士后的培训。

据动脉网了解，Zhavoronkov在创业初期主要专注于老年化研究。通过收集大量不同年龄的健康和患病人群的多类组学数据，利用机器对这些数据进行综合分析，从中找出与衰老和疾病有关的生物标记物。

目前，Zhavoronkov和他的团队通过与多个相关领域的公司进行合作，实践和创新，力争于发现抗衰考药物，延缓患者寿命。

Zhavoronkov表示，医药研发是一项不容小觑的任务。每个药物的研发费可达到26亿美元，而在全球研发这些药物的费用是1500亿美元。这就解释了为什么在2014年，总共只有46种新药被推出。新药研发的失败率为92%。并且现实中有约6万种疾病。

由此可见，医药研发与人类衰老的抗争并不容易。Insilico Medicine公司以推广AI技术为目的提升每个人的生命周期质量（QALY）。

目前，每提升一个单位QALY，将花费6万美元。而这将由新药物的研发所引导。

此外，创始人Zhavoronkov的专业背景也支撑着他在AI技术和生物研究产业的探究与创新。今年才39岁的他，已经拥有生物物理学博士，生物技术硕士学位和计算机科学学士，并在生物对象学和再生医学领域拥有经历丰富的职业生涯。

作为世界衰老研究领域的知名学者，Zhavoronkov在2015年12月出版了《跨越衰老：生物医学的进步将如何改变全球经济》。

书中所探讨的视角涉及人体衰老的机理、政府感兴趣的养老金制度改革、社会经济学家感兴趣的老龄化人口增多等诸多问题。在他看来，美国、日本等国家老龄化引发的社会、经济问题，对中国有着深刻的借鉴意义。

到2020年，中国60岁以上人口预计将达2.5亿，中国将成为全球老龄化最为严重的国家之一，并由此带来诸多负担和问题。而生物医学中的抗衰老研究，将可能改变这一情况，它能够推迟退休的标准年龄、甚至重新定义广义上的“老龄人口”。

数据探测你的健康状态

Zhavoronkov始终坚信AI技术是改善制药行业，提高产业效率和降低衰老风险的重要途径。该公司利用自身对深度神经网络机器学习的专长，帮助它们进行药物研发，治疗衰老疾病。

PHARMA.AI、Young.AI和NUTRIOMI是Insilico Medicine的三个重要产品：

PHARMA.AI：经过调查发现，能够同时具备多组学，药物，临床经验以及深层神经网络知识的相关人员并不多。PHARMA.AI作为Insilico Medicine公司研发的项目之一，致力于缓解几年来生物医药行业中专业人士匮乏的情况。

通过获取数百万个统一的多组学数据和人类数据样本，PHARMA.AI能帮助世界各地的制药，生物技术公司和学术团队创建、培训、出售或授权多种有关深层神经网络的解决方案。

另外，PHARMA.AI研发的工具也有助于深入了解生物标志物，及发现新药，未来将为癌症和衰老相关的疾病制定出个性化的解决方案。

Young.AI Beta 1.0：Insilico Medicine于2017年9月推出Young.AI的beta 1.0版本。Young.AI作为一个可预测用户年龄的智能平台，其任务是通过控制用户的健康和老龄化率，跟踪时间变化等方式去优化用户的生活。这套算法的特点是能够深度跟踪数万甚至数百万个样本的神经网络。

该项目研究了21种常用的血液参数，如胆固醇、炎症标志物（CRP）、血红蛋白计数和白蛋白浓度以及其他17种化学指标。

通过AI分析结合血液化学、年龄、种族和其他数据进行对比，Young.AI为人类制作出了 “第一个真正可靠的老化时钟”的算法。

据动脉网了解，目前只需通过分析一滴血液就可以确定个人的寿命预期。

任何人都可以通过访问Young.AI网站去了解他们的健康与未来，因为整个系统的分析是免费的。

在使用该平台的过程中，参与者必须对他的血液进行18个参数的本地测试，然后将其结果上传到Young.AI站点，同时上传一张照片用于视觉因素上的年龄评估。几秒种后，网站即可返回报告。

如果得出用户的生物年龄是大于他的实际年龄，Young.AI提出的报告将有效地帮助用户采取必要措施，从而改善体内最弱的指标。

NUTRIOMI：作为Insilico Medicine的另一个重要产品，NUTRIOMI致力于推广饮食健康，减缓并预防常见的衰老现象。

它的独特之处是通过研究个人血液生化的数据去跟踪用户的衰老动态。NUTRIOMI鼓励人们以改善老龄化为目去采纳正确的生活方式，保持饮食平衡，改善营养状况。

GAN让Insilico Medicine脱颖而出

Insilico Medicine在制药的行业中究竟占有什么优势呢？据了解，Insilico Medicine是首家应用“生成对抗网络（GAN）”的公司，致力于对具有特定参数的分子结构进行深度解析，预测治疗效果最好的药物分子。

被《麻省理工科技评论》评选为 2018 年十大技术之一的 GAN，其独到之处在于能同时训练两个网络，一个是生成网络，又称生成器，另一个是鉴别网络，又称鉴别器。

我们对此概念提出了一个方便理解的比喻。 GAN的思想是是一种二人零和博弈思想（two-player game），博弈双方的利益之和是一个常数，比如两个人掰手腕，假设总的空间是一定的，你的力气大一点，那你就得到的空间多一点，相应的我的空间就少一点，相反我力气大我就得到的多一点，但有一点是确定的就是，我两的总空间是一定的，这就是二人博弈，但是总利益是一定的。

GAN中的两个博弈者，一个人是生成模型，另一个是鉴别模型。

生成模型从潜在空间中随机采样作为输入，其输出结果需要尽量模仿训练集中的真实样本。判别模型中的输入则为真实样本或生成网络的输出，其目的是将生成网络的输出从真实样本中尽可能分辨出来。而生成网络则要尽可能地欺骗判别网络。

两个网络相互对抗、不断调整参数，最终目的是使判别网络无法判断生成网络的输出结果是否真实。

运用GAN的最终目的是通过让这两个网络相互对抗、竞争，却又在互相学习的过程中，训练出高质量的人工智能。

GAN的最大的优势来自于判别器的引入，让我们不用费尽心思为一些难以直接用数学公式衡量好坏的任务设计目标函数。有了GAN，我们便可以让判别器来学习判断图像的风格。

此外，Insilico Medicine在学术领域中也乐于分享研究成果，致力于与读者保持长期稳定的关系。

该公司会定期在Oncotarget和Molecular PharmaceuTIcs发表开创性论文，对他们的研究进行总结归纳。

2016年，Insilico Medicine发表在Molecular PharmaceuTIcs上的论文展示了他们对深层神经网络的研究与应用。文章内提出运用转录反应数据对分子治疗的类别进行预测。该文章获得了美国化学学会编辑优选奖。

2017年11月，Insilico Medicine发布了一篇关于对下一代AI的应用及区块链技术和支持的新论文，致力于推广用户对个人数据的控制与管理。

近期在老年学期刊上发表的论文也展示了该公司通过深度探究神经网络对病人的生理年龄的影响做出的合理评估。

可以看到，Insilico Medicine在AI生物医疗和科技制药方面为人类带来的贡献。其公司理念、优势以及产品，都将为未来人类健康管理和控制老年化问题上打下强有力的基础。

合作促进医疗领域发展