文：曹弦、李秦

在过去几年中，药企和医疗保健服务提供商开始了对AI应用于各个领域，包括医学图像分析、电子健康记录（EHR）的详细研究，以及寻找疾病本源、临床前药物发现和临床试验等基础研究。ML/AI技术对人才的需求在制药和医疗保健行业中不断增长，并推动了新的跨学科行业（“数据驱动型医疗保健”）的兴起。

因此，越来越多的AI初创公司和新兴企业致力于为药物发现和医疗保健提供技术解决方案。2019年2月，知名投资机构深度知识（Deep Knowledge Ventures）发布了《2018年第四季度AI在药物研发中的应用报告》（以下简称《报告》），《报告》总结了2018年100位最具创新力和创业精神的AI企业家，他们致力于制药和医疗保健行业向数据驱动的转型。动脉新医药（微信公众号：biobeat1）整理编译了这部分内容，以下是报告内容：

为了理解如何建立有效的跨学科团队，从而在AI驱动药物发现和医疗保健转型的道路上达成有意义的里程碑事件，分析这一领域经验丰富领导者，他们的背景、技术、优势、竞争力、组织中扮演的角色以及他们对整个行业的影响力，这是至关重要的。

本报告的目标是在药物发现和医疗保健领域，通过“鸟瞰”全球的视野，获取采用ML/AI驱动的100名成功领袖名单。

药物发现和高级医疗保健领域的100名AI领袖名单的评估，是基于其在药物研究领域（包括基础生物学研究、药物发现和开发、药物再利用等）和医疗保健研究领域（包括诊断、医疗数据管理、疗法处方等）推动AI技术的累计影响（CI）程度来决定的。

CI是通过3个高度重叠的分类的总和来衡量的，这三种分类为：

科学和技术创新者——体现了在其应用生命科学任务的背景下，对人工智能技术发展的科学和技术贡献；

商业领袖——体现企业家精神、商业领导力和行业生态系统发展对生命科学中AI技术发展的贡献；

AI思想领袖——体现了AI应用于生命科学和医疗保健领域的传播（通过书籍、会议、活动、教育活动等）的贡献。

前100名AI领袖提名，还设有一个先决条件，即具备跨学科技能或商业、创业、决策技能，主要为：

1. AI/ML、统计、科学、计算机科学数据。

2. 药物发现、药物开发、药物试验、医疗、诊断。

另一个先决条件是其在AI或应用人工智能解决生命科学任务中是否有杰出的成就，具体为:

1、创新显著、技术突破。

2、对研究的巨大影响(引文量很高等)。

3、组织或创业方面的显著成就(有高额融资或市值的创始、初创公司或成熟公司，或有影响力的非盈利组织或学术机构)。

4、思想领导成就显著(有影响力的书籍、文章、公众活动等)。

在大多数情况下，AI驱动的初创企业都诞生在学术机构的摇篮里，因为在那里，有早期的学术概念和尚未得以开发、验证的原型，而此时，这些企业尚未得到天使融资。

药物发现和医疗保健领域的先进AI专业知识的另一个重要的来源，是大型的技术公司，如谷歌、微软、腾讯等。这些公司越来越专注于利用自己的技术资源来解决与健康相关的问题，或者以项目合作或租赁的方式，帮助生命科学专业人员进行研究分析。

另一方面，葛兰素史克、阿斯利康和诺华等一些领先的制药巨头已经开始采取措施、调整内部研究流程、雇佣ML/AI、数据科学人才并制定发展战略，开始大规模接受AI驱动的数字转型。

然而，与更传统的消费行业——金融、零售行业等相比，整个制药行业在采用AI应用研究方面仍然滞后。技术发展的趋势推动了AI在制药和深度医疗研究中的应用，但总的来说，成功在很大程度上取决于资深的的跨学科领袖，是他们能够在这个领域进行创新、组织和指导。 

毫无疑问，人才获取和团队建设似乎是整个AI战略中最具挑战性的部分。制药公司和药物研发机构都一致认为，药物的发现和医疗保健的知识获取是最为复杂的部分，这需要经年累月的理论培训、实践经验来理解如何用ML/AI建模。换句话说，如果没有某种程度的专业知识来理解数据、语义、特性和通用实体，就不可能有效的将ML/AI应用到这类任务中，这确实与“传统”人工智能任务有很大不同。

图像处理、建模的对象即使没有深层的专业知识也容易理解。然而与此相反，在识别新的生物调节剂中，从基因表达研究中理解数据集；或在研究物种各种发病机制的背景下理解遗传多态性，这需要对生物学、遗传学等方面有深入的了解。

与此同时，ML/AI本身就是一个复杂的多学科知识领域，需要很强的统计和概率基础理论、微积分和线性代数、数据分析和特定学科知识，如图论、高级编程技能，和手动在分布式环境(云)中开发、培训和部署ML模型的经验。

除了上述技术和研究“硬”技能外，一些“软”技能通常也是药企的AI领袖“理想”候选人的条件，这些“软”技能包括领导能力、项目或产品管理经验、行政经验或工业项目管理经验。

上述独特的要求很好地解释了这一领域高技能人才的严重短缺，同时也解释了这类专家较高的“价格标签”：我们预测，在生命科学领域拥有大量专业知识的AI专家将在几年之内成为世界上薪水最高的一部分人群。

更实际的是，制药企业将通过高度创新来解决ML/AI和生命科学“双重”专业知识的需求，跨学科团队将ML/AI和生命科学的专家聚集在一起，进行紧密沟通和合作。然而，无论需要一个或者一群领袖，都需要在这两个领域有强大的基础来创建一个完整的项目全景规划图，并确保两个“阵营”都能有效合作。

顶级AI领袖名单的最初候选池(约500人)，来自顶级药物和医疗保健AI会议的项目名单、谷歌学术搜索、数据库、谷歌新闻和PR-distribution服务（搜索引擎优化工具）和公司网站。

同时，该名单基于叙述性的任务标准介绍的分析（包括个人简介、传记、Linkedin和Bloomberg页面资料、公开奖项、文章标题、新闻和PRs以及其他文本资源）和正规的数值标准(包括谷歌学术中研究引用的次数、ResearchGate的RG评分、著作或讲座数量、论文、社交媒体活动等)。

首批约500名最优秀的候选人已经入围，按照迭代的方法，从下面的100个列表开始，指定明显不同的参数(顶级技术、商业成就、最高引用次数)，并逐渐指定最终评级的附加参数。

药物研发和高级医疗保健领域AI领袖Top100

1、学术界。学术界历来是理论和实践创新思想的摇篮。包括机器学习、深度学习和人工智能系统在药物发现和生物医学研究中的应用理论。这一领域的评估标准包括：同行评议的出版物数量多；引文水平高(h-index、i10-index高，ResearchGate RG评分高)；在药物发现应用ML/AI的理论或工程方面具有领导能力；有显著的理论突破、技术发明或者被广泛采用的商业模式。

2、AI 公司。制药和生物技术的AI解决方案新公司的数量正在稳步增长。这一领域的候选人主要是其中一些公司的创始人或最高领导人，评估标准体现为：在药物发现、生物技术、医疗保健领域引进AI药物方面具有卓越的商业领导能力；高水平的高科技和生命科学交叉专业知识；公开活动、思想领导活动。

3、药企。尽管生命科学初创公司、新兴生物技术公司和专注于AI的供应商数量激增，大型制药公司仍然是制药业和创新药物市场的主要驱动力。药企能否成功运用ML/AI技术，将在很大程度上决定其在AI制药领域进步的动力。这一类的领袖包括制药行业的高管，他们制定了AI驱动的战略和大型决策。这一领域的评估标准为：C级管理岗位，或大型制药公司的首席科学家；精通数字技术、化学信息学或生物信息学；较强的技术领导能力；了解ML/AI(专业或业余培训)。

4、技术公司。大型技术公司已经开发出了ML/AI中最强大的功能和所需的基础设施。现在他们试图将重点转向医疗保健，甚至是基础药物研究及药物的发现领域。这一领域的顶级AI领袖通常具有深厚的技术背景(计算机科学、人工智能、数据科学、工程、统计学或数学)。有些人甚至在生命科学方面具有了一定的专业知识。这一领域的评估标准是：大型科技公司的顶级研究或业务领导者；参与ML/AI技术在制药/医疗任务中的应用。

5、其他。这个类别总结了来自不同未分类组织的顶级AI领导者，他们在医药研究或医疗保健方面帮助推进这项技术。具体的评估标准为：组织中扮演的领导研究或业务员角色；在AI/ML或生命科学方面有丰富的技术专长(至少在这两门学科中的一门具有基本的专业知识)；在制药工业或医疗保健对AI的发展有显著的领导或研究贡献。

下图展示了全球制药和医疗行业AI领域的顶尖领袖的国家分布。具体为，美国有68位，英国13位，中国2位，加拿大5位，瑞士4位，爱尔兰2位，瑞典、荷兰、比利时、澳洲、法国、西班牙各有1位，总计100位。

在制药和医疗研发领域，美国和英国仍然拥有数量最多的顶级人工智能专家，这或许并不令人意外。需要特别注意的是中国，虽然评选结果只有2名，但在AI驱动的制药和医疗研究方面的潜力是最大的。入选中国专家为碳云智能王俊、腾讯优图实验室郑冶枫。实际中国有三人，还有腾讯人工智能实验室主任范伟，因工作地点原因被划分在美国。

评选的中国的AI领袖人数较少，主要有两个原因：

（1）中国的AI人才呈爆炸式增长趋势，但排名前100位的AI领袖的评估重点是历史成就(美国和英国历史上在这一领域有许多开创性的进展)和目前公认的领导力(而不是未来的潜力)。

（2）所有在中国公司西方办事处工作并居住在美国或者英国的中国专家参加评选时，以工作地或居住地参加的评选，如腾讯范伟被划分在美国。

我们预测，中国的统计数字在未来几年可能会发生重大变化。首先，政府大力支持AI驱动的医疗保健行业和药物研发的转型；其次，AI驱动的医疗和制药计划中，“有争议”研究的官僚主义和监管阻碍相对较低；最后，中国顶尖专家从西方国家“回流”到中国的趋势明显。

按照传统思维来看，学术界应当是是制药和医疗AI领域最顶尖研究人员的大本营，这与目前的统计数据是一致的。大部分顶尖的AI专家参与了创业和运营的AI公司，剩余的顶级专家分布在制药公司、技术公司和其他未分类的公司。 

研究发现，排名前100位的名单中，大多数都在学术界工作(43%)；

学术界的43位AI领袖名单

AI驱动的药物研发初创企业的创始人和研究高管在前100名领袖中占比第二(30%)。这一领域新兴公司的大量涌现是AI驱动的解决方案的需求日益增长的结果。

AI创企中的30位领袖名单

在前100名的人工智能领导者中，有15%的人在大型制药公司工作，这反映出药企对AI驱动药物发现和医疗保健转型的认知有些缓慢。然而，我们预计这一类别将在最近的时间内大幅扩张——制药公司将大量引进AI人才和领袖。

制药公司的15位AI领袖名单

榜单前100名的其他AI领袖来自世界上最大的非制药科技公司，其中包括谷歌、腾讯这一类的技术公司（7%），以及其他不同行业的公司(5%)。

科技公司的7位AI领袖名单

其他领域的AI领袖名单

在这些非制药科技公司中，需要特别注意的是“技术公司”这一部分名单，因为这些公司已经具有全球最尖端的ML/AI技术和一流的IT基础设施。

目前，科技巨头虽然无法大规模进入医药研发市场，但进展极为迅速。我们预计，大型科技公司可能会在某个时候，对目前的主流医药和生物技术组织造成大量竞争压力。在这种情况下，ML/AI技术的“民主化”得到广泛认可后，大量的非制药企业将进入医药研发市场。

为推动AI在医药和医疗领域发展做出贡献的100位AI领袖中，包括研究岗位与企业家角色，他们的大致分布为2:1（精确比率为63%：37%）。63%的AI领袖主要参与与研究相关的活动，而只有37%的人为企业家和管理者。

将100名AI领袖按照他们的主要行为进行分类，具体分布为商业17%、AI研究46%、生命科学研究37%。更详细地说，16.8%的人主要集中在一般业务和管理方面，46.5%的人更多地涉及ML/AI、研究方面(包括科学及商业)，而36.8%的人更关注生命科学领域(包括科学及商业)。

这张图表描述了AI顶级领袖对行业发展的影响类型分布。从中可以看出，商业领袖占比22%，科学和技术创新者占比40%；思想领袖占比38%。

总结前100名榜单，很明显，成功的制药和医疗领域AI领导者起源于各种不同的专业背景和领域，它们在项目中可能扮演各种各样的角色。比如纯科学的角色，或者创业和管理为主的角色。这说明任何成功的AI人才获取策略，都旨让组织广泛接受AI技术的应用，并且在不同角色和部门之间自由切换，而不仅仅局限于雇佣高专业性的员工来扩充研发或IT部门。

人们日渐意识到，AI技术对制药行业来说是一个变革性的机会。很容易预测即将到来的AI人才，尤其有生命科学经验的人才之间的疯狂竞争。在未来几年里，对这类专业人才的需求增长速度将远远超过供应速度。

AI人才获取战略的另一个问题是，将面临外部公司、组织对公司现有人才日益激烈的竞争。谷歌、微软、腾讯和亚马逊等大型科技巨头正日益聚焦于生命科学和医疗保健领域。因此，制药巨头不仅要与同类的制药公司竞争人才，还要与越来越多制药行业AI初创企业，以及全球技术公司竞争人才。

为了公司长期发展的动力，并为AI驱动的业绩增长做好准备，制药公司将不得不专注于最高效的人才收购策略:

1. 注重与学术界的合作：学术机构不仅仅是AI创新的摇篮，也是科技人才的主要来源。在这些颇具水平的专家进入职业生涯的早期，制药企业就需要与他们开始接触，让他们进入制药行业工作，而不是让其在科技公司的职业生涯中随波逐流。这一战略应该达成某种平衡，以避免学术界出现“人才流失”。

2. 并购战略：并购活动是收购AI人才工作的重要组成部分。日益增长的AI驱动的药物研发和医疗初创企业浪潮，正在催生一批对ML/AI和生命科学都有着深刻理解的高技能团队。我们预计，在这一领域最成功的初创企业将很快成为药企和技术公司并购的最大目标。

3.增加企业内部文化：创建企业内部项目和企业孵化器，必将成为制药企业的AI人才获取策略中的重要组成部分。像谷歌这样的公司，以其出色的内部创新者而闻名世界。众所周知，制药公司十分保守，但他们将不得不采取更加灵活的内部创新者和内部企业家培养战略。

Deep Knowledge Ventures是一家风险投资公司，成立于2014年，总部位于香港，在伦敦、日内瓦和旧金山都设有分公司。该公司的主要投资领域包括区块链技术、人工智能和生物医学。公司定期针对包括创新科技、AI和长寿在内的多个主题制作分析报告，并公开发布，以加速这些行业的发展。