中国药企发展指南百年药企阿斯利康起死回
过去几年，阿斯利康发生了翻天覆地的变化，从一个风险厌恶、孤立和发展缓慢的公司转变为现在自豪地拥抱快节奏、创新和创业价值的公司，数字化在推动和实现这一变革方面发挥了关键作用。
对此，阿斯利康CEOPascalSoriot非常引以为傲地说：“我对阿斯利康作为科学领导的创新者的前景感到兴奋，因为我相信阿斯利康将长期为患者和股东创造价值。”
本期大药企数字化创新的主角阿斯利康，这家由瑞典阿斯特拉和英国捷利康（二者均为“百年老店”）在年合并而来的药企，在制药工业中一路磕磕绊绊，曾经进入过全球制药企业TOP3，也曾差点成为被收购的“猎物”。
但无论在何种条件之下，阿斯利康均保持了高水平的研发投入，并积极推行管理、业务上的创新，数字化创新是其中重要的方向。诚如PascalSoriot所言，阿斯利康一直是作为科学领导的创新者而屹立于全球顶尖药企之列。
创新是阿斯利康走出“低谷”的重要途径
从年起，阿斯利康业绩一路高歌猛进，年销售收入达到.91亿美元，在全球制药企业中排名第七。但盛极而衰，由于多款专利药到期-“专利悬崖”，阿斯利康的业绩开始走向颓势。
数据来源：阿斯利康年报，动脉网制图在最近的10年，阿斯利康的发展大致有两个阶段，-年，缓慢的爬坡阶段；-年，业绩增长受挫，出现缓慢下降趋势。
PascalSoriot在年10月履任阿斯利康CEO，算得上是“临危受命”。这位出生于年、做过“兽医”、拥有巴黎HEC商学院MBA学位的法国人，把他在Aventis、Genentech（基因泰克）的经验移植到阿斯利康——大刀阔斧地进行了改革，裁掉了数千人，并耗资3.3亿英镑新建了研发中心，且重启了几个被放弃的项目（包括重磅药物Olaparib）。
从年起，虽然阿斯利康的业绩仍然在下降，但很明显，已经逐渐扭转了颓势。尤其是在年，PascalSoriot带领阿斯利康防守住了辉瑞高达亿美元的收购，这也被看成是他在阿斯利康的高光时刻。
所以当年7月有消息传出PascalSoriot将以其在阿斯利康两倍的薪金跳往以色列制药公司Teva的时候，业内相信的人并不多。对于已经59岁的PascalSoriot来说，阿斯利康可能是其工作的最后一站。
年7月26日，PascalSoriot带领团队做了阿斯利康Q2及上半年财报的报告：阿斯利康上半年实现收入.33亿美元，同比增长5%；肿瘤、心血管、肾脏和新陈代谢等核心产品表现强劲，Q2销量同比增长19%，上半年同比增长14%。
受Q2财报利好，阿斯利康股价已回归高位中国古人说“穷则变，变则通，通则久”，相信有百年历史的阿斯利康自然也明白这个道理，创新是维持企业发展的唯一动力。在业绩受挫之时尤其如此，只有大胆革新，开源节流，才能找到新的增长点。这也是阿斯利康重视创新，重视数字化创新的理由之一。
今年3月，PascalSoriot在剑桥大学哈默顿学院（HomertonCollege）周年庆典上说，医疗健康行业正在经历由数据、计算能力和智能技术（如AI）驱动的转型，大数据和相关技术可能代表着巨大的机遇，生命科学领域是一个关键领域，（阿斯利康）应该利用这种繁荣。
那么，阿斯利康在以AI、大数据为代表的数字化创新上究竟做了哪些尝试，又取得了什么样的结果，动脉网对此进行了梳理。
阿斯利康在业务各环节的数字化创新
阿斯利康和人工智能的“碰撞”此前，动脉网曾发布了一篇来自阿斯利康iLAB的报告，报告题为“人工智能和机器学习正在颠覆药物研发”，详细介绍了阿斯利康在应用AI方面的工作。
概括而言，包括以下几个方面：
1.加速化合物合成的周期；
2.利用结构化学来发现重要分子；
3.对常规化验的结果进行可靠预测；
4.研究药物在细胞内的代谢情况；
5.应用AI指导药物使用；
6.应用AI监测药物安全；
在年，阿斯利康举办了DMTA“Hackweek”（设计-制造-测试-分析，DMTA是药物前期研发的流程）。各个研究点的科学家和阿斯利康内部的专家一起，通过他们的科学知识和专业技术构建了首个“DMTAmachine”模型。在哥德堡的创新实验室里，他们连续工作了5天，彻底改变了发现药物的方式。本着“黑客”的精神，这个团队克服了无数的困难，将20多年来积累的硬件和软件结合起来，创造出了一个机器模型。这种机器可以在两小时内，完成研究项目的整个DMTA周期。
建立潜在新药的化学三维结构是药物研发的关键，因为药物的大小和形状非常重要。它们影响着许多不同的特性，包括与生物系统的相互作用，以及形成药物所需的物质分子的聚集方式。阿斯利康正在利用量子计算来进行药物分析化学结构的设计。
在研究中，阿斯利康也通过AI，使现有的流程更有效，并将数据转化为知识。他们正在使用AI来对常规化验的结果进行可靠预测，比如人体血浆蛋白结合（hPPB）测试，以此来帮助科学家，让他们有更多的时间专注于那些将给阿斯利康带来更大竞争优势的问题。
阿斯利康正在使用质谱成像技术（MSI），在空间上对分子进行生物样本和组织切片的细胞定位，比如用于病理评估的切片。这些全面的空间数据信息，可以很好地将组织微环境、药物定位、疗效和安全性联系起来。然而，现有的数据挖掘方法对计算机系统有很高的要求，阿斯利康只能分析小型的、单个的数据集。为了解决这个问题，他们开发了新的计算算法，可以精确有效地分割大量的MSI数据，以提高对多个端点的学习能力。关于这一部分的研究，阿斯利康将其发表在《分析化学》之上。
阿斯利康开发了一种新的深度学习算法，利用数字病理学，自动进行组织生物标记。阿斯利康打算将自动分析数字化病理图像变成一个高通量的过程，并将AI算法融入到诊断测试的开发中。其目标是利用AI来影响患者的治疗，将目标药物用于最需要的患者。
阿斯利康还和多所大学、研究机构合作开发了一套创新的AI药物警报系统“Watcher”，包含工具包REACT4，它对试验第一阶段和第二阶段的安全性、有效性和生物标志物数据进行整理，并使之形象化，目前正用于阿斯利康超过项的研究中。REACT4可以按需进行临床说明，并取决于正在使用的系统，Watcher的持续监测可以察觉到信号并在信号发出时进行及时的通知。
概括而言，从药物设计到临床试验，AI人工智能为药物研发的各个阶段带来突破性进展。有了深度学习的辅助，机器开始模仿人类大脑神经元的活动，来创造一个人工的“神经系统”。阿斯利康在医药研发的大量试验中运用AI的方法，来降低成本，加速数据的供应。
除了自建之外，阿斯利康还和总部位于美国波士顿的一家名叫Berg的公司合作，利用AI开发药物。该公司通过对多种癌症和健康人类细胞样本的测试来识别以前未知的癌症机制，从而确定潜在的治疗方法。双方的合作主要集中在帕金森病和其他神经系统疾病领域。
从20亿美元到9亿美元，创新让阿斯利康IT成本减半
作为一家在全球一百多个国家开展业务，雇员超过6万人的大企业，内部管理也是阿斯利康重要的工作。在阿斯利康转型过程中，内部管理的IT创新非常值得
转载请注明：http://www.abuoumao.com/hyfw/5048.html
