近日，日本AI制药公司Elix与AI生命科学合作组织Life Intelligence Consortium（简称“LINC”）宣布，在全球首次实现了 AI 药物发现平台的商业化。
该平台整合了多个 AI 模型，使用联邦学习对 16 家制药公司提供的数据进行训练，并在AI药物发现平台 Elix Discovery™ 上部署实施。
值得注意的是，该模型的机器学习库，一款由Elix与京都大学合作开发的联邦学习库kMoL已于2021年开源发布。
该AI模型的开发是通过日本医学研究开发机构 （AMED） 领导的产学研项目（DAIIA：Development of a Next-generation Drug Discovery AI through Industry-academia Collaboration）推进的。
首批数据也来自于参与该项目的16家日本药企，包括卫材、小野制药、协和麒麟、武田制药等知名药企，后续可用数据池将扩大。
联邦大模型 破解数据难题
AI药物发现的关键，在于高质量和足够大的数据集。
制药公司通常仅限于利用自己的专有数据和公共数据集，导致严重的数据短缺，而联邦学习技术为这一挑战提供了解决方案。
联邦学习（Federated Learning）本质是一种分布式机器学习框架，它做到了在保障数据隐私安全及合法合规的基础上，实现数据共享，共同建模。
这一技术的核心在于“数据不动，模型动”，仅共享模型参数而不是数据本身，从而解决了医疗领域尤为重要的数据隐私问题。
通过该方法搭建的AI平台Elix Discovery™，使用了制药公司提供的100多万种化合物和超过1000万个数据点的结构数据进行训练。
该平台拥有三大关键模块：
Elix Predict（属性预测）：通过将化合物结构输入到 AI 模型中，可以预测有关化合物的关键信息，例如针对目标的活性、物理化学性质和 ADMET 性质。
Elix Create（分子设计）：生成式 AI 模型可以通过算法创建具有所需特性的化合物。分子可以针对许多因素进行优化，包括靶活性、物理化学性质、ADMET 和合成难易程度。
Elix Assist（主动学习）：当可用的实验数据很少或没有可用数据时，该模型能根据优化算法建议收集下一组实验数据的化合物，从而能够以更少的实验来训练高性能模型。
关于生成式 AI，该公司计划扩展ChemTS 并整合 DyRAMO 等高级功能，以实现高效的多目标优化，并提高准确性和速度，目前该公司已与日本Kaken（科研制药）达成了合作。
还有哪些企业押注该技术？
在商业领域，AI医疗独角兽Owkin在这一技术领域钻研颇深，围绕药企和医院构建了联邦研究生态系统，作为一项保护隐私、可追溯、安全的技术框架，确保网络中的数据在确保隐私和合规的条件下被使用。
此外华为云也有一套名为FedAMP的个性化联邦学习整合算法。主打个性化特征，能检测每个产品方的模型权重，更好地区分好质量和差质量，以及正确Label和错误Label的参与方。
