Bristol Myers Squibb的执行副总裁兼首席数字与技术官Greg总结道：最近一年来，一个重大变化可能适用于所有的财富100强公司，即我们需要将“技术”重新放回IT中。你必须重新适应成为技术的建设者。 Greg总结到：在快速变化的AI技术环境中，制定长期策略固然重要，但保持灵活性和适应性同样关键。要抓住具有巨大潜力的创新机会，必须谦虚、灵活并果断地行动，才能在竞争中取得成功。 Greg表示：在过去一年中，AI投资泡沫有点过热，有时只要在演示文稿中加上生成式AI的字样，人们就会忽视产品与市场的契合度。因此，你实际上必须比一年前更加努力地去分辨噪音和信号之间的区别。
Jorge Conde: 今天我非常高兴能再次欢迎Greg Meyers回到节目中。Greg是Bristol Myers Squibb的执行副总裁兼首席数字与技术官。大约一年前，我们有幸进行了一次对话，讨论了生物技术行业如何利用人工智能等新技术适应变化的机会。我们认为，鉴于AI领域变化如此迅速，再次探讨这个话题并做一个续集非常有意义。
Greg Meyers：谢谢你邀请我。我负责内部技术组织，涵盖了从制造、研发到商业以及其他各个方面的工作，但我们也在关注外部创新。正如你所指出的，在过去的一年里，这一领域的变化非常迅速，我们在努力将这些技术应用到公司内部。可以想象，现在是处于科技与生命科学交汇点最激动人心的时刻，因为我们看到计算机科学正在成为继化学和生物学之后的第三大科学分支。我真心觉得我在公司里拥有最好的工作。
人工智能在制药各个流程中作用
Jorge Conde：那么，我们从这里开始吧。为了那些没有参与上次节目的听众，你可以先简要介绍一下人工智能如何在制药流程的各个阶段得到广泛应用吗？
Greg Meyers：我认为AI可能会影响并将影响到我们业务和行业的方方面面。但我会特别强调四个领域。第一是我们如何发现和设计新药物。关键在于尽量增加药物设计的成功几率，而这通过揭示我们设计的化合物的药理学特性与其疾病的基础生物学的联系来实现。在这个领域，数据和AI正在发挥巨大作用。第二个领域是临床试验，这是我们行业中最昂贵和耗时的过程之一。如果你像我一样认为AI能带来10倍的加速，那么这可能是对我们最有潜力产生重大影响的领域，因此我们在这里投入了大量时间进行研究。
第三个领域是改变我们与临床医生的互动方式。在后疫情时代，医生有越来越少的时间来了解新药物，而与此同时，新的治疗方法却在爆发式增长。仅从癌症护理的角度看，就有抗体药物偶联物、放射性配体、免疫肿瘤学、细胞疗法等多种治疗手段。医生在理解这些新方法的工作原理时面临的挑战越来越大，但与医生沟通的难度也在增加。因此，AI和技术在这里的应用至关重要。第四个领域是当新药物进入临床后，我们相信在诊断、治疗和监测某些疾病方面可以实现显著的改进。
作为一家生物制药公司，我们是唯一一家在过去几年内大规模推出多款数字健康产品的公司。我认为，展望未来几年，我们将开始看到首批由AI辅助的分子进入开发阶段。例如，针对镰状细胞病。我们知道在你出生前，有一些基因会被开启，因为你的肺还没有开始工作，这些基因可以让你通过不同类型的血细胞吸收更多的氧气。我们开发了一种蛋白质降解剂，也称为细胞调节剂，可以降解一种特定的蛋白质，这种蛋白质会关闭这些高密度氧气血细胞的遗传特性。AI在这里的作用是开发这些分子，实际上非常困难，因为保持细胞调节剂的稳定性非常困难，而且这些化学物质与目标蛋白质的结合方式往往会与其他不希望它们结合的东西结合。AI让我们能够通过大量模拟来稍微修改分子本身，以稳定降解剂，并确保它更具选择性，仅仅与目标蛋白质结合，而不与其他不想要的蛋白质结合。这种产品或者说分子，最近已经进入了我们的临床一期试验阶段。我认为，展望未来，这将是非常激动人心的事情，可能会使新药物开发的方式发生难以想象的变化。
Jorge Conde：考虑到AI在这个领域的应用还处于相对早期阶段，在推动AI被各利益相关者接受或采用的过程中，你们学到了什么，或者公司学到了什么？因为我认为如果回到五年前，人们对AI能否产生影响还是普遍怀疑的？从你描述的一切来看，现在我们似乎真的开始看到AI在一些领域的重大作用，尤其是在未来即将到来的领域。
Greg Meyers：每个月，我们都会看到越来越多的人相信变化正在迅速发生。我认为人们非常感兴趣的是AI在他们的领域能带来什么影响。我认为问题在于如何将这些试点项目转化为重新构想关键业务流程，这些流程往往非常复杂，高风险，高回报。你是否拥有足够的信息来信任AI的工作？你确定你有足够的数据吗？你确定你了解了潜在的偏见吗？所以我们现在处于试点项目和真正改造业务流程之间的过渡阶段。
组织层面的变革与适应策略
Jorge Conde：是的，这确实是一个引人入胜的时刻，因为你们正处在转折点上，这可能需要你们改变工作流程。而改变工作流程是一个需要高激活能量的活动，对吧？你需要确保在有足够信心时，才进行这些改变。关于工作流程，关于组织层面，你是否需要做出任何重大组织变革来适应AI或者在BMS内部采用AI？
Greg Meyers：我们传统上有一个负责技术的组织，负责交付应用程序和数据，这与一个专门负责公司分析和指标的组织是分开的。我们实际上把这两个组织结合在了一起。我认为我们开始意识到，通过这种反馈环，可以更快地将应用程序生成的数据转化为有意义的行动。当你从滞后指标转向更具预测性的指标时，我们感到有必要将这些东西整合在一起。
另一个重大变化可能适用于所有的财富100强公司，即我们需要将“技术”重新放回IT中。你必须重新适应成为建设者。我认为，大型企业曾经认为很多IT工作都是可以外包给合作伙伴的，主要是维持现状。但现在技术越来越成为竞争差异化的重要因素，并且已经成为以患者为中心和以科学为中心的公司（如我们公司）不可或缺的一部分。因此，我们实际上将很多工作内部化，因为我们需要恢复更多的敏捷性和技术能力，因为在AI领域你必须能够非常舒适地进行建设，因为目前还没有足够成熟的软件包能够利用现有的一些创新。
Jorge Conde：考虑到一切进展如此之快，你如何考虑制定和部署一个不会迅速过时的策略？
Greg Meyers：你必须保持谦虚，首先，制定一个五年的技术策略当然很好，我们都有这样的策略，但你必须意识到，很多你创建的东西可能在几年内就会过时。因此你确实需要制定一个策略，但你必须灵活和谦虚，意识到你现在认为真实的东西和现有的东西在两三年内可能不会相同。其次，你需要保持灵活性。过去做采购招标并与某些合作伙伴进行长达十年的合作关系可能是常态，但现在随着创新的飞跃发展，情况已经不同了。我认为一个很好的例子是大型语言模型的演变。几乎每周都有新的东西出现。因此你必须在与你合作的对象、合作的内容以及根据创新的发生情况进行适应和改变方面更加灵活。
第三点是你必须果断。当你看到某个东西可以带来10倍的改进时，你真的需要集中所有的能量去抓住这个机会。现状有很强的吸引力，你需要达到一种逃逸速度，使你能够摆脱它。这是通过对能带来改变的东西的确信，并能够集中精力实现它而实现的。因此，我认为与以前相比，现在的周期时间要快得多。但我认为，如果你保持谦虚、灵活和果断，你就具备了成功的许多必要条件。
Jorge Conde：说到这里，我非常喜欢“谦虚、灵活和果断”，这也是一个过好生活的好准则。我们上次在一起时，花了很多时间讨论 BMS 如何与不同的合作伙伴合作。在我看来，大型生物制药公司与早期初创企业之间的合作显然对双方都有很大的好处。大型企业拥有丰富的资源、经验和知识，能够为初创企业提供巨大的帮助。而对于Bristol Myers Squibb来说，作为一个有深度的合作伙伴，可以通过与各种早期初创企业合作，获得各种形式的创新。因此，问题总是如何确保双方都能受益并建立一个良好、健全、富有成效的合作关系。
在AI领域，情况更加复杂。很多AI公司在进入生物制药领域时，往往带有模型，而你们拥有数据。模型的效果取决于所提供的数据。因此，很多公司希望与像BMS这样的知名制药公司合作，获得数据的访问权限。所以我有两个问题。首先，在过去的一年里，鉴于该领域的快速发展，你对合作伙伴关系的看法是否发生了变化？其次，你能否分享一些你们已经合作的公司案例，以及你们如何设立这些合作关系？
Greg Meyers：在这个领域，我的看法并没有太大变化。如果有什么不同的话，那就是我的感觉更加强烈了。要提醒大家的是，当我进入这些会议并与合作伙伴交谈时，我总是寻找那些专注于解决现实问题的公司。在过去一年中，AI投资泡沫有点过热，有时只要在演示文稿中加上生成式AI的字样，人们就会忽视产品与市场的契合度。因此，你实际上必须比一年前更加努力地去分辨噪音和信号之间的区别。但总的来说，当然我们会在任何角落寻找能够帮助我们创造更创新的分子、加速临床试验或提高员工生产力的公司。
关于合作伙伴关系，具体取决于合作的设定。在许多情况下，如果他们更倾向于科学端，我们通常会提供一个目标，并让公司告诉我们他们是否可以在这个目标上找到一些活动，通常会提供一些前期资金。如果这是一家技术公司，像你说的那种AI公司，我们通常会进行概念验证，看看他们的模型是否足够稳健，能够在我们提供的数据上运行。医疗数据的一个巨大挑战是数据本身非常异质化。因此，数据的来源不同，往往从一个数据集到另一个数据集并不总是具有可扩展性或可转换性。因此，你需要花很多时间确保这些模型能够扩展到你拥有的数据，以及数据的编码方式、存储方式和元数据的管理方式。然后我们再评估是否有价值。我们非常赞成先进行一个小型、低风险、低成本的概念验证，这样不会给初创公司带来负担，也不会给我们带来负担，这样我们就能找到假设，即算法是否会提供新的见解是否会成功。如果成功了，我们就会继续合作。
合作方向与未来展望
Jorge Conde：在你们与合作伙伴合作的各个领域中，显然英伟达是一个显著的合作伙伴，你能否重点介绍一下你们与英伟达的合作内容以及重点和范围是什么？
Greg Meyers：今年早些时候，我们与英伟达签署了一项合作协议。我们购买了他们的一台计算集群，主要是用于生物物理建模和不同类型的预测建模，用于我们可能想要进行的实验。可以把它看作是一种预筛选。我们目前所有的小分子实验都经过了预测的计算机模拟筛选。换句话说，计算机预测会告诉我们这些实验是否值得尝试，几乎100%的小分子实验都经过了这种筛选，大约一半的大分子实验也经过了这种筛选。英伟达为我们提供了计算集群，也就是他们的GPU，此外他们还有BioneMo和其他一系列软件工具，使得使用这些工具变得更加方便。
有像Meta的ESMFold模型这样的开源模型，以及其他工具。我认为英伟达在为生命科学领域构建这个“电池包含”模型方面做得非常好，使我们更容易上手运行，因为我们希望我们的科学家把时间花在科学本身，而不是花在基础设施上。我认为英伟达为生命科学领域打造的硬件和软件层，加速了我们所谓的预测分子发明的进展。
Jorge Conde：从我的角度来看，当我考虑药物发现、开发、商业化和AI可能产生影响的所有领域时，你已经提到了一些。如果我们用非常简化的方式绘制出来，它可以分为核心发现阶段：我们能否解开疾病的谜团，并找出需要攻击的目标；接下来是早期开发阶段：我们能否找到那些可以击中这些目标的分子；然后是优化阶段：我们能否优化这些分子，使它们最大限度地发挥药物的特性，例如吸收、分布、新陈代谢、排泄等方面；再是筛选阶段：我们能否可靠地预测并相信这些化合物在人体临床试验中将是安全有效的，我们运行这些前临床模型，以希望它们可以在人类中转化成功；然后当然是运行临床试验。你认为在早期阶段，AI现在最令人兴奋的领域是哪个？
Greg Meyers：当然，在计算机模拟方面非常有趣，但这些事情往往需要很长时间才能见效。很多时候，当你处于非常早期阶段时，你需要8到10年时间才能看到临床上的成果。我认为真正有趣的是将生物标志物与早期甚至后期试验结合起来。让我举个例子。肺癌是致死率最高的癌症之一，原因在于70%的肺癌患者在疾病晚期被诊断出来。我们知道大约35%的肺结节在初次筛查中被遗漏，但我们也知道，基于AI的CT扫描可以达到95%的特异性。这种知识通常只是作为一种学术观察存在，这些事情通常只作为一篇论文存在。
将这些知识与数字病理学结合起来非常重要。比如，当你在开发肺癌药物时，你会发现如果你将癌细胞放在显微镜下观察，你会发现很多不同的蛋白质表达，它们几乎是癌症的不同变体。我们通常称癌症为一种疾病，但实际上当你深入研究时，你会发现许多不同形式的癌症正在发生。当你考虑到AI技术向患者靠近的进展时，这些东西也非常有用。对我们来说，通过数字病理学以更精细的水平对不同类型的癌症进行分类，可以让你开始考虑开发组合疗法，这些疗法在之前可能并不明显。因此，我认为真正重要的不是一个领域，而是这些领域的整合，这是最有吸引力的，同时也是最难做到的。
Jorge Conde：我喜欢这个概念。我们花了很多时间讨论机遇、前景和潜力。我想听听你的看法，你是否认为AI在这个领域仍然存在重大挑战和风险？你之前写过关于偏见风险的文章，所以第一个问题是：偏见仍然是一个风险吗？是否有解决方案？第二个问题是，随着你和行业以及你的组织对AI经验的增加，是否出现了其他AI特定的挑战或风险？
Greg Meyers：今年年初，我们建立了一项负责任的AI政策，每位公司员工都接受了培训，公司内的所有从业者都遵循这项政策。我们希望确保，首先是我们对工作质量的期望非常重要。但我认为，对于从业者来说，你必须揭示那些可能对他们来说不明显的东西，而偏见就是其中之一。人们往往对偏见的来源感到困惑，有时媒体报道中提到技术本身是有偏见的。但实际上，偏见本身是训练数据的表现。因此，让AI从业者不仅专注于模型创建，还需要非常深入地思考输入他们模型的数据类型。
你需要确保这些数据样本代表了你预计使用它的更大人群。你是否建立了反馈环，可以根据新引入的数据对其进行调整？我们认为整个行业需要确保他们关注这些问题，他们需要深入了解数据的来源以及样本的代表性，并建立反馈机制。因此，偏见是可管理的，但如果你不知道它的来源以及它如何在技术层面上工作，你可能会无意中引发问题。所以它确实是一个问题，但几乎总是由不平衡的数据集引起的。
Jorge Conde：明白了，这很有道理。还有其他你认为可能与AI在这个领域的部署相关的风险吗？
Greg Meyers：在生命科学领域，我认为AI将继续获得大量动力。我认为，显然最令人兴奋的领域，可能也是我们所有人作为人类所关注的领域，是在医疗服务领域。在美国，仅医院就有6000家，每家医院在管理数据方面都有不同的方法。这使得构建一次性工具并进行扩展非常困难。这是我认为很多科技公司面临的挑战之一。医疗是一个高度监管的行业，而随着更多关于AI的新法规出台，这种监管变得更加复杂。我认为这使得真正改变现有的医疗系统变得困难，尽管大多数参与其中的人对现状不满，但确实需要深入了解这种模式的复杂性以及需要做些什么来推动变革。
Jorge Conde：在我们结束之前，还有最后一个问题。如果我们想把这个系列变成三部曲，并希望明年再次进行这场对话，你认为我们届时会讨论些什么？
Greg Meyers ：我认为我们可能会讨论的是，过去12个月中我们所看到的那种兴奋和热情是否已经转化为一些关键领域临床试验中的 10 倍的结果。我们完全相信它已经在很多方面产生了巨大影响。进入临床的分子有多少？创造了多少新的分子实体？我认为，现在还很难判断，是否投入到系统中的大量资金将转化为患者、医生和股东的实质性利益。我认为明年将是一个有趣的时间节点，看看我们是否低估了它的影响，以及我们是否高估了它的速度。我的基本看法是，基于我在互联网和手机引入初期所担任的角色，通常技术对任何给定行业的影响往往比我们预期的要大得多，但通常需要的时间也比我们预期的要长。换句话说，我们往往低估技术对行业变革的规模，但高估其速度。因此，我认为明年这个时候看看我们在哪个阶段将会非常有趣。
原文：https://a16z.com/podcast/adapting-biopharma-to-ai-a-2024-update-with-greg-meyers/
Adapting Biopharma to AI: A 2024 Update with Greg Meyers
编译：Aileen
-----------END-----------
