微软赋能药企的决心：抱紧云与AI的未来
与金融业、零售业在部署先进技术方面取得的重大进展相比，医疗行业（包括制药业）显得有些落后。“不过这种现象正在发生改变”，微软人工智能、健康和生命科学国家主任Tom Lawry说。
尽管医疗健康仍在AI旅程的早期阶段，但制药业正在押注AI和相关技术。在Tom Lawry看来，云功能正在增加在研究与开发之中预测性分析的需求。 “云不再仅仅是存储数据的地方。借助智能云可以运用各种各样的数据做此前不可能或极其困难、成本昂贵的事情。
同时，人工智能正在进入脱离实验室环境进入产业之中。AI在现实世界的能力正在不断增长和加深。几年前AI还做不到大规模部署在重复事件中，如今AI已经强大到具备灵活、高频部署在制药活动的能力。
“包括人工智能在内的先进技术是制药业未来的关键。这些技术的采用可以帮助药物和生命科学专业人员解决日常工作的许多重大挑战。”
以微软为代表的科技巨头正在不遗余力地推动药企数字化变革，而其中一个重要方向便是通过以AI为代表的先进技术提高药物研发效率。
具体来看，微软主要通过以Azure为核心的智慧云业务来赋能各大药企，而在Azure 云平台汇集的产品和云服务超过200种，其中对于加快药物研发最为重要的工具便是Azure AI技术和Azure HPC平台。
Azure AI
微软为开发人员和数据科学家设计的Azure AI能够帮助他们以更少地花费完成更多任务。相关人员可以通过简单地API调用访问高质量地视觉、语音、语言和决策AI模型，并使用工具（如Visual Studio Code）和开源框架（如TensorFlow和PyTorch）创建自己地机器学习模型并灵活部署自己地AI解决方案。
Azure 机器学习能够提供包括准备数据、构建和训练模型、验证和部署、管理和监视在内的完整生命周期的关键服务。除此之外，Azure 机器学习因其利用集成工具和开源框架和库的支持，可以更加快速地开发和训练模型；内置的公平性和可解释性为其提供了更高水平的合规性和负责任的解决方案；MLOps的助力也使其能够快速大规模部署。
Azure Databricks则可以借助Apache Spark实现大数据分析，用于批处理和流式处理工作负载，在大型数据集上简化和加速数据科学。
在制药领域，微软AI技术能够启用知识挖掘、提取可操作的数据等功能以加快药物开发速度，加速临床研究和科学创新。
Azure HPC（高性能计算）
Azure具有专门构建的HPC基础结构、解决方案和优化的应用程序服务，可提供五大服务：
1.网络：使用 Azure ExpressRoute 建立适合混合云连接的专用、安全隧道。针对数据中心内的消息传递接口 (MPI) 工作负载，使用 Linux 远程直接内存访问 (RDMA) 和 InfiniBand。
2.计算：在 Azure 上查找规模几乎不受限制的适当高性能计算资源。对内存绑定应用程序使用 H 系列虚拟机，对图形密集型和基于 CUDA/OpenCL 的应用程序使用 N 系列虚拟机，而对以托管服务形式提供的完全专用和自定义的超级计算机使用 Cray。
3.存储：借助 HPC 缓存，利用本地 NAS 设备中存储的数据将 HPC 应用程序突发到 Azure 中。通过 Azure NetApp 文件（在 Azure 数据中心作为一项 Azure 服务本机交付）以亚毫秒延迟访问大量 I/O。对吞吐量高的存储解决方案使用 Cray ClusterSor，它是一种完全集成到 Azure 的基于 Lustre 的裸机 HPC 存储解决方案。
4.应用程序服务：创建和管理应用程序，并使用 Azure Batch 计划作业。使用 Azure CycleCloud 动态预配 Azure HPC 群集。
5.智能服务：使用 Data Lake Analytics 通过预测分析构建下一代应用程序。基于 HPC 数据构建和运行机器学习模型，获取见解以做出更好的决策。
与本地选项相比，Azure HPC性能更具竞争力，具体表现在以下方面：
1.通过成本控制优化性能：最大程度地利用所有CPU、GPU、FPGA和快读互连功能，将任务完成时间从几天缩短到几分钟；
2.端到端工作流的灵活性：在云中实现端到端应用程序生命周期管理；
3.引入智能：通过自动化机器学习、自动缩放云计算和内置的DevOps，更快速地构建并训练新AI模型；
在医疗健康与生命科学领域，Azure HPC利用高性能生物信息学基础结构，加速对基因组学、精准医学和临床试验地深入了解。
成本仅为十分之一，微软与MML合作提高ASD模拟和建模效率
活性药物成分 (API) 的分子变得越来越复杂，作为回应，制药企业使用一种称为无定形固体分散体 (ASD) 的配方技术，该技术涉及分解API晶体并将其与有机聚合物混合以提高溶解度、溶解速率和药物输送系统的生物利用度。
但ASD是亚稳态的，这使它们的稳定性一直颇受考验，并且如果API的浓度超过溶解度极限，则ASD可能会逐渐降解或完全分解。长期以来，对于算法建模和高通量计算筛选而言，ASD稳定性的预测一直被认为过于复杂，因此ASD筛选在很大程度上仅限于手动尝试和试错。
在一组在计算材料科学和电子显微镜方面经验丰富的研究人员的带领下，总部位于瑞士的分子建模实验室 (MML) 在ASD预制剂筛选中发挥了关键作用，将其药物研发转向小型有机和生物分子聚合物。
通过这些分子模拟，MML已经能够处理非常大量的可能的API和聚合物组合，研究它们在各种分散体和条件下的行为。这种方法可以揭示新的和可能不可预见的ASD组合，增强药物安全性，并有助于减少药物开发交付时间和成本。
到目前为止，MML通过其ASD模拟和分子建模取得了惊人的成果，不过MML渐渐发现发现计算和模拟过于复杂且占用CPU，无法在内部基础架构上运行，而通过使用微软Azure HPC + AI，MML成功解决这个难题。
MML 在超过 18000 个 Azure HBv2 VM 内核上部署了 Azure HPC + AI 资源，用于大约 120 个 ASD 用例，通过使用Azure HPC AI获得的大量计算资源MML，它释放了针对各种条件快速建模ASD结构的能力。
筛选潜在候选药物的公司可以使用MML模拟作为制剂前决策支持工具，甚至可以为特定原料药选择最佳的赋形剂混合物—由于使用了Azure提供的大规模扩展架构，所有这些都成为可能。
“与我们建模平台的早期迭代相比，我们现在使用Azure HPC + AI以十分之一的成本运行模拟。”MML CEO Georgios Antipas说。
MML’Azure HPC + AI的采用帮助它在很短的时间内从一家取得重大突破的小型初创公司过渡到一家与世界上一些顶级制药制造商合作的老牌公司—不需要大量的硬件投资。
万亿级到百万级，微软与Adaptive合作加速疾病诊断
Adaptive Biotechnologies成立于2009年，是一家生物技术公司，致力于利用适应性免疫系统的固有生物学来改变疾病的诊断和治疗。适应性是建立在适应性免疫系统能够以完全相同的方式检测和治疗大多数疾病的前提下，但是，由于无法准确理解该系统的工作原理，医学界无法充分利用其功能。
在其免疫测序技术的基础上，Adaptive在过去十年中建立了一个专有免疫医学平台，该平台具有独特的能力，能够大规模解码适应性免疫系统的遗传语言，以准确了解其工作原理。
Adaptive需要综合这个庞大的生物学系统，并利用生成的大量临床免疫组学数据库的全部价值，因此该公司转向微软 Azure来提供计算，存储和机器学习功能。凭借该平台的强大功能和可扩展性，Adaptive准备推出新的诊断产品系列，用于基于免疫反应的许多疾病的早期检测，它的规模将更快。
迄今为止，美国动态临床免疫组学数据库包括超过470亿个免疫受体。Adaptive确定它需要使用大规模计算资源和机器学习功能来释放研究数据的全部潜力。
Adaptive 与微软合作，并为公司的技术需求创建路线图。Adaptive 采用 微软 Azure 来应用机器学习，以指数级加速公司应用其专有免疫医学平台的能力，从而从其临床免疫学数据库中获得新的见解。借助可扩展的免疫医学平台，研究人员可以开始计算将数万亿TCR映射到数百万种疾病特异性抗原，这种诊断疾病的新方法比目前许多疾病更精确、更早。
“借助Azure机器学习，我们可以获取大量数据并训练模型，以帮助我们以高效有效的方式对数据进行排序—尤其是如果我们不知道到底要找什么时” Adaptive CEO Mark Adams说。
构建下一代突破性疗法，微软和诺和诺德达成数年合作协议
2022年9月，微软和诺和诺德签署协议，将进行一项多年的合作，微软将提供人工智能技术、基础科学模型和专业知识，并与诺和诺德的数据科学家和早期研发领域的专家合作，以加速制药的研发。
诺和诺德称，合作产生的AI模型将应用于以下几个方向：
一是着重于对来自文献、科学报告和论坛等来源的信息进行自动总结和分析，以获得科学见解。二是旨在开发预测一个人患动脉粥样硬化风险的模型。该公司补充称，人工智能还将被用于识别新的靶点，并建立疾病的生物标志物。
与Google外部扩张的激进动作相比，微软更多将精力放在自己的Azure产品的打磨之中，通过先进技术助力药企和其他健康组织在生命科学领域的研究和开发中提高效率、降低成本。
先进技术加速研发的作用对于药企至关重要，微软全球健康业务亚洲主管Karen Priyadarshini说：“创新是生命科学的命脉，没有新药管道的制药公司将会失败。” Tom Lawry说：“研究估计，在药物发现和开发过程中运用AI技术将节省超过5％的成本。当你想到一个新药要花费数十亿美元时，这节省下的成本将非常可观。”
“人工智能代表了技术最重要的优先事项之一，而医疗可能是人工智能最紧迫的应用。”微软CEO Satya Nadella说。
参考链接
https://azure.microsoft.com/zh-cn/solutions/high-performance-computing/health-and-life-sciences/#features
https://customers.microsoft.com/en-us/story/1485844745835266582-molecular-modelling-laboratory-pharmaceuticals-azure-hpc
https://customers.microsoft.com/en-us/story/838390-adaptive-biotechnologies-pharmaceuticals-azure
https://azure.microsoft.com/zh-cn/products/
https://www.fiercebiotech.com/medtech/novo-nordisk-taps-microsofts-ai-boost-drug-discovery
—The End—
推荐阅读