香港，上海，2021年6月21日 － 中國平安保險（集團）股份有限公司（以下簡稱「中國平安」 或「集團」，股份代碼：香港聯合交易所 2318，上海證券交易所 601318）宣佈，平安醫療科技研究院聯合清華大學進行研究，為藥物開發提供一套極具潛力的深度學習框架。
 
是次研究成果於同行評審的生物信息學期刊《生物信息學簡報》（Briefings in Bioinformatics）上發表，標題為「用於學習藥物開發的全球分子表徵的有效自我監督框架」（“An effective self-supervised framework for learning expressive molecular global representations to drug discovery”）。該項成果標誌著中國平安在人工智能驅動的藥物研究領域取得重大技術突破。
 
藥物開發從發明至推出市場費時10至15年，其間需進行多次實驗，成本及失敗率非常高。在臨床前研究當中，由電腦輔助的分子設計藥物研發雖有助改進過程，但傳統的方法仍然昂貴且耗時。各類人工智能科技在藥物研發的不同領域，包括分子藥物設計、藥物相互作用和藥物標靶相互作用預測，均展現卓越的速度和表現。然而，由於用作訓練的標記數據有限，分子建模一直是一項挑戰。
 
圖神經網絡（Graph neural networks, GNN）已經成為一個強大的分子數據建模工具，可利用未標記的數據對模型進行預訓練，而無需依賴標記數據。中國平安的研究提出了一套名為MPG的創新深度學習框架，可以在海量未標記分子之中學習分子表徵，並構建一個名為MolGNet的強大圖神經網絡，用以描繪分子建模圖。
 
中國平安的研究還提出了一種名為Pairwise Half-graph Discrimination的圖神經網絡的預訓練技術，發表在同行評審的人工智能領域國際頂級會議IJCAI 2021。經過對 1,100 萬個未標記的分子進行預訓練後，研究小組發現MolGNet可以從中找到有意義的分子模式以提供可解讀的表徵。實驗結果顯示，MPG在多項藥物開發任務中的表現最傑出，在大規模分子數據集實現對圖表層面進行自監督學習領域踏出重要的第一步。
 
目前，該技術正被中國平安與日本研究型製藥公司鹽野義製藥（Shionogi & Co., Ltd.）所成立的合資公司平安鹽野義應用於新藥開發和藥物的重新定向。