AI制药，风口之上：泡沫or未来？

贝壳社 3年前 (2022-05-20)

制药界流一直传着“双十定律”，即一款创新药从诞生到上市用于治疗，通常需要耗费十年的时间，数十亿美元的资金。近年来，随着人工、材料等成本的不断提升，这个数额还在持续上升，并且新药研发的成功率还持续走低。与此同时，新药研发带给投资者的回报率已经开始大幅度下降，从2008年的10%，降到近年来的不足2%。

如何降低研发费用，提高成功率，缩短研发周期成为当前整个制药行业的当务之急。

AI制药技术的出现和不断成熟，为创新药研发“降本增效”提供了全新的解决思路。在资本的热捧下，AI制药是泡沫还是未来，能否引领创新药行业新的变革浪潮？

作者丨陈正青

AI如何制药？

如今的AI制药技术虽已表明可以为新药研发带来价值，但也仅仅作为新药研发的一种工具，与自动研发新药或替代人工还有相当遥远的距离。

目前，在新药研发的各个环节中，药物发现是AI制药应用最多也最成熟的环节。

传统新药的发现需要先确定好某疾病的靶点，研究人员根据靶点设计和筛选出最合适的分子。为了找到它，传统的药物发现是要对数万个小分子进行测试筛选，然后进一步合成和测试数百个分子，以便得到少数几个适合临床前研究的候选药物。

这个过程困难重重，成功率极低，依赖研究人员的经验和运气，如果靶点是创新靶点的话，药物发现环节大约需要花费4年左右的时间和数千万美元的投入。

新药研发流程

新药研发流程图

而AI在分析、阅读大量理化数据、期刊文献成果、临床数据等大数据后，凭借机器学习、深度学习、自然语言处理等技术，可以预测疾病靶点、成药靶点，发现原来很难、甚至不可能发现的靶点。

同时，AI还可以协助研究人员生成分子、筛选分子，预测候选药物的性能，如药物的吸收、代谢、毒性、不良反应等，缩小后期实验范围，降低临床失败概率，大幅降低新药研发的时间、资金成本。

与传统药物发现相比，AI技术凭借大数据和算法，可以减少新药研发流程中近40%的临床前研究时间。同时，AI技术平台还能源源不断的发现新药分子，从而带来新药产品上的规模效应。

近期，英矽智能利用AI技术在半年内就两次宣布发现新药。其中一种全新机制的用于治疗特发性肺纤维化(IPF)的临床前候选化合物，整个研发过程只花了不到18个月的时间和大约200万美元，刷新了新药研发的速度和最低成本纪录。

ISM001-055

英矽智能在18个月内完成AI药物发现

AI制药技术除了应用于临床前药物发现领域外，也有一些公司开始探索将其应用于成本更高的临床阶段。

通过将医疗记录、医学文献、患者主动上传的病理内容等信息与受试药物信息进行匹配，AI技术帮助新药研发公司找到合适的受试患者，提高招募临床试验患者的效率。还有一些公司基于已有的公开临床数据，利用AI技术帮助实验者判断临床试验的成功率。

更有Arcus Biosciences公司生物信息学家王宁曾表示，患者反应预测很有可能成为AI制药发展的下一个方向，即AI通过特定的生物标志物来预测药效。

目前的AI制药还仅是作为新药研发某些环节中的辅助工具，但其强大的计算力可以节约大量的药物发现环节时间，还可以节约大量的实验成本，对于制药行业而言，称得上是一个颠覆性的技术。

风口之上，群雄并起

AI制药的强大优势吸引来各路资本，2021年，全球融资总额约为266亿元（超42亿美元），其中，中国在该领域的融资金额超过90亿元。

2022年一季度，AI制药领域融资事件达到42起，融资金额累计超24亿美元。其中，中国13起，美国21起，欧洲等其他国家共8起。投融资活动仍主要发生在中美两国，占总融资事件的80%。

涌入人工智能/机器学习新药发现公司的风投资金

在研发许可方面，市场则更为活跃，共有243项合作签署，前期付款和期权超过10亿美元，公布的总合作金额达到377亿美元。其中，仅仅是今年1月，数额就已经达到了约100亿美元。

其中晶泰科技、英矽智能等AI制药初创企业深受资本青睐。

晶泰科技

成立于2014年，是中国最早一批AI制药初创公司之一，目前共获得6轮融资，总融资金额高达7.85亿美元。

其核心技术平台为ID4智能药物研发平台，它通过结合量子物理、人工智能与云计算技术，能准确预测药物的多种重要特性，除早期的晶型外，现在还包括活性、成药性、毒性等指标，从而综合加速药物临床前研究的效率与成功率。

目前晶泰科技已和多家药企达成合作，包括与世界排名前十药企中的7家达成正式付费合作，其主导的药物发现项目有几十个，绝大多数都是“first in class”。

英矽智能

成立于2014年，总共获得6轮融资，累积金额超3亿美元，最新一轮融资发生在2021年6月，金额高达2.55亿美元。

拥有三大核心平台，涉及药物研发的全流程，即用于靶点发现的PandaOmics，用于分子生成的Chemistry42，以及用于临床试验设计和预测的InClinico。

2021年，英矽智能在半年内两次宣布发现新药，并率先进入临床试验新阶段。就在今年4月14日，英矽智能再次宣布，公司提名了一款由Chemistry42设计、靶向合成致死靶点去泛素化酶（USP1）的临床前候选化合物。

除AI制药初创公司外，加入AI制药布局的还有传统大药企和互联网巨头。

传统药企通常以投资合作的居多。例如，复星医药与英矽智能达成合作，共同推进多个靶点的AI药物研发，英矽智能因此获得了1300万美元的首付款及里程碑付款。这是国内迄今为止AI制药企业收到的最大额预付款。

而互联网巨头的跨界入场让AI制药更添热度。在国外谷歌早已进场，国内的阿里巴巴、腾讯、百度则在2020年后加速布局AI制药，而华为也成立了医疗智能体“EIHealth”。不仅如此，互联网行业的另一新贵字节跳动也在去年开始布局AI制药。

华为

华为云EIHealth在2020世界人工智能健康云峰会

代表顶尖AI水平的互联网公司入局AI制药，意味着可能为这个行业带来革命性的、颠覆性的改变。

数据困境，如何破局

与传统制药技术不同的是，AI制药非常依赖大数据——所有的AI技术都需要基于大量的数据来训练和学习。

但目前最大的困难与挑战就是缺乏高质量的数据。不同于AI在图像识别领域的应用，图像数据量大且获取相对简单，但AI制药所需要的数据总量较少，且药企出于保密的目的，大多不愿意分享数据。

目前，AI制药公司的数据源多来自于公开资料，如已发表的医学文献，公开的靶点库，药企、科研机构或院校的公开数据等，但最主要的高质量数据是来自药企，这部分数据获取并不容易。

与此同时，这些数据还需要整理成AI平台可读的格式，这个过程需要花费大量的时间、人力。

除了数据，算法是另一个关键。现在AI公司的算法有很多种，哪一种算法才真正有效？这还需要大量的实验来验证。算法越精简，产生的化合物就越精准，成功率就越高。

当前的格局是，传统药企掌握大量数据，但在AI算法方面缺乏技术；AI制药初创公司及互联网巨头们，拥有强大的AI算法及人工智能开发经验，但缺乏数据支撑，也没有制药的经验。

因此，药企与AI制药初创公司、互联网巨头合作或成为未来的选项。去年1月，英国AI制药创企Exscientia宣布，其使用AI设计的免疫肿瘤分子EXS21546进入人体临床试验。目前，Exscientia已与拜耳、赛诺菲、葛兰素史克等知名药企达成合作。英矽智能也已与辉瑞、安斯泰来、强生公司旗下杨森制药、大正制药等多家一流的生物医药公司达成合作。

在这种模式下，AI制药公司更多是扮演类似CRO的角色。然而，在创新药利润大幅缩水的背景下，药企又愿意为AI制药支付多少费用呢？

参考资料

1.瑞科生物招股书。来源：官网

2.《AI制药迈入临床，生物医药产业应有怎样的期待？》，药明康德，2022-02-23

3.《总额达266亿元！2021全球AI制药融资盘点》，智药局，2022-01-27

4.《段宏亮：AI制药的现状、技术与挑战》，智药邦，2021-02-08