中國戰略新興產業融媒體記者 李子吉
AI制藥是一個“壁壘森嚴”的行業與一個“萬物互聯”行業的碰撞。制藥是保守領域，時至今日制藥行業仍以專家經驗為基礎，國際大型藥企同樣對于其豐厚的知識經驗和數據積累高度保密；AI領域卻強調“開放”，訓練數據的廣度和質量很重要。這仿佛成了一個“死循環”：新興的AI制藥企業沒有傳統制藥行業的幫助和支持很難做出成果，但在AI制藥真正展露出其價值之前，傳統制藥領域又對擁抱數字化有天然抵觸。
3年的新冠肺炎疫情，讓口罩、疫苗和核酸檢測成為了生活的常態，與此同時，新冠肺炎疫情一直得以持續，也在表露著另一個信號：新藥品研發的速率，似乎顯得有些慢了。
一款新藥從研發到上市，業內一直有著“雙十定律”的說法，即一款創新藥從研發到上市，平均成本超過10億美元，研發周期大于10年。不僅如此，在這個過程中，大約90%的候選藥物會在臨床試驗的某個階段“夭折”。
新冠肺炎疫情的暴發帶來的是突發的新藥需求，藥企需要快速反應，快速拿出產品；與此同時，由于集采、醫保等相關政策，藥企的收益持續走低?？s減新藥研發的時間、成本并且降低失敗概率，是廣大藥企亟待解決的問題。
AI技術作為一種新工具，被視為創新藥研發的突破口，在一定程度上紓解了行業焦慮，同時也備受資本市場關注。但AI制藥畢竟剛剛起步，其究竟會曇花一現還是萬古長青？恐怕誰也說不好。
AI怎么研發藥物？
新藥設計難度大、成本高且耗時，1/3的總成本和時間歸因于需要合成數千個分子以開發單個臨床前先導候選藥物的藥物發現階段。
而AI讓傳統實驗不再是唯一選項，有可能徹底改變藥物研發進程。
AI制藥是指將自然語言處理、機器學習及大數據等人工智能技術應用到制藥領域各環節，以提高、優化新藥研發的效率及質量，降低臨床失敗概率及研發成本。
具體而言，AI可以用于靶點選擇、虛擬篩選產生先導化合物、優化過程中針對藥物性能預測，包括活性、選擇性、藥代及毒性等，還可以加快臨床化合物的獲得。同時，AI也可應用于臨床實驗的設計、病人的選擇、藥物聯用的推薦以及老藥新用的方向等?，F階段AI在藥物研發需要大數據分析和高通量測試的階段優勢最為明顯。
簡而言之，以數據為基礎的AI制藥本質上是通過機器自主學習數據、挖掘數據，總結歸納出專家經驗之外的藥物研發規律，從而優化藥物研發全流程。
搭載了AI技術后，能夠在比較低成本的情況下，對更多的化合物、靶點進行處理，加快醫藥研發的進程，藥物發現、臨床前研究的時間將縮短接近40%，還可以節約臨床試驗階段約50%-60%的時間。
目前在研AI制藥項目涉及的領域包括抗腫瘤、呼吸系統、抗感染、精神障礙、免疫系統、眼科、心血管、消化系統、內分泌系統、藥物副作用研究等。
在新冠肺炎的治療方面，首個獲美國食品藥品監督管理局（FDA）批準的新冠口服藥——輝瑞公司的Paxlovid，也是在MareNostrum4超級計算機的AI算法幫助下研發的。
此外，在疫苗研發上，AI技術亦有所建樹。BioNTech與人工智能初創公司InstaDeep合作，預測下一個新冠高風險變異株，以使其mRNA疫苗平臺能提前預判，其算法提前識別了包括奧密克戎在內的90%以上受關注的變異株。
不過，新藥研發流程中，有上百個細分環節和產業生態的密切合作環環相扣，目前AI賦能醫藥尚處于初步階段，大都是賦能在某一個環節的降本增效，大多數AI制藥企業也是從中選擇一兩個細分環節或領域切入，構建自身的差異化壁壘。
國內應用以小分子藥物居多，且主要集中在藥物發現領域，包括分子生成、活性預測、虛擬篩選等領域。例如，晶泰科技主要聚焦于藥物固態研發環節，包括晶型預測、固態篩選、結構確定等；未知君則是一家主要聚焦于腸道微生物的AI制藥公司，產品包括全菌和配方菌膠囊等。
數據比算力更重要
在藥物研發領域，充足的大數據是訓練AI的關鍵。
作為一種數據驅動的方法，基于AI的藥物研發的優勢在于能夠挖掘大規模數據并提取對人類來說可能不太顯著或過于復雜的模式。因此，如何真正利用數據的價值是構建成功的AI模型的關鍵。
在數據層面，中國有“得天獨厚”的優勢。一方面，國內人口基數龐大，醫院規?？捎^，更利于搜集整合大規模數據；另一方面，中國CRO公司數量可觀，藥企在藥物開發中可以同時納入多個CRO公司平行開展多項試驗，比對不同結果，幫助AI學習進步，提升研發質量。
但光有數據量是不夠的，數據質量也很重要。
如何獲得高質量的數據是人工智能面臨的一個主要問題。目前我國大部分企業通過公開數據庫獲得藥物研發數據，數據質量參差不齊、標準化程度低，數據清洗整合比AI建模更費時費力，需要從化學生物實驗室產生數據并積累。
可以預見的是，未來AI制藥競爭會從算法競爭過渡到數據競爭。
由此，AI制藥產業鏈上游延伸形成了一套以制藥數據為核心的體系，負責為AI制藥企業提供數據庫、數據聯盟以及數據處理軟件等工具。在這些企業中，具備高通量數據生成能力的智能實驗室，逐漸成為核心競爭力。
機遇與挑戰并存
目前，AI制藥已成為行業發展趨勢，全球產業資本重金押注AI制藥科技公司。2016-2021年，全球和中國在AI制藥領域的投融資金額年均復合增速分別達56.3%和50.9%。
2020年9月，總部位于深圳的晶泰科技順利融資3.19億美元，不到一年后，2021年8月，晶泰科技又宣布完成4億美元D輪融資；總部位于香港的英矽智能2021年成功融資2.55億美元，用于推進AI研發候選藥物進入臨床試驗，以及推進算法調整發現更多新靶點；北京望石智慧科技有限公司也在2021年4月成功融資1億美元。
國內互聯網科技企業也紛紛跨界入局“AI制藥”，華為成立醫療智能體“EIHealth”，阿里云與全球健康藥物研發中心合作，騰訊發布AI驅動的藥物研發平臺“云深智藥”，李彥宏親自帶隊成立百圖生科，字節跳動成立了專門負責大健康業務的極光部門，并在國內外招募AI-drug團隊。
頭部企業的跨界布局，引領著各路資本蜂擁而至，投資額度逐年增加。但值得注意的是，行業內目前尚未有一款主要通過AI技術篩選出的藥物實現上市。
可見，AI在新藥研發中的應用才剛剛起步，仍然有許多問題亟待解決。
盈利模式如何，成為AI制藥企業需要解答的第一個問題。
賽迪顧問出具的報告顯示，目前AI制藥已形成3種發展模式，即AI-CRO模式（為制藥企業和CRO企業提供外包服務）、內部研發模式（制藥企業自研AI制藥產品）、平臺服務模式（搭建AI技術平臺并提供技術服務）。
從目前來看，AI制藥公司更多的是扮演著CRO的角色，或者作為服務平臺為藥企提供軟件使用或解決方案服務。但從現實情況來看，現階段藥企為AI制藥支付費用的意愿并不高，所以目前AI制藥企業想要靠賣服務創收很難。
那么自研呢？當然，利用AI企業本身的技術優勢研發藥物，意味著更高的商業價值，但其階段性成果也是更難達成的。
不僅如此，AI制藥企業想要布局自研管線，必須要解決復合型人才不足的問題。這類人才不僅要有算法工程背景，還要懂傳統藥物研發，還需具備AI系統工程和生物化學等交叉學科訓練，又相信或愿意用AI技術做創新藥研發。只有如此，才能實現頂層架構，把技術落地。
另外，AI制藥是一個“壁壘森嚴”的行業與一個“萬物互聯”行業的碰撞，這種融合當中必然會出現摩擦。制藥是保守領域，時至今日制藥行業仍以專家經驗為基礎，國際大型藥企同樣對于其豐厚的知識經驗和數據積累高度保密；AI領域卻強調“開放”，訓練數據的廣度和質量很重要。
這仿佛成了一個“死循環”：新興的AI制藥企業沒有傳統制藥行業的幫助和支持很難做出成果，從而贏得行業認可，但在AI制藥真正展露出其價值之前，傳統制藥領域又對擁抱數字化有天然抵觸。
好消息是，今年以來，已經有多家上市藥企布局AI藥物研發賽道，包括云南白藥、復星醫藥等企業。但不會改變的是，傳統藥企雖然在經驗和數據上擁有優勢，可做出改變和創新的成本較高，這種布局會有多深入還尚未可知；而新創建的AI制藥企業要考慮自身業務定位和自身家底，自研藥物一旦開始臨床實驗，公司后期的投入會很大，也不一定就可以嶄露頭角。AI制藥這條新賽道，誰都有可能從“探路者”轉變為“領跑者”。
END
來源：本刊原創文章
