中国战略新兴产业融媒体记者 李子吉
AI制药是一个“壁垒森严”的行业与一个“万物互联”行业的碰撞。制药是保守领域，时至今日制药行业仍以专家经验为基础，国际大型药企同样对于其丰厚的知识经验和数据积累高度保密；AI领域却强调“开放”，训练数据的广度和质量很重要。这仿佛成了一个“死循环”：新兴的AI制药企业没有传统制药行业的帮助和支持很难做出成果，但在AI制药真正展露出其价值之前，传统制药领域又对拥抱数字化有天然抵触。
3年的新冠肺炎疫情，让口罩、疫苗和核酸检测成为了生活的常态，与此同时，新冠肺炎疫情一直得以持续，也在表露着另一个信号：新药品研发的速率，似乎显得有些慢了。
一款新药从研发到上市，业内一直有着“双十定律”的说法，即一款创新药从研发到上市，平均成本超过10亿美元，研发周期大于10年。不仅如此，在这个过程中，大约90%的候选药物会在临床试验的某个阶段“夭折”。
新冠肺炎疫情的暴发带来的是突发的新药需求，药企需要快速反应，快速拿出产品；与此同时，由于集采、医保等相关政策，药企的收益持续走低。缩减新药研发的时间、成本并且降低失败概率，是广大药企亟待解决的问题。
AI技术作为一种新工具，被视为创新药研发的突破口，在一定程度上纾解了行业焦虑，同时也备受资本市场关注。但AI制药毕竟刚刚起步，其究竟会昙花一现还是万古长青？恐怕谁也说不好。
AI怎么研发药物？
新药设计难度大、成本高且耗时，1/3的总成本和时间归因于需要合成数千个分子以开发单个临床前先导候选药物的药物发现阶段。
而AI让传统实验不再是唯一选项，有可能彻底改变药物研发进程。
AI制药是指将自然语言处理、机器学习及大数据等人工智能技术应用到制药领域各环节，以提高、优化新药研发的效率及质量，降低临床失败概率及研发成本。
具体而言，AI可以用于靶点选择、虚拟筛选产生先导化合物、优化过程中针对药物性能预测，包括活性、选择性、药代及毒性等，还可以加快临床化合物的获得。同时，AI也可应用于临床实验的设计、病人的选择、药物联用的推荐以及老药新用的方向等。现阶段AI在药物研发需要大数据分析和高通量测试的阶段优势最为明显。
简而言之，以数据为基础的AI制药本质上是通过机器自主学习数据、挖掘数据，总结归纳出专家经验之外的药物研发规律，从而优化药物研发全流程。
搭载了AI技术后，能够在比较低成本的情况下，对更多的化合物、靶点进行处理，加快医药研发的进程，药物发现、临床前研究的时间将缩短接近40%，还可以节约临床试验阶段约50%-60%的时间。
目前在研AI制药项目涉及的领域包括抗肿瘤、呼吸系统、抗感染、精神障碍、免疫系统、眼科、心血管、消化系统、内分泌系统、药物副作用研究等。
在新冠肺炎的治疗方面，首个获美国食品药品监督管理局（FDA）批准的新冠口服药——辉瑞公司的Paxlovid，也是在MareNostrum4超级计算机的AI算法帮助下研发的。
此外，在疫苗研发上，AI技术亦有所建树。BioNTech与人工智能初创公司InstaDeep合作，预测下一个新冠高风险变异株，以使其mRNA疫苗平台能提前预判，其算法提前识别了包括奥密克戎在内的90%以上受关注的变异株。
不过，新药研发流程中，有上百个细分环节和产业生态的密切合作环环相扣，目前AI赋能医药尚处于初步阶段，大都是赋能在某一个环节的降本增效，大多数AI制药企业也是从中选择一两个细分环节或领域切入，构建自身的差异化壁垒。
国内应用以小分子药物居多，且主要集中在药物发现领域，包括分子生成、活性预测、虚拟筛选等领域。例如，晶泰科技主要聚焦于药物固态研发环节，包括晶型预测、固态筛选、结构确定等；未知君则是一家主要聚焦于肠道微生物的AI制药公司，产品包括全菌和配方菌胶囊等。
数据比算力更重要
在药物研发领域，充足的大数据是训练AI的关键。
作为一种数据驱动的方法，基于AI的药物研发的优势在于能够挖掘大规模数据并提取对人类来说可能不太显著或过于复杂的模式。因此，如何真正利用数据的价值是构建成功的AI模型的关键。
在数据层面，中国有“得天独厚”的优势。一方面，国内人口基数庞大，医院规模可观，更利于搜集整合大规模数据；另一方面，中国CRO公司数量可观，药企在药物开发中可以同时纳入多个CRO公司平行开展多项试验，比对不同结果，帮助AI学习进步，提升研发质量。
但光有数据量是不够的，数据质量也很重要。
如何获得高质量的数据是人工智能面临的一个主要问题。目前我国大部分企业通过公开数据库获得药物研发数据，数据质量参差不齐、标准化程度低，数据清洗整合比AI建模更费时费力，需要从化学生物实验室产生数据并积累。
可以预见的是，未来AI制药竞争会从算法竞争过渡到数据竞争。
由此，AI制药产业链上游延伸形成了一套以制药数据为核心的体系，负责为AI制药企业提供数据库、数据联盟以及数据处理软件等工具。在这些企业中，具备高通量数据生成能力的智能实验室，逐渐成为核心竞争力。
机遇与挑战并存
目前，AI制药已成为行业发展趋势，全球产业资本重金押注AI制药科技公司。2016-2021年，全球和中国在AI制药领域的投融资金额年均复合增速分别达56.3%和50.9%。
2020年9月，总部位于深圳的晶泰科技顺利融资3.19亿美元，不到一年后，2021年8月，晶泰科技又宣布完成4亿美元D轮融资；总部位于香港的英矽智能2021年成功融资2.55亿美元，用于推进AI研发候选药物进入临床试验，以及推进算法调整发现更多新靶点；北京望石智慧科技有限公司也在2021年4月成功融资1亿美元。
国内互联网科技企业也纷纷跨界入局“AI制药”，华为成立医疗智能体“EIHealth”，阿里云与全球健康药物研发中心合作，腾讯发布AI驱动的药物研发平台“云深智药”，李彦宏亲自带队成立百图生科，字节跳动成立了专门负责大健康业务的极光部门，并在国内外招募AI-drug团队。
头部企业的跨界布局，引领着各路资本蜂拥而至，投资额度逐年增加。但值得注意的是，行业内目前尚未有一款主要通过AI技术筛选出的药物实现上市。
可见，AI在新药研发中的应用才刚刚起步，仍然有许多问题亟待解决。
盈利模式如何，成为AI制药企业需要解答的第一个问题。
赛迪顾问出具的报告显示，目前AI制药已形成3种发展模式，即AI-CRO模式（为制药企业和CRO企业提供外包服务）、内部研发模式（制药企业自研AI制药产品）、平台服务模式（搭建AI技术平台并提供技术服务）。
从目前来看，AI制药公司更多的是扮演着CRO的角色，或者作为服务平台为药企提供软件使用或解决方案服务。但从现实情况来看，现阶段药企为AI制药支付费用的意愿并不高，所以目前AI制药企业想要靠卖服务创收很难。
那么自研呢？当然，利用AI企业本身的技术优势研发药物，意味着更高的商业价值，但其阶段性成果也是更难达成的。
不仅如此，AI制药企业想要布局自研管线，必须要解决复合型人才不足的问题。这类人才不仅要有算法工程背景，还要懂传统药物研发，还需具备AI系统工程和生物化学等交叉学科训练，又相信或愿意用AI技术做创新药研发。只有如此，才能实现顶层架构，把技术落地。
另外，AI制药是一个“壁垒森严”的行业与一个“万物互联”行业的碰撞，这种融合当中必然会出现摩擦。制药是保守领域，时至今日制药行业仍以专家经验为基础，国际大型药企同样对于其丰厚的知识经验和数据积累高度保密；AI领域却强调“开放”，训练数据的广度和质量很重要。
这仿佛成了一个“死循环”：新兴的AI制药企业没有传统制药行业的帮助和支持很难做出成果，从而赢得行业认可，但在AI制药真正展露出其价值之前，传统制药领域又对拥抱数字化有天然抵触。
好消息是，今年以来，已经有多家上市药企布局AI药物研发赛道，包括云南白药、复星医药等企业。但不会改变的是，传统药企虽然在经验和数据上拥有优势，可做出改变和创新的成本较高，这种布局会有多深入还尚未可知；而新创建的AI制药企业要考虑自身业务定位和自身家底，自研药物一旦开始临床实验，公司后期的投入会很大，也不一定就可以崭露头角。AI制药这条新赛道，谁都有可能从“探路者”转变为“领跑者”。
END
来源：本刊原创文章
