AI制药：下一个风口？

来源：药研界面 | 发布时间：2022-09-01

随着计算机技术、计算化学、生物学的快速发展，人工智能(Artificial Intelligence，AI)技术取得了突破性进展，越来越多地应用到药物研发的各个阶段，如靶点发现、药物分子设计、先导化合物的发现、药物筛选、药物晶型预测、临床试验等环节，旨在寻找更高效、准确的药物研发方式。2006年以来，由于多层神经网络的深度学习算法的提出，涌现出了一批人工智能药物研发初创企业，国际医药行业巨头也纷纷与这些企业展开合作并取得巨大成果，昭示着人工智能在药物研发领域的无穷发展潜力。

AI制药行业进展

一款新药产品问世，从研发到最终合规上市，平均耗时12-15年，据波士顿塔夫茨大学药物开发研究中心2016年发布的报告显示，一种新药的平均研发花费高达26亿美元，研发期间还需要生物、化学、医学等方面的专家参与。

AI技术本质上是一种高级建模方法。借助各类算法与规则，AI能自动计算出特定问题的最优解。而近年来广受关注的深度学习是一种较为通用的算法体系。制药工业引入以深度学习为代表的AI，是全球制药行业研发投入产出比逐年降低环境下的必然趋势。其目的在于提升现有药物研发各个环节过程中的效率，乃至通过对分子、细胞、器官，动物，临床等不同层面数据的整合分析，实现药物研发流程的整体优化。

面对新冠疫情，AI展现岀不俗的效率。早在2020年2月3日，英国公司BenevolentAI就在《柳叶刀》杂志发表论文称，通过其研发的AI平台检索海量科学文献，发现巴瑞替尼或可用于治疗新冠。礼来方面则在5月8日开展巴瑞替尼于瑞德西韦联用的ACTT-2临床III三期实验，其结果于10月公布。礼来方面称，临床试验数据显示，该疗法对于降低重症患者病死率效果明显，相比仅用瑞德西韦，该疗法在两个病人亚组中使病死率分别下降60%和43%。

让AI制药成为明星赛道的事件可能是2020年11月，FDA授予巴瑞替尼(Baricitinib )与瑞德西韦联用疗法紧急使用授权(EUA),用于治疗需使用吸氧、有创呼吸机或体外膜肺氧合(ECMO)的确诊或疑似新冠患者。而发现巴瑞替尼具有阻断新冠病毒感染和抗炎症功能的，不是人类，是Al。

2022年初，赛诺菲与Exscientia宣布双方达成了一项合作，包含1亿美元预付款和总额约52亿美元的潜在研究、转化、临床开发、监管和商业里程碑付款。根据这项合作内容，如果赛诺菲将合作产品商业化，Exscientia将有资格获得高个位数至mid-teens的销售分成，最高销售分成比例可提高至21%。值得一提的是，赛诺菲2020年一整年的研发投入为55.2亿欧元。这则消息公布后，AI制药行业瞬间吸引了多家药企的目光，AI制药也逐渐走向风口。

虽然近年来国内AI制药投资热情逐步升温，但业内人士表示，行业整体仍处于早期状态。据中信证券研报，2020年国内AI制药赛道的投融资额超31亿元，同比增长近7倍。据不完全统计，在2021年，国内AI制药领域共发生34起融资事件，涉及融资总金额约84亿元，平均单笔融资金额约2.5亿元，且超七成获投企业处于早期轮次。

国内AI制药企业盘点

AI制药赛道中，头部选手已有相当规模，中国企业和投资人也瞄准这一领域。创立于1990年的美国公司Schrodinger已在纳斯达克上市，市值已超过45亿美元。而未上市企业中已有三家估值达10亿美元，分别是BenevolentAI、Recursion Pharmaceuticals和中国企业晶泰科技。同时，中国互联网企业也纷纷布局AI制药赛道，字节跳动、百度、华为、阿里、腾讯等头部企业都先后加入了这一赛道，企图大展身手。

▲国内AI制药企业盘点（排名不分先后），数据来源：各公司官网

与传统制药公司相比，AI制药公司的体量并不大。在临床试验风险成本极高的情况下，这种“失败的可能”要么被转移，要么只能由公司自行承担。

未来展望

如果把研发新药的过程比作种植果树，那么产品上市的标准就是结出果子并采摘。从整个医药行业视角来看，随着技术和时间的积累，较低的果子或较容易成熟的果子都被培育出来了，剩下的果子大都处于罕见病、疑难病等领域。伴随着监管要求的不断提高，研发新药的成本也逐步攀升，同时还要面对高达九成的失败率。随着基础学科研究的不断深入、AI技术的不断提高，传统的药物研发流程也展现出多个有待改进的环节，包括靶点选择、化合物筛选、药物晶型筛选、早期开发评价、药理分析等环节都或多或少的可以融合AI技术进行一定程度上的改进，一些机械性的重复工作交给AI可大大缩短研发的时间，提高研发的效率，降低成本。

另一方面，AI技术需要数据才能为药物设计带来便利，训练AI的数据集决定了AI的质量。传统制药行业几十年的积累，数据量十分可观，但仍然只愿意公开专利或上市申请等要求公开的部分，数据量较少时，AI的优势并未完全展现出来。AI的进步需要大量的数据训练，数据的分享无疑是制药行业与AI技术最根本的冲突。药物分子结构等数据是制药企业的核心知识产权，几乎无公开可能，但是缺少这些核心数据，AI就难以发挥其价值，形成对现有计算方法的超越，这是未来企业急需解决的一个难点。

遗憾的是，最近上文提到的Exscientia公司，2020年高调宣布和住友制药合作研发的第一个由人工智能设计的分子进入I期临床试验后，这个名为DSP-1181已经被住友制药停止开发，目前这条管线在两家公司的官网中已经销声匿迹。原因可能是临床I期的研究并未达到预期标准。由此看来AI技术在药物研发中扮演的仍然是一种辅助性角色，核心仍是制药乃至生物和化学专家的专业知识。制药业积累的研发经验，是AI在制药业发挥价值的前提。