预估2000亿市场 缩短40%试验时间 AI技术=医药第5次革命？

作者：乖扁豆

自上世纪70年代，药物开发都主要依赖于经典的经验药学，此后出现了两个成功的变革创新的浪潮：

一个是70年代的理性药物设计方法学，另一个是80年代的基于重组蛋白的治疗药物。

近年来，多特异性药物崭露头角，造就了第4波浪潮。

图1. 现代制药工业的4波变革性浪潮

资料来源：Nature

在技术迭代速度明显加快的今天，AI制药相关技术有没有可能成为第5波浪潮？

AI制药技术是个啥？

早在1981年，杂志《Discovery》中就曾描述，“计算机有望提高药用分子筛选效率，化学家再也不用整周、整月呆在实验室，测试那些计算机认为难以成功的分子”。

通过文献的关键词词频分析，最终确定了7个频次靠前的人工智能在医药研发重点研究领域：

靶点药物研发、药物挖掘、化合物筛选、预测ADMET性质、药物晶型预测 、病理生物学研究、药物重定位/药物再利用。

据统计，AI技术的应用，对于临床前研究而言，可缩短接近40%的时间；而对于临床试验阶段，可节约时间约为50%-60%。

此外，AI技术的应用可节约化合物筛选成本近260亿美金每年，临床试验费用也可节省约280亿美金。

如果以中国医药行业规模占全球医药规模1/6简单测算，中国AI技术的应用一年可大约节约585亿元。

大胆猜想一下，如果未来中国医药市场规模中，有1/10由AI技术直接或间接贡献，那么，AI制药技术市场规模空间约为2000亿元。

AI制药企业进展如何？

目前全球有超过130家AI药物研发初创企业，美国拥有数量最多，其次为英国及加拿大，以色列、日本、韩国也有企业分布。

融资地区分布

资料来源：CB Insights

美国仍然占据了融资交易的主要份额。中国以9.4%的比例紧随其后，成为了除美国、其他地区外的新兴市场，展现了在新兴科技领域发展潜力。

与国外相比，我国AI药物研发起步较晚，近年来继AI医学影像市场格局基本成型后，我国AI药物研发企业才开始进入从无到有的阶段。

据不完全统计，我国AI药物研发初创企业有近20家，包括有晶泰科技、深度智耀、云势软件、望石智慧等一批创新企业。

部分AI药物研发公司布局

其中，超半数企业成立时间主要集中在2015-2018年，融资轮次集中在A、B轮，主要分布在北京、上海、杭州和深圳等地。

AI制药3大技术核心

数据、算力和算法是目前AI制药企业的三大技术核心。

AI训练模型需要优质的数据，而药物研发数据来源主要有三种：公开数据、虚拟数据和项目数据。

公开的数据有限且质量参差不齐，虚拟数据和项目数据大都掌握在大型药企手中，获取的代价不菲。

所以如何获取优质的数据是AI药物研发初创企业需要解决的关键问题。

算力是AI制药企业的基石，基于此AI制药企业可以搭建出自己的底层知识图谱，并形成其行业壁垒之一，但随着云计算平台的普及，算力已经逐渐不再成为制约其发展的决定性因素。

对于AI制药企业来说更为核心的壁垒是算法，其核心创新点在于建模的精度和产生新信息的能力。

透过AI精确的建模和新的生物学相关信息的产生可以加深对人体复杂生理生化模型的理解，进而在药物发现阶段即可与临床试验相结合，找到合适的分子。

通过前期低成本的高效的AI赋能来降低后期临床试验的成本和失败概率，从根本上改变临床试验阶段投入大成功率低的现象。

AI技术本身更像一个“黑箱”，许多技术细节难以解释，这与生物制药这一具有高严谨性、高确定性要求的领域产生了矛盾。

对于AI制药技术来说，要判断其确定性，除了要追踪其前期模型结果产出环节的历史精准度，后期对于决策证据的可靠性论证以及对结果的确定性验证是更为关键的部分。

因此，在未来利用生物物理的底层逻辑建立高效模型，并利用机器学习在高维空间中搜索最优解，建立药物的理性设计标准和高通量高效的实验评价体系，高效设计出高活性的候选化合物对AI制药企业来说尤为重要。

小结

作为降本增效的解决方案，AI技术有可能通过将机器学习、认知计算等有机嵌入至新药研发的各环节，大大缩短新药研发过程，有效减少资本投入，提升新药研发效率。

*声明：本文由入驻新浪医药新闻作者撰写，观点仅代表作者本人，不代表新浪医药新闻立场。