預估2000億市場，縮短40%試驗時間，AI技術=醫藥第5次革命？

來源：藥智網/乖扁豆

自上世紀70年代，藥物開發都主要依賴于經典的經驗藥學，此后出現了兩個成功的變革創新的浪潮：

一個是70年代的理性藥物設計方法學，另一個是80年代的基于重組蛋白的治療藥物。

近年來，多特異性藥物嶄露頭角，造就了第4波浪潮。

圖1.現代制藥工業的4波變革性浪潮 資料來源：Nature

在技術迭代速度明顯加快的今天，AI制藥相關技術有沒有可能成為第5波浪潮？

AI制藥技術是個啥？

早在1981年，雜志《Discovery》中就曾描述，“計算機有望提高藥用分子篩選效率，化學家再也不用整周、整月呆在實驗室，測試那些計算機認為難以成功的分子”。

通過文獻的關鍵詞詞頻分析，最終確定了7個頻次靠前的人工智能在醫藥研發重點研究領域：

靶點藥物研發、藥物挖掘、化合物篩選、預測ADMET性質、藥物晶型預測、病理生物學研究、藥物重定位/藥物再利用。

據統計，AI技術的應用，對于臨床前研究而言，可縮短接近40%的時間；而對于臨床試驗階段，可節約時間約為50%-60%。

此外，AI技術的應用可節約化合物篩選成本近260億美金每年，臨床試驗費用也可節省約280億美金。

如果以中國醫藥行業規模占全球醫藥規模1/6簡單測算，中國AI技術的應用一年可大約節約585億元。

大膽猜想一下，如果未來中國醫藥市場規模中，有1/10由AI技術直接或間接貢獻，那么，AI制藥技術市場規模空間約為2000億元。

AI制藥企業進展如何？

目前全球有超過130家AI藥物研發初創企業，美國擁有數量最多，其次為英國及加拿大，以色列、日本、韓國也有企業分布。

融資地區分布 資料來源：CBInsights

美國仍然占據了融資交易的主要份額。中國以9.4%的比例緊隨其后，成為了除美國、其他地區外的新興市場，展現了在新興科技領域發展潛力。

與國外相比，我國AI藥物研發起步較晚，近年來繼AI醫學影像市場格局基本成型后，我國AI藥物研發企業才開始進入從無到有的階段。

據不完全統計，我國AI藥物研發初創企業有近20家，包括有晶泰科技、深度智耀、云勢軟件、望石智慧等一批創新企業。

部分AI藥物研發公司布局

其中，超半數企業成立時間主要集中在2015-2018年，融資輪次集中在A、B輪，主要分布在北京、上海、杭州和深圳等地。

AI制藥3大技術核心

數據、算力和算法是目前AI制藥企業的三大技術核心。

AI訓練模型需要優質的數據，而藥物研發數據來源主要有三種：公開數據、虛擬數據和項目數據。

公開的數據有限且質量參差不齊，虛擬數據和項目數據大都掌握在大型藥企手中，獲取的代價不菲。

所以如何獲取優質的數據是AI藥物研發初創企業需要解決的關鍵問題。

算力是AI制藥企業的基石，基于此AI制藥企業可以搭建出自己的底層知識圖譜，并形成其行業壁壘之一，但隨著云計算平臺的普及，算力已經逐漸不再成為制約其發展的決定性因素。

對于AI制藥企業來說更為核心的壁壘是算法，其核心創新點在于建模的精度和產生新信息的能力。

透過AI精確的建模和新的生物學相關信息的產生可以加深對人體復雜生理生化模型的理解，進而在藥物發現階段即可與臨床試驗相結合，找到合適的分子。

通過前期低成本的高效的AI賦能來降低后期臨床試驗的成本和失敗概率，從根本上改變臨床試驗階段投入大成功率低的現象。

AI技術本身更像一個“黑箱”，許多技術細節難以解釋，這與生物制藥這一具有高嚴謹性、高確定性要求的領域產生了矛盾。

對于AI制藥技術來說，要判斷其確定性，除了要追蹤其前期模型結果產出環節的歷史精準度，后期對于決策證據的可靠性論證以及對結果的確定性驗證是更為關鍵的部分。

因此，在未來利用生物物理的底層邏輯建立高效模型，并利用機器學習在高維空間中搜索最優解，建立藥物的理性設計標準和高通量高效的實驗評價體系，高效設計出高活性的候選化合物對AI制藥企業來說尤為重要。

小結

作為降本增效的解決方案，AI技術有可能通過將機器學習、認知計算等有機嵌入至新藥研發的各環節，大大縮短新藥研發過程，有效減少資本投入，提升新藥研發效率。

AI的成熟化發展，是否有可能對新藥研發產生變革性意義，并成為第5波浪潮？歡迎留言討論~

責任編輯：魚腥草

聲明：本文觀點僅代表作者本人，不代表藥智網立場，歡迎在留言區交流補充；如需轉載，請務必注明文章作者和來源！