21世紀經(jīng)濟報道 記者魏笑 實習生宋家哲 深圳報道ChatGPT引發(fā)的人工智能浪潮正席卷全球，給AI制藥帶來了前所未有的發(fā)展機遇，但也引發(fā)了對行業(yè)發(fā)展的進一步思考。

“盡管現(xiàn)在沒有哪一款已上市的藥物是AI算出來的，但AI參與研發(fā)的管線越來越多，未來一定會有更多藥品進入臨床、甚至上市，這只是時間問題?！苯眨谝淮涡袠I(yè)交流會上，晶泰科技CEO馬健在接受采訪時向21世紀經(jīng)濟報道記者等表示。

AI可助力從靶點發(fā)現(xiàn)后到臨床前研究的過程。馬健表示，藥物研發(fā)是一個假設(shè)檢驗的過程，假設(shè)會被更多的提出來，而檢驗速度更快，代表著成功機會更高。

(相關(guān)資料圖)

隨著AI制藥的火熱，大批公司涌現(xiàn)。截至2022年，全球約有600家AI藥物研發(fā)公司，中國已有近80家相關(guān)企業(yè)，英矽智能、晶泰科技及冰州石生物三家企業(yè)發(fā)展迅速，在海外享有較高知名度。

目前AI制藥公司形成了CRO商業(yè)模式和自研管線模式。前者會給傳統(tǒng)制藥企業(yè)或其他公司“做外包”，用AI技術(shù)預(yù)測甲方需要的藥物，后者則將掌握藥物和技術(shù)專利。

藥物研發(fā)過程復(fù)雜，失敗率高，從臨床審批、研究到最終的上市是一個極其漫長的過程。因此很多企業(yè)選擇不需要承擔臨床試驗風險成本的對外合作管線（CRO）。

值得注意的是，雖然AI制藥可助力提高藥物研發(fā)效率，但同樣需要遵循制藥業(yè)本身的邏輯，在正視其工具屬性的前提下，未來還有很長的路要走。

數(shù)據(jù)是核心

AI制藥分為兩個技術(shù)路徑，其一是利用AI的歸納推理能力和算力優(yōu)勢，通過對分子動力學(xué)、分子動態(tài)變化進行模擬計算，從物理層面演繹現(xiàn)有的分子結(jié)構(gòu)，加速篩選優(yōu)化先導(dǎo)物。

另一個技術(shù)路徑是類似于ChatGPT的生成式人工智能，是基于經(jīng)驗和大數(shù)據(jù)的訓(xùn)練，快速設(shè)計全新的分子結(jié)構(gòu)，這一路徑的AI系統(tǒng)創(chuàng)新性相對更強。但ChatGPT可以生成預(yù)測和假設(shè)，不能進行實驗或測量化合物的性質(zhì)。因此，模型作出的預(yù)測需要實驗驗證。

通過機器學(xué)習（machine learning，ML）、深度學(xué)習（deeplearning，DL）等方式賦能藥物靶點發(fā)現(xiàn)、化合物篩選等環(huán)節(jié)，可以提高新藥研發(fā)的效率，為降本增效提供了可能。目前應(yīng)用AI技術(shù)，能夠使新藥研發(fā)的成功率從12%提高到 14%，每年為全球節(jié)約化合物篩選和臨床試驗費用約550億美元。

國內(nèi)本土的市場參與者中，探索AI+新藥研發(fā)的企業(yè)主要有三類：一是AI藥物研發(fā)創(chuàng)新企業(yè)，如Exscienta、BenevolentAI、Atomwise、Relay Therapeutcs、晶泰科技、燧坤智能等；二是IT巨頭，如Google、微軟、騰訊、阿里巴巴集團等；三是大型制藥企業(yè)，如羅氏、阿斯利康、強生、葛蘭素史克（GSK）等。

其中約40%提供自研管線，約80%提供CRO服務(wù)。大部分企業(yè)還處于融資階段，在業(yè)務(wù)布局上，幾乎所有企業(yè)都停留在技術(shù)落地更快的化合物篩選和設(shè)計環(huán)節(jié)上，對于臨床前研究階段鮮有涉及。

這是因為新藥研發(fā)是個高投入、高成本、低成功率的過程。藥物研發(fā)的過程受到嚴格監(jiān)管，藥物必須經(jīng)過一系列臨床前研究和臨床試驗才可能被批準上市。很多進入臨床試驗的藥物最終卻跌入“死亡之谷”未能獲批上市。

因此就會導(dǎo)致藥企扎堆熱門靶點，而尋找新的靶標變得越來越困難。很多企業(yè)選擇不需要承擔臨床試驗風險成本的對外合作管線（CRO）。而對此來說，在藥物上市之前，誰拿到的合作管線越多，說明誰的技術(shù)實力得到的藥企的認可越多。

據(jù)量子位智庫估計，國內(nèi)的管線首付款平均為280萬美元，里程碑價格則根據(jù)具體藥物波動較大，完成后最高甚至能達到數(shù)百億元。

AI具備強大的數(shù)據(jù)分析和深度學(xué)習能力，可以快速處理和解析大量的生物化學(xué)信息，幫助科學(xué)家篩選出合適的化合物，設(shè)計優(yōu)化藥物分子結(jié)構(gòu)，從而縮短研發(fā)周期，節(jié)約研發(fā)成本。

同時AI制藥公司需要在前期打通數(shù)據(jù)、算力、算法。從AI深度學(xué)習模型的角度出發(fā)，最關(guān)鍵的環(huán)節(jié)之一是數(shù)據(jù)。數(shù)據(jù)量是否夠多，數(shù)據(jù)質(zhì)量是否夠好，都決定了AI模型的效果。相比傳統(tǒng)濕數(shù)據(jù)獲取速度慢，利用高通量、智能化、自動化、可控制、CV識別細胞形態(tài)等相關(guān)技術(shù)搭建智能實驗室，自主生產(chǎn)實驗數(shù)據(jù)，可以大幅提高數(shù)據(jù)獲取速度。

就國內(nèi)AI制藥企業(yè)來說，晶泰科技從2018年開始布局實驗室，2019年探索自動化實驗室的自主研發(fā)之路。目前已建立起一整套量子物理干實驗室與先進濕實驗室緊密結(jié)合的研發(fā)迭代流程。

AI本質(zhì)是“工具”

2021年是AI制藥發(fā)展的強盛期。DeepMind的深度學(xué)習算法Alphafold剛剛被驗證能夠準確預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)，就遇到了那一年的Biotech上升期。AI制藥公司的數(shù)億融資俯拾皆是，與藥企合作捷報頻傳。

作為國內(nèi)AI制藥的頭部企業(yè)，晶泰科技在2021年時也經(jīng)歷過50家國際機構(gòu)融資競標、額度達到8億美元、投后估值達到19.68億美元的盛況。然而，隨著2022年生物醫(yī)藥市場環(huán)境的失速，公司不得不擱淺了美股IPO的計劃。

這背后的邏輯在于，AI制藥本質(zhì)上具有的工具屬性。AI制藥并不能幫藥企解決關(guān)鍵卡點問題，AI學(xué)習的優(yōu)勢也正是它的劣勢所在?？v然AI制藥可以提高效率，加速藥物篩選，但AI學(xué)習的資料是基于人類已經(jīng)創(chuàng)造的實驗數(shù)據(jù)，對于新的靶點信息，AI還沒有辦法創(chuàng)造，也不能幫助藥物完成臨床試驗階段。

據(jù)智藥局統(tǒng)計，目前絕大多數(shù)AI制藥處于臨床I期。截至2022年底，全球獲批臨床的AI藥物管線有80條，其中有41條推進到1期，約占總數(shù)的一半；推進到2期的管線有29條。目前市場還沒有見證到AI制藥的最終產(chǎn)品——2022年，第一款由AI設(shè)計、號稱只用了12個月便進入臨床的分子DSP-1181因I期未達標而折戟。

在今年4月，英國上市AI制藥公司BenevolentAI宣布其用于治療特應(yīng)性皮炎的局部泛Trk抑制劑BEN-2293的IIa期臨床試驗，沒有達到次要療效終點，即無法減少患者的瘙癢和炎癥。

上個月，BenevolentAI宣布公司的戰(zhàn)略調(diào)整，裁員近180人，比例接近50%。然而此次裁員距離BenevolentAI上市僅僅過去一年。2022年，BenevolentAI公司報告經(jīng)營虧損1.97億英鎊，其中藥物研發(fā)支出大幅增長，從2710萬美元增長到4320萬美元，產(chǎn)品和技術(shù)支出為2430萬英鎊。

實際上，藥物研發(fā)的難點和門檻不僅在于技術(shù)，還有不確定性。體外和動物模型表現(xiàn)優(yōu)異，不代表在人體內(nèi)安全性和療效良好。

FDA發(fā)表了《在藥物和生物制品開發(fā)中使用人工智能和機器學(xué)習》。FDA認為AI/ML在藥物開發(fā)中最重要的應(yīng)用之一是努力簡化和推進臨床研究。例如，AI/ML正被用于分析來自介入研究（也稱為臨床試驗）和非介入研究（也稱為觀察性研究）的大量數(shù)據(jù)，以推斷藥物的安全性和有效性。

AI制藥雖然在技術(shù)上比現(xiàn)存制藥方法有提高，但同樣需要遵循制藥業(yè)本身的邏輯。隨著時間的沉淀，AI制藥資本逐漸回歸理性，在正視其工具屬性的前提下，在未來還有很長的路要走。

關(guān)鍵詞：