AI制药,风口之上:泡沫or未来?

View :1637

制药界流一直传着 “双十定律”,即一款创新药从诞生到上市用于治疗,通常需要耗费十年的时间,数十亿美元的资金。近年来,随着人工、材料等成本的不断提升,这个数额还在持续上升,并且新药研发的成功率还持续走低。与此同时,新药研发带给投资者的回报率已经开始大幅度下降,从2008年的10%,降到近年来的不足2%。

如何降低研发费用,提高成功率,缩短研发周期成为当前整个制药行业的当务之急。

AI制药技术的出现和不断成熟,为创新药研发“降本增效”提供了全新的解决思路。在资本的热捧下,AI制药是泡沫还是未来,能否引领创新药行业新的变革浪潮?

作者丨陈正青

来源 | 贝壳社

AI如何制药?

如今的AI制药技术虽已表明可以为新药研发带来价值,但也仅仅作为新药研发的一种工具,与自动研发新药或替代人工还有相当遥远的距离。

目前,在新药研发的各个环节中,药物发现是AI制药应用最多也最成熟的环节。

传统新药的发现需要先确定好某疾病的靶点,研究人员根据靶点设计和筛选出最合适的分子。为了找到它,传统的药物发现是要对数万个小分子进行测试筛选,然后进一步合成和测试数百个分子,以便得到少数几个适合临床前研究的候选药物。

这个过程困难重重,成功率极低,依赖研究人员的经验和运气,如果靶点是创新靶点的话,药物发现环节大约需要花费4年左右的时间和数千万美元的投入。

新药研发流程图

而AI在分析、阅读大量理化数据、期刊文献成果、临床数据等大数据后,凭借机器学习、深度学习、自然语言处理等技术,可以预测疾病靶点、成药靶点,发现原来很难、甚至不可能发现的靶点。
同时,AI还可以协助研究人员生成分子、筛选分子,预测候选药物的性能,如药物的吸收、代谢、毒性、不良反应等,缩小后期实验范围,降低临床失败概率,大幅降低新药研发的时间、资金成本。
与传统药物发现相比,AI技术凭借大数据和算法,可以减少新药研发流程中近40%的临床前研究时间。同时,AI技术平台还能源源不断的发现新药分子,从而带来新药产品上的规模效应。
近期,英矽智能利用AI技术在半年内就两次宣布发现新药。其中一种全新机制的用于治疗特发性肺纤维化(IPF)的临床前候选化合物,整个研发过程只花了不到18个月的时间和大约200万美元,刷新了新药研发的速度和最低成本纪录。

英矽智能在18个月内完成AI药物发现

AI制药技术除了应用于临床前药物发现领域外,也有一些公司开始探索将其应用于成本更高的临床阶段。
通过将医疗记录、医学文献、患者主动上传的病理内容等信息与受试药物信息进行匹配,AI技术帮助新药研发公司找到合适的受试患者,提高招募临床试验患者的效率。还有一些公司基于已有的公开临床数据,利用AI技术帮助实验者判断临床试验的成功率。
更有Arcus Biosciences公司生物信息学家王宁曾表示,患者反应预测很有可能成为AI制药发展的下一个方向,即AI通过特定的生物标志物来预测药效。
目前的AI制药还仅是作为新药研发某些环节中的辅助工具,但其强大的计算力可以节约大量的药物发现环节时间,还可以节约大量的实验成本,对于制药行业而言,称得上是一个颠覆性的技术。

♦ 风口之上,群雄并起

AI制药的强大优势吸引来各路资本,2021年,全球融资总额约为266亿元(超42亿美元),其中,中国在该领域的融资金额超过90亿元。

2022年一季度,AI制药领域融资事件达到42起,融资金额累计超24亿美元。其中,中国13起,美国21起,欧洲等其他国家共8起。投融资活动仍主要发生在中美两国,占总融资事件的80%。

涌入人工智能/机器学习新药发现公司的风投资金

在研发许可方面,市场则更为活跃,共有243项合作签署,前期付款和期权超过10亿美元,公布的总合作金额达到377亿美元。其中,仅仅是今年1月,数额就已经达到了约100亿美元。

除AI制药初创公司外,加入AI制药布局的还有传统大药企和互联网巨头。

传统药企通常以投资合作的居多。例如,复星医药与英矽智能达成合作,共同推进多个靶点的AI药物研发,英矽智能因此获得了1300万美元的首付款及里程碑付款。这是国内迄今为止AI制药企业收到的最大额预付款。

而互联网巨头的跨界入场让AI制药更添热度。在国外谷歌早已进场,国内的阿里巴巴、腾讯、百度则在2020年后加速布局AI制药,而华为也成立了医疗智能体 “EIHealth”。不仅如此,互联网行业的另一新贵字节跳动也在去年开始布局AI制药。

代表顶尖AI水平的互联网公司入局AI制药,意味着可能为这个行业带来革命性的、颠覆性的改变。

♦ 数据困境,如何破局

与传统制药技术不同的是,AI制药非常依赖大数据——所有的AI技术都需要基于大量的数据来训练和学习。

但目前最大的困难与挑战就是缺乏高质量的数据。不同于AI在图像识别领域的应用,图像数据量大且获取相对简单,但AI制药所需要的数据总量较少,且药企出于保密的目的,大多不愿意分享数据。
目前,AI制药公司的数据源多来自于公开资料,如已发表的医学文献,公开的靶点库,药企、科研机构或院校的公开数据等,但最主要的高质量数据是来自药企,这部分数据获取并不容易。
与此同时,这些数据还需要整理成AI平台可读的格式,这个过程需要花费大量的时间、人力。
除了数据,算法是另一个关键。现在AI公司的算法有很多种,哪一种算法才真正有效?这还需要大量的实验来验证。算法越精简,产生的化合物就越精准,成功率就越高。
当前的格局是,传统药企掌握大量数据,但在AI算法方面缺乏技术;AI制药初创公司及互联网巨头们,拥有强大的AI算法及人工智能开发经验,但缺乏数据支撑,也没有制药的经验。
因此,药企与AI制药初创公司、互联网巨头合作或成为未来的选项。去年1月,英国AI制药创企Exscientia宣布,其使用AI设计的免疫肿瘤分子EXS21546进入人体临床试验。目前,Exscientia已与拜耳、赛诺菲、葛兰素史克等知名药企达成合作。英矽智能也已与辉瑞、安斯泰来、强生公司旗下杨森制药、大正制药等多家一流的生物医药公司达成合作。
在这种模式下,AI制药公司更多是扮演类似CRO的角色。然而,在创新药利润大幅缩水的背景下,药企又愿意为AI制药支付多少费用呢?

参考资料:

1. 瑞科生物招股书。来源:官网
2.《AI制药迈入临床,生物医药产业应有怎样的期待?》,药明康德,2022-02-23
3.《总额达266亿元!2021全球AI制药融资盘点》,智药局,2022-01-27
4.《段宏亮:AI制药的现状、技术与挑战》,智药邦,2021-02-08

制药界流一直传着 “双十定律”,即一款创新药从诞生到上市用于治疗,通常需要耗费十年的时间,数十亿美元的资金。近年来,随着人工、材料等成本的不断提升,这个数额还在持续上升,并且新药研发的成功率还持续走低。与此同时,新药研发带给投资者的回报率已经开始大幅度下降,从2008年的10%,降到近年来的不足2%。

如何降低研发费用,提高成功率,缩短研发周期成为当前整个制药行业的当务之急。

AI制药技术的出现和不断成熟,为创新药研发“降本增效”提供了全新的解决思路。在资本的热捧下,AI制药是泡沫还是未来,能否引领创新药行业新的变革浪潮?

作者丨陈正青

来源 | 贝壳社

AI如何制药?

如今的AI制药技术虽已表明可以为新药研发带来价值,但也仅仅作为新药研发的一种工具,与自动研发新药或替代人工还有相当遥远的距离。

目前,在新药研发的各个环节中,药物发现是AI制药应用最多也最成熟的环节。

传统新药的发现需要先确定好某疾病的靶点,研究人员根据靶点设计和筛选出最合适的分子。为了找到它,传统的药物发现是要对数万个小分子进行测试筛选,然后进一步合成和测试数百个分子,以便得到少数几个适合临床前研究的候选药物。

这个过程困难重重,成功率极低,依赖研究人员的经验和运气,如果靶点是创新靶点的话,药物发现环节大约需要花费4年左右的时间和数千万美元的投入。

新药研发流程图

而AI在分析、阅读大量理化数据、期刊文献成果、临床数据等大数据后,凭借机器学习、深度学习、自然语言处理等技术,可以预测疾病靶点、成药靶点,发现原来很难、甚至不可能发现的靶点。
同时,AI还可以协助研究人员生成分子、筛选分子,预测候选药物的性能,如药物的吸收、代谢、毒性、不良反应等,缩小后期实验范围,降低临床失败概率,大幅降低新药研发的时间、资金成本。
与传统药物发现相比,AI技术凭借大数据和算法,可以减少新药研发流程中近40%的临床前研究时间。同时,AI技术平台还能源源不断的发现新药分子,从而带来新药产品上的规模效应。
近期,英矽智能利用AI技术在半年内就两次宣布发现新药。其中一种全新机制的用于治疗特发性肺纤维化(IPF)的临床前候选化合物,整个研发过程只花了不到18个月的时间和大约200万美元,刷新了新药研发的速度和最低成本纪录。

英矽智能在18个月内完成AI药物发现

AI制药技术除了应用于临床前药物发现领域外,也有一些公司开始探索将其应用于成本更高的临床阶段。
通过将医疗记录、医学文献、患者主动上传的病理内容等信息与受试药物信息进行匹配,AI技术帮助新药研发公司找到合适的受试患者,提高招募临床试验患者的效率。还有一些公司基于已有的公开临床数据,利用AI技术帮助实验者判断临床试验的成功率。
更有Arcus Biosciences公司生物信息学家王宁曾表示,患者反应预测很有可能成为AI制药发展的下一个方向,即AI通过特定的生物标志物来预测药效。
目前的AI制药还仅是作为新药研发某些环节中的辅助工具,但其强大的计算力可以节约大量的药物发现环节时间,还可以节约大量的实验成本,对于制药行业而言,称得上是一个颠覆性的技术。

♦ 风口之上,群雄并起

AI制药的强大优势吸引来各路资本,2021年,全球融资总额约为266亿元(超42亿美元),其中,中国在该领域的融资金额超过90亿元。

2022年一季度,AI制药领域融资事件达到42起,融资金额累计超24亿美元。其中,中国13起,美国21起,欧洲等其他国家共8起。投融资活动仍主要发生在中美两国,占总融资事件的80%。

涌入人工智能/机器学习新药发现公司的风投资金

在研发许可方面,市场则更为活跃,共有243项合作签署,前期付款和期权超过10亿美元,公布的总合作金额达到377亿美元。其中,仅仅是今年1月,数额就已经达到了约100亿美元。

除AI制药初创公司外,加入AI制药布局的还有传统大药企和互联网巨头。

传统药企通常以投资合作的居多。例如,复星医药与英矽智能达成合作,共同推进多个靶点的AI药物研发,英矽智能因此获得了1300万美元的首付款及里程碑付款。这是国内迄今为止AI制药企业收到的最大额预付款。

而互联网巨头的跨界入场让AI制药更添热度。在国外谷歌早已进场,国内的阿里巴巴、腾讯、百度则在2020年后加速布局AI制药,而华为也成立了医疗智能体 “EIHealth”。不仅如此,互联网行业的另一新贵字节跳动也在去年开始布局AI制药。

代表顶尖AI水平的互联网公司入局AI制药,意味着可能为这个行业带来革命性的、颠覆性的改变。

♦ 数据困境,如何破局

与传统制药技术不同的是,AI制药非常依赖大数据——所有的AI技术都需要基于大量的数据来训练和学习。

但目前最大的困难与挑战就是缺乏高质量的数据。不同于AI在图像识别领域的应用,图像数据量大且获取相对简单,但AI制药所需要的数据总量较少,且药企出于保密的目的,大多不愿意分享数据。
目前,AI制药公司的数据源多来自于公开资料,如已发表的医学文献,公开的靶点库,药企、科研机构或院校的公开数据等,但最主要的高质量数据是来自药企,这部分数据获取并不容易。
与此同时,这些数据还需要整理成AI平台可读的格式,这个过程需要花费大量的时间、人力。
除了数据,算法是另一个关键。现在AI公司的算法有很多种,哪一种算法才真正有效?这还需要大量的实验来验证。算法越精简,产生的化合物就越精准,成功率就越高。
当前的格局是,传统药企掌握大量数据,但在AI算法方面缺乏技术;AI制药初创公司及互联网巨头们,拥有强大的AI算法及人工智能开发经验,但缺乏数据支撑,也没有制药的经验。
因此,药企与AI制药初创公司、互联网巨头合作或成为未来的选项。去年1月,英国AI制药创企Exscientia宣布,其使用AI设计的免疫肿瘤分子EXS21546进入人体临床试验。目前,Exscientia已与拜耳、赛诺菲、葛兰素史克等知名药企达成合作。英矽智能也已与辉瑞、安斯泰来、强生公司旗下杨森制药、大正制药等多家一流的生物医药公司达成合作。
在这种模式下,AI制药公司更多是扮演类似CRO的角色。然而,在创新药利润大幅缩水的背景下,药企又愿意为AI制药支付多少费用呢?

参考资料:

1. 瑞科生物招股书。来源:官网
2.《AI制药迈入临床,生物医药产业应有怎样的期待?》,药明康德,2022-02-23
3.《总额达266亿元!2021全球AI制药融资盘点》,智药局,2022-01-27
4.《段宏亮:AI制药的现状、技术与挑战》,智药邦,2021-02-08
问询(英文)

公众号