自從騰訊、百度、阿里等大廠爭先入局AI賽道后，各大藥企也將AI藥物研發(fā)提上了日程。

       事實上，從2020年開始，AI醫(yī)藥就進入了高速發(fā)展期，并且這一勢頭絲毫沒有減弱的跡象。根據(jù)智藥邦的統(tǒng)計，2022年上半年，AI藥物研發(fā)領(lǐng)域共發(fā)生了52項投資活動，投資總金額超過180億人民幣，其中27%的投資活動金額過億。


       國內(nèi)的AI技術(shù)已經(jīng)在醫(yī)療領(lǐng)域的影像板塊實現(xiàn)了一定的商業(yè)化，AI+CT可以對肺結(jié)節(jié)、肺結(jié)核等肺部疾病進行有效篩查，各大三甲醫(yī)院已經(jīng)在臨床上進行了廣泛應(yīng)用。

       但AI藥物研發(fā)領(lǐng)域才剛起步，而AI藥物研發(fā)，才是AI在醫(yī)療市場上最大的蛋糕。這也難怪騰訊、阿里、百度等大廠，早早就瞄準(zhǔn)了AI藥物研發(fā)賽道。不過一個有趣的事實是，醫(yī)療數(shù)據(jù)在某種意義上比算法模型更為重要。

       而這，也就給了各大藥企一個切入AI藥物研發(fā)賽道的好機會。

       AI藥研這塊香餑餑香在哪兒

       在人口老齡化和人工智能的催化下，AI制藥正在逐漸成為剛需。

       談到AI入局醫(yī)療賽道，似乎是一個近幾年才發(fā)生的事。事實上，早在2010年就有一批技術(shù)公司開始嘗試用AI技術(shù)進行藥物研發(fā)。但直到近幾年，AI研制的第一批藥物才真正投入到了臨床使用。

       藥物研發(fā)包括藥物發(fā)現(xiàn)、臨床前研究、臨床研究、審批上市四個階段。在藥物研發(fā)階段，人工智能通過對醫(yī)學(xué)資料的深度學(xué)習(xí)能夠迅速發(fā)現(xiàn)藥物與疾病、疾病與基因之間的關(guān)系；在臨床前研究階段，人工智能技術(shù)通過處理大量試驗數(shù)據(jù)，可以在幾小時甚至幾分鐘內(nèi)找到藥效最好且最穩(wěn)定的晶型結(jié)構(gòu)。

       AI深度參與的這兩個階段恰恰是藥物研發(fā)中耗時最長，資金投入最大的兩個階段。藥物研發(fā)是一個研發(fā)周期長、費用高、成功率低的過程。電影《我不是藥神》中的格列寧的原型諾華公司生產(chǎn)的格列衛(wèi)，售價2.5萬元一瓶，NATCO的仿制藥價格僅有980元。之所以正版售價高達(dá)兩萬多一瓶，是因為前期研發(fā)投入大。

       而隨著AI進入到藥物研發(fā)領(lǐng)域，藥品的成本有望大幅下降。資料顯示，人工智能可以將新藥研發(fā)的成功率提高2%，為整個生物制藥行業(yè)節(jié)約數(shù)百億美元的研發(fā)費用。

       一方面，人口老齡化帶來了更多的醫(yī)療需求。據(jù)《中國醫(yī)藥開發(fā)與生產(chǎn)能力評估報告》顯示，到2050年我國60歲以上老年人口將達(dá)到2.8億，占總?cè)丝诘?9.7%。老年人比例的增加意味著醫(yī)療行業(yè)需要應(yīng)對更多的慢性病和其他需要長期護理的疾病。

       另一方面，人口老齡化造成的勞動人口不足迫切需要人工智能參與到勞動生產(chǎn)中，緩解供需失衡。目前我國人口總量逐漸減少，而老年人口卻呈現(xiàn)增長趨勢。在不久的將來，醫(yī)療系統(tǒng)會面臨醫(yī)生、護士和其他相關(guān)人員短缺問題。

       人工智能在數(shù)據(jù)處理、圖像識別等方面的運用，將提高醫(yī)療系統(tǒng)的運行效率，降低運行成本。國內(nèi)的AI技術(shù)已經(jīng)在醫(yī)學(xué)影像領(lǐng)域?qū)崿F(xiàn)了一定規(guī)模的商業(yè)化應(yīng)用。AI+CT影像能夠?qū)Ψ谓Y(jié)節(jié)、肺結(jié)核、氣胸、肺癌等肺部疾病進行有效篩查，各大三甲醫(yī)院都開設(shè)了這一檢查項目。

       相比與AI在零售、文娛等其它領(lǐng)域的應(yīng)用，AI在醫(yī)療領(lǐng)域的運用還處于早期階段，但AI在醫(yī)療行業(yè)的市場卻是最大的。數(shù)據(jù)顯示， 2025 年，人工智能應(yīng)用市場總值將達(dá)到 1,270 億美元，醫(yī)療行業(yè)占五分之一。

       很長一段時間里，國內(nèi)高精尖的醫(yī)療設(shè)備都將依賴于國外進口，比如核磁共振儀，CT掃描儀等等；關(guān)稅及高昂的費用，最終轉(zhuǎn)嫁到了患者們的身上。

       所以，依托于我國AI技術(shù)在世界范圍內(nèi)的領(lǐng)先性，加快AI技術(shù)在藥物研發(fā)等領(lǐng)域的發(fā)展，也能讓國內(nèi)醫(yī)療行業(yè)在下一個十年搶占一定的行業(yè)話語權(quán)。

       模型重要，數(shù)據(jù)更重要

       AI藥物研發(fā)領(lǐng)域的領(lǐng)先玩家是美國。美國大量醫(yī)療 AI 公司都集中在藥物研發(fā)領(lǐng)域，全球50% 以上的 AI 藥物研發(fā)公司都集中在美國。美國的 Schrodinger 和 RelayTherapeutics AI藥物研發(fā)領(lǐng)域最早上市的公司。

       2020 年 11 月，Google 旗下 DeepMind 的 AlphaFold2 解決了生物學(xué)難題 - 蛋白折疊。2021 年 7 月，谷歌與歐洲分子生物學(xué)實驗室（EMBL）利用 AlphaFold2 基于氨基酸序列預(yù)測了 350,000 個蛋白質(zhì)的三維結(jié)構(gòu)，幾乎涵蓋了人類基因組表達(dá)的約 20,000 個蛋白質(zhì)。

       這讓各界開始重視起了AI在藥物研發(fā)領(lǐng)域的應(yīng)用，在這之后，AI醫(yī)藥研發(fā)的融資活動越來越頻繁。

       2020 年，英國 Al 制藥企業(yè) Exscientia 通過 Al 人工智能研發(fā)的新藥候補化合物正式在日本進入第一階段臨床試驗，這也是世界首次使用人工智能 AI 開發(fā)藥物的臨床試驗。2021 年上半年，Exscientia 公司有兩款藥物宣布進入人體臨床。

       據(jù)《ai藥物研發(fā)發(fā)展研究報告2021》顯示，2020年至2021年底，全球約有近30項依托AI技術(shù)研發(fā)的候選藥物已獲批進入臨床。

       國內(nèi)的AI制藥雖然起步晚，但實力依舊不容小覷。作為人工智能領(lǐng)域與制藥領(lǐng)域的交叉，AI藥物研發(fā)受到國家對創(chuàng)新藥研究和人工智能發(fā)展的雙重鼓勵，也取得了一定的進展。

       中科學(xué)院上海藥物研究所和上�？萍即髮W(xué)聯(lián)合研究團隊綜合利用虛擬篩選和酶學(xué)測試相結(jié)合的策略，發(fā)現(xiàn)了一批可能對新型 肺炎有治療作用的老藥和中藥。華中科技大學(xué)同濟醫(yī)學(xué)院等醫(yī)院和研究所與華為云聯(lián)合科研團隊，利用人工智能技術(shù)篩選出五種可能對2019-nCoV 有效的抗病毒藥物。

       在業(yè)界廣泛流傳的話：數(shù)據(jù)與特征決定了機器學(xué)習(xí)的上限，模型和算法只是無限逼近這個上限。算法和數(shù)據(jù)是訓(xùn)練模型的的基礎(chǔ)，如果只有算法而沒有數(shù)據(jù)，AI模型沒有辦法沒有辦法有效地工作。但是醫(yī)療行業(yè)的有效數(shù)據(jù)非常少。

       首先，醫(yī)療數(shù)據(jù)尚未形成統(tǒng)一的統(tǒng)計標(biāo)準(zhǔn)。醫(yī)療信息雖然已經(jīng)采取了數(shù)字化管理，但管理的標(biāo)準(zhǔn)并不統(tǒng)一，當(dāng)前除了主流HIS、CIS、PACS 等系統(tǒng)，其它不同廠商也會為不同醫(yī)院單獨設(shè)計信息化管理實施系統(tǒng)，且不同版本之間的數(shù)據(jù)無法互相授權(quán)。 另外，在醫(yī)生的實際工作過程中，病歷數(shù)據(jù)的記錄往往是個性化、缺乏統(tǒng)一標(biāo)準(zhǔn)； 因此，人工智能目前難以理順整個診斷邏輯，進行深度學(xué)習(xí)。

       其次，有價值的數(shù)據(jù)難以獲取。目前訓(xùn)練AI的數(shù)據(jù)主要是各種文獻(xiàn)數(shù)據(jù)庫，公開的項目模擬數(shù)據(jù)及部分臨床數(shù)據(jù)等公開數(shù)據(jù)，這類數(shù)據(jù)獲取難度低但質(zhì)量高低不齊；而高質(zhì)量的數(shù)據(jù)多集中在三甲醫(yī)院，僅對內(nèi)開放，獲取難度高。

       藥物研發(fā)對AI的信息整合能力提出了更高的要求。相比其他領(lǐng)域，醫(yī)療領(lǐng)域的數(shù)據(jù)要復(fù)雜得多。同樣的一個癥狀，可能是由不同的病因?qū)е碌�，并且同樣的病因在不同患者身上可能會有不同的表現(xiàn)。

       這就要求AI在分析已有數(shù)據(jù)的基礎(chǔ)上，能夠?qū)ξ粗�事物的發(fā)展進行一定的推理判斷，以適應(yīng)復(fù)雜的臨床環(huán)境。而目前的AI還處在從感知智能向認(rèn)知智能過渡的發(fā)展階段。

       誰先吃到AI藥研的蛋糕

       國內(nèi)的AI制藥賽道上已經(jīng)誕生了首家獨角獸。

       AI制藥企業(yè)晶泰科技D輪融資4 億美金，估值超過 130 億人民幣，投資方包括騰訊、紅杉資本、軟銀集團、中信資本等。

       晶泰科技搭建智能藥物研發(fā)一體化平臺，通過向藥企提供智能化藥物研發(fā)服務(wù)而盈利，這也是大部分AI制藥的初創(chuàng)公司所采用的盈利模式。他們的優(yōu)勢往往在于創(chuàng)始人的專業(yè)背景，目前大部分初創(chuàng)公司都將重心放在了藥物發(fā)現(xiàn)階段的化合物篩選、靶點發(fā)現(xiàn)、化合物合成。

       這些初創(chuàng)公司在人工智能方面拼不過科技巨頭，在醫(yī)藥知識領(lǐng)域方面又打不過傳統(tǒng)藥企。因此從某一具體的制藥流程切入，專注于細(xì)分領(lǐng)域才能有更大的贏面。

       有趣的是，不少初創(chuàng)AI制藥公司背后的投資方往往是大型科技公司和醫(yī)藥公司。

       第二類玩家則是科技巨頭。科技公司在資金和AI技術(shù)上具有明顯的競爭優(yōu)勢，世界云計算排名前列的谷歌、阿里、百度、騰訊都不約而同地瞄準(zhǔn)了醫(yī)療賽道。騰訊成立覆蓋臨床前新藥研發(fā)全流程的云深制藥；華為設(shè)立覆蓋基因組、藥物研發(fā)和臨床研究的EIHealth ……

       只是醫(yī)療行業(yè)的羹也并不是那么好分。

       在醫(yī)療數(shù)據(jù)不足的情況下，大廠們即使搭建好了算法模型，也無法讓AI模型通過大數(shù)據(jù)的學(xué)習(xí)得到成長。

       因此科技巨頭們往往會選擇與藥企強強聯(lián)合，一方提供技術(shù)、一方提供數(shù)據(jù)，華為與云南白藥、百度與賽諾菲皆是如此。

       第三類玩家則是在醫(yī)療行業(yè)積淀深厚的大型藥企。

       由于人工智能的技術(shù)門檻高，藥企難以在短期內(nèi)擁有技術(shù)優(yōu)勢，因此會選擇與科技巨頭合作。科技公司負(fù)責(zé)搭建算法模型，藥企則負(fù)責(zé)利用數(shù)據(jù)訓(xùn)練模型。

       不過，資金實力雄厚的藥企還是更樂意自己掌控全局，不少藥企會通過自建AI團隊或收購初創(chuàng)AI技術(shù)公司的方式補足技術(shù)短板。以藥明康德為例，前后參與Strateos(Transcriptic) 、 EngineBiosciences等多家AI藥物研發(fā)初創(chuàng)公司的投資。

       醫(yī)藥研發(fā)是個周期長、投入資金量大的事情，即使人工智能逐漸滲透到各個制藥環(huán)節(jié)，很多決策依舊需要藥化專家?guī)兔�，所需要的時間只是相對變短。因此，對企業(yè)而言，雄厚的財力是支撐其前期研發(fā)必不可收的基礎(chǔ)。

       同時，AI藥物研發(fā)作為人工智能與醫(yī)療行業(yè)的交叉點，也面臨著行業(yè)磨合的陣痛。

       有媒體報道，大部分藥化專家對AI制藥持懷疑態(tài)度，嘗試過后預(yù)測率如果不能達(dá)到百分百便會不再信任AI技術(shù)。顯然，在算法和數(shù)據(jù)之外，行業(yè)內(nèi)部也還處于互相了解階段。

       這也意味著，誰先達(dá)成共識，誰就先吃到AI藥研的蛋糕。