原标题：AI药物研发，生意好做吗？

点击蓝字 关注我们

药向前行 | 睿博商学院

睿博商学院，中国医药界的管理学院！长期致力于“组织与个体健康”的管理教育生态共同体建设——像养生一样养好企业，像经营企业一样经营好个人的健康。自2005年以来，持续专注于中国医疗机构和药械行业的经营管理培训。同修管理智慧，共创永续经营！

01

自2017年，阿尔法狗与李世石一战成名后，此后有关人工智能下一个转战领域是什么的讨论就层出不穷，其中人工智能对医药以及生命科学的变革被认为是最有前景的方向之一。

然而，谁也没想到仅仅过去4年时间，人工智能在医药领域的应用就蓬勃发展起来，而且它已不再满足于发现新的蛋白质结构、新的候选化合物，人工智能甚至被用来发现一个全新的分子靶点，再通过它设计的全新化合物作用这个靶点，从而研发出治疗人类疾病的救命药。

这种全新范式的新药研发，显然已经脱离了此前传统的基于知识和经验总结的新药研发模式，未来会逐渐成为一种趋势吗？

2021年11月30日，人工智能药物研发头部企业之一的英矽智能（Insilico Medicine）宣布，在ISM001-055的首次微剂量人体试验中，已完成第一例健康志愿者的临床给药。ISM001-055是由英矽智能端到端人工智能药物研发平台Pharma.AI所发现的候选药物，这是一种具有全球首创新药潜力、针对全新靶点的全新小分子抑制剂，正在被开发用于治疗特发性肺纤维化（IPF），一种导致肺功能进行性、不可逆转下降的慢性肺部疾病。

据相关资料介绍，在多项临床前研究包括体内外生物学、药代动力学和动物安全性研究中，ISM001-055均表现出巨大的开发潜力。该化合物显著改善了肌成纤维细胞的形成，而控制肌成纤维细胞的形成有助于减缓纤维化的发展。同时，ISM001-055的全新靶点还与泛纤维化领域的其他适应症具有潜在相关性。

事实上，这并不是人类第一次将人工智能研发的药物推进到临床试验阶段。 同属人工智能药物研发领域第一梯队的Exscientia公司，在2020年初就报告了第一个进入临床试验的AI设计的候选药物，之后公司的其他管线也紧随其后，迅速向临床的里程碑迈进。但从已公开数据中，AI设计的候选药物的结构创新能力并没有让大家太过激动。

02

根据英国AI制药公司Exscientia的数据，AI将项目立项推进到临床前候选化合物（PCC）的时间，从平均4年半缩短至约13.7个月，时间上缩短了近75%。

英国深层思维（DeepMind）公司日前宣布，其开发的人工智能程序“阿尔法折叠”已预测出约100万个物种的超过2亿种蛋白质的结构，涵盖科学界已编录的几乎每一种蛋白质。解密“蛋白质宇宙”将帮助科学家更快发现可能成为药物靶点的蛋白质，加速新药研发。

从初期计算机辅助药物设计（CADD），发展到如今的人工智能药物研发（AIDD），人工智能（AI）目前几乎参与了从药物靶点发现到临床试验的全流程。在新冠肺炎疫情期间，AI更加速了新冠治疗药物和疫苗问世。目前，传统跨国药企、大型科技公司、生物科技初创企业加速在AI制药领域布局，行业竞争日益激烈。专家认为，完全由AI设计的药物有望在数年内问世。

疫情让人们意识到制药业需要快速创新，AI技术被广泛用于新冠小分子药物、抗体药和疫苗研发，缩短了它们问世的时间。

2022年5月，总部位于中国香港的AI创新药公司英矽智能，宣布利用其AI药物研发平台发现了一款用于治疗新冠的临床前候选药物。该药物是一款靶向新冠病毒主蛋白酶（3CL）的口服抑制剂，在临床前研究中显示了广谱抗病毒活性，低剂量起效，合成路线简单。

此外，首个获美国食品药品监督管理局（FDA）批准的新冠口服药——辉瑞公司的Paxlovid，也是在MareNostrum 4超级计算机的AI算法帮助下研发的。加拿大人工智能抗体研发公司阿布斯莱拉（AbCellera）则利用AI抗体发现平台与美国礼来公司合作研发了治疗新冠的抗体bamlanivimab，并于2020年11月获FDA紧急使用授权，到现在已帮助了超过100万新冠患者。

除了研发新药，AI还加快了“老药新用”的进程。2020年2月，英国AI制药公司BenevolentAI就通过其研发的AI平台检索海量科学文献，发现礼来公司的一款风湿药巴瑞替尼或可用于治疗新冠，相关结论随后发表在英国医学期刊《柳叶刀》上。2020年11月，巴瑞替尼与瑞德西韦联合疗法获FDA紧急使用授权，用于治疗新冠住院患者。

“在疫情初期无药可医的困境下，AI对现有药物的再利用缓解了危机，也为新冠疫苗和药物的研发起到了缓冲作用。”英矽智能联合首席执行官任峰博士对《环球》杂志记者说。

打破“反摩尔定律”

目前，AI算法已可赋能药物研发的不同阶段：靶点发现、老药新用、化合物筛选、分子设计及优化、晶型预测、剂型设计、临床前试验结果预测、辅助临床试验设计、患者招募分组，等等。

近年来，受到药物获批上市难度越来越大、制药成本高涨、同质化竞争等因素影响，传统制药方式深陷“反摩尔定律”——即尽管制药公司几十年来不断增加投资，但投资10亿美元得到的上市新药数目每9年就减少一半。任峰说，AI可加速药物研发中的关键步骤，如靶点发现、化合物设计与生成、临床试验设计与结果预测等，从而缩短研发周期，降低研发成本，提高成功率。

传统药物研发周期长（10到15年）、投入高（10亿到20亿美元）、成功率低（低于10%），往往需要先对数万个小分子进行测试筛选，最后只有少数几个能推进到临床研究，AI则大大加快了这一进程。根据英国AI制药公司Exscientia的数据，AI将项目立项推进到临床前候选化合物（PCC）的时间，从平均4年半缩短至约13.7个月，时间上缩短了近75%。

“传统新药研发是靠人的知识和经验，到达一个巅峰后就很难再突破。而从长远来讲，随着数据量增加，AI技术一直在进步，甚至是无上限的进步。AI能够很快分析大量数据，找出规律，也没有任何的偏见，避免了传统新药研发因项目负责人主导产生的人为干扰，因此为创新药物研发提供人类经验之外的更多可能性。”任峰说。

AI制药是一个高度封闭和保密的行业与一个开放性最强行业的碰撞，二者的结合面临数据、算力、政策等诸多挑战与风险，需长期磨合。

西湖大学生命科学学院博士生导师、西湖欧米（杭州）生物科技有限公司创始人郭天南说，制药是保守领域，目前制药公司巨头改变框架较难，传统药企要创新成本很高，而新创建的公司更容易崭露头角，行业面临重新洗牌。

“AI和制药的结合是生物实验学科和计算机学科知识体系与方法论重新整合的过程，二者气质截然相反。”潘麓蓉说，国际大型药企已发展数百载，知识经验和数据积淀丰厚却壁垒森严。时至今日，制药行业仍以专家经验为基础，对拥抱数字化天然有抵触。AI领域却强调“开放”，训练数据的广度和质量很重要。

在潘麓蓉看来，创新药研发的最大风险和挑战是人类对于疾病的理解依然浅显。过去20年中，即便人类在各细分疾病领域的生物学、病理学上的认知逐渐进步，有了分子生物学和人类基因组学的助力，但未知领域依然很多。

而AI的最大挑战是数据和算力。“未来AI制药竞争会从算法竞争过渡到数据竞争。”任峰说，首要挑战是数据量，只有海量干净数据的持续输入，才能充分训练AI模型，提升其准确性；其次是数据标准化问题，目前大量数据来自科研基金、出版物等的公开数据，数据清洗整合比AI建模更费时费力。

“从全球范围看，缺乏复合型人才是该行业的另一大痛点，此类人才短缺国内尤为严重。“既懂传统药物研发，又相信AI或愿意用AI技术做创新药研发的人还是少数。 AI制药需更多身怀传统经验，又能以开放视野接受AI技术的人加入。”任峰说。

潘麓蓉认为，除了具有生物、化学、医学和AI技术等复合专业背景的人才太少，专家团队也面临不同领域之间人才的沟通磨合问题。此外，顶层设计的AI人才也匮乏，“这类人才不仅要有算法工程背景，还需具备AI系统工程和生物化学等交叉学科训练，才能实现顶层架构，把技术落地。”

03

人工智能可以帮助科学家更快地开发出更好的药物，从而改善数百万人的生活。但要做到这一点，公司将需要改变他们的工作方式。

人体非常复杂。即使只是一种新药来成功治疗一种疾病，也需要很多年的时间。人工智能可以帮助加快这一过程吗？

人工智能如何彻底改变药物发现？

Lydia The：人工智能和药物发现让我兴奋的是技术、药物开发和生物学之间的融合，这将导致更快地开发出更好的药物——利用硅谷和技术生态系统开发的所有能力——帮助我们对患者产生更大的影响。

Christoph Sandler：今天，发现和开发一种药物需要十年以上的时间。

Alex Devereson：从被发现到能够治疗患者，我们可能只用十分之一的时间就可以拥有药物。今天，许多疾病根本没有任何治疗方法。我认为，我希望，我们将看到一个世界，在这个世界中，我们可以开发出可以非常有效地治疗这些患者的疗法。从根本上说，我们将拥有改变生活、改变游戏规则的药物——以前所未有的规模和速度——在正确的时间到达正确的患者手中。

个性化医疗的承诺

Christoph Sandler：在不远的将来，我们可能会收集不同输入的健康数据 ：来自可穿戴设备、来自我们的电子病历，或者来自临床或学术研究。我们将有机会在自愿的基础上将这些数据上传到一个中央、安全、可信的数据存储系统中。

Lydia The：你可以想象使用这些数据不仅可以弄清楚哪种药物可能对你有效，还可以准确地找出哪种药物在什么时间、以什么顺序、以什么剂量对你有效——真正为你量身定制。

人工智能会取代科学家吗？

Lydia The：我们发现技术不会取代人。相反，它将使科学家能够更快更好地做事，并有可能发展出人类根本无法发展的洞察力。

Alex Devereson：科学家们将能够通过机器学习 发现他们自己永远无法想到的事物，产生全新的想法，并以一个人可以完成以前需要 100 人才能完成的速度前进。

Lydia The：虽然在前几代人中，科学家会花费大量时间（甚至可能是大部分时间）进行手动操作，例如从一个托盘移液到另一个托盘或手动管理和清理数据，但我认为 AI 会帮助 我们以更加自动化和快速的方式完成所有这些事情，并提出假设，然后可以引导科学家思考，“下一个实验是什么？这些数据意味着什么？”

企业今天应该做什么？

Alex Devereson：我认为很多公司面临的挑战是他们想要探索新的想法，但是，有充分的理由，他们不愿意承诺，直到他们看到一些结果和一些有形的影响。所以他们探索了很多飞行员。

Lydia The：我们对此有一个术语。我们称之为“试点炼狱”：公司专注于一个试点，他们看到了单个试点的回报，但他们没有在整个组织中建立这种方法和运作方式。

Alex Devereson：真正了解您最大的科学和运营痛点 是什么。对于实验室科学家，对于参与临床试验的患者，对于可能获得药物的患者：当今最大的未解决问题是什么？

快速交付价值

Alex Devereson：不要建立一个五年后才交付的项目。了解如何在三个月内实现价值——以及在分析、数据和技术方面需要什么——不懈地关注患者和科学过程的价值。

今天的医疗与医药行业正在发生巨大的变革，

你该如何应对？

快来充电吧！

加油啦

蕴 睿智而傲气云霄

览广 博而御风游徙

本平台由睿博商学院与药向前行（北京）商业咨询有限公司主办，未经授权，任何个人及公众号不得复制、转载、篡改本平台所推送的任何原创文章，违者必究。“睿博商学院”、“药向前行”为睿博商学院持有的注册商标，严禁擅自使用，违者必究。非原创文章，未能及时标注原作者的，请及时联络后台标注或删除。

药向前行 | 睿博商学院

中国医药界的管理学院

医药代表大学

医药销售经理学堂

中国药械商EMBA

药企订制化内训返回搜狐，查看更多

责任编辑：