AI加持下,国内药物研发行业未来能否登顶全球第一?

2021
02/20

+
分享
评论
葛德江 / 蓝冠
A-
A+

即使是使用了前沿的AI技术,也并不能立刻扭转新药研发面临的挑战。

10年、26亿、10%。

这三个数字解释了新药研发是如何困难的一件事:一款新药上市,平均要历经10年周期,耗费26亿美元,成功率仅有不到10%。对药企来说,改变其中任何一个数字,降低药物研发的成本,所带来的效益都是巨大的。

上世纪80年代初,美国《财富》杂志曾对默克公司使用计算机技术设计药物进行了封面报道,并称这项技术为“下一次工业革命”。如今,这项技术逐渐迭代发展,交棒给了“AI+药物研发”。

此前,蓝冠曾推出了3篇系列文章,对国内外AI药物研发行业进行了盘点。在本文中,蓝冠通过查阅报告及采访业内人士,试图对AI药物研发行业的现状、问题和趋势进行梳理。

现状:人才储备充足,需求旺盛

据不完全统计,全球从事药物研发工作的AI公司已超过130家。据速石科技《2021全球44家顶尖药企AI辅助药研行动白皮书》显示,自2012年开始,全球AI药物研发行业迎来增长期。

该白皮书对全球44家顶尖药企、55家AI初创公司、12家IT云服务商及7所高校在AI药物研发领域的动作进行了统计发现,全球药企中,诺华、阿斯利康、杨森、辉瑞、默克、拜耳等在AI药研上行动积极,而国内药企中,药明康德在AI药研上最为积极。其中,超出三分之二的AI合作集中在药物发现阶段,约四分之一的AI合作集中在临床治疗阶段;AI药物研发主要聚焦的疾病领域为癌症、精神类、心血管、肝肾肠胃、呼吸系统等。

图片来源:速石科技

据蓝冠统计,国内目前从事AI药物研发的企业近20家,超半数企业成立时间主要集中在2015-2018年,融资轮次集中在A、B轮。同时,受疫情等多方因素影响,2020年,国内获得融资的AI药物研发公司有8家,包括望石智慧、晶泰科技、星药科技、冰洲石科技等。

与国外相比,国内AI药物研发行业虽然起步稍晚,在企业数量及市场成熟度上,与国外尚有不小差距;但另一方面,互联网行业培养了大批工程师,加上AI企业如雨后春笋般出现,为行业储备了大量技术人才,AI药物研发行业有了快速发展的基础。

在2020年首届红杉中国医疗蓝冠健康峰会上,药明康德执行副总裁杨青认为,与全球其他地区相比,中国医药创新环境有“速度快、规模大和复杂多样”三个独特条件。他表示,美国医疗蓝冠健康行业的发展是波浪式,从传统药厂到生物技术再到AI、大数据赋能的生物科技,总体上是一个阶梯性的发展路径。而中国不同,所有的改革和创新都是在各个层面和领域同步进行,这给行业管理者,投资者和创业者的决策都带来了更多的复杂性和多样性。

“AI药物研发正处于高速发展的成长期。”晶泰科技CEO马健告诉蓝冠,虽在药物研发领域,尤其是在靶点发现等基础研究和临床研究上,中国的研发能力与海外尚存在一定差距。但在AI技术层面,中外起步时间差不多,而且受计算机技术的快速发展和工程师红利的影响,海内外AI制药企业没有显著的技术差异,更多是各有所长。

“实际上,全世界目前有超过60%的疾病是没有有效药物的。例如,有些药可治疗晚期癌症,但实际上只对30%的患者有效,尽管对比过去已经有了巨大的进步,但剩下70%的患者怎么办,这是我们要考虑的问题。因此,药物研发市场的需求是旺盛的,而且中国药物研发市场一直处于上升态势。”星药科技创始人李成涛近期也分享了对国内药物研发行业的看法。

问题:数据获取的周期和成本高

即使是使用了前沿的AI技术,也并不能立刻扭转新药研发面临的挑战。

与此同时,多数AI企业仍聚焦于靶点发现、化合物筛选等药物研发的早期阶段,目前国内外还暂无利用AI技术实现新药上市的成功案例,使得国内外也出现一些质疑AI+药物研发的声音。马健认为,这是一项新技术在发展过程中,所遭遇的正常现象,有人会解读为“泡沫”或“未达预期”,事实上有很多非常实质性的进展还没有被正式披露。

原因在于,一是传统医药行业对于AI算法概念比较陌生,医药产业和AI创业公司在理解上有偏差,双方讲的可能是两套“语言”;二是行业内可能存在一些技术夸大成分,不管是AI公司主观夸大与否,在传播的过程中,都容易导致人们对AI技术产生过分期待。

此外,AI药物研发行业迫切需要解决两大问题:一是问题的描述,二是数据的获取及应用。这两点也是AI在其他领域落地时常常面临的共性问题。

AI药物研发是一件需要跨行业、跨学科协作的事情,若想将AI技术落地到生物医药领域,不能各说各话,AI企业首先应积极与医药领域的公司和专家进行更多的交流合作,深入了解行业痛点,将问题定义清楚明确后,再用AI去针对性解决。

医药行业正面临数字化转型的大趋势,但还有很多环节还未实现数字化,缺少足够的数据,导致AI能够发挥的空间有限,因此有赖于医药行业推进数字化基建过程。马健认为,AI企业应具备以下能力:在数据最丰富的地方快速推进AI技术应用落地,在数据最为薄弱的地方,能构建创造数据的能力。

但在生物医药领域获取数据,并不是一件简单的事情。在医学影像、辅助诊断领域,医疗机构及AI企业通过各种医学影像设备获取大量的影像数据,影像数据的生产、分析和利用非常高效成熟,这或许解释了医学影像为何是国内AI医疗商业化落地率最高的领域。

图片来源:图虫创意

据了解,药物发现如大海捞针,研究机构通常要去查阅海量的生物医学文献,在百万级以上的数据库中筛选易于预测、合成的化合物,或与已知药物作用类似的新分子。而小分子中约有10的60次方种化合物具有类药属性。

本文为蓝冠原创,任何机构或个人未经授权均不得转载和使用,违者将追究法律责任!
关键词:
AI技术,生物医药,创新药,数据

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

相关文章

推荐课程


社群

  • 医院运营群
  • 智慧医疗群
  • 行业大咖群
  • 大蓝冠健康产业群
  • 直播课程群

精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏作者

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×
打赏

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!