“AI+新药研发”风口仍需5-10年？持久战已打响_医药

2019

01/31

13:27

贝壳社

作者：天一

医药

“AI药物研发”已不算新鲜概念。早在1981年，杂志《Discovery》中就曾描述，“计算机有望提高药用分子筛选效率，化学家再也不用整周、整月呆在实验室，测试那些计算机认为难以成功的分子”。

近年来，继AI医学影像市场格局基本成型后，我国AI药物研发企业也开始进入从无到有阶段。尤其在2018年，随着更多玩家的进入，资本也随之而来。

而从全球来看，探索“AI+新药研发”的企业已近100家。2018年，《科学美国人》与世界经济论坛发布十大新兴技术，人工智能辅助化学分子设计——机器学习算法加速新药研发便是其中一项。

有研究预测，“AI+新药研发”或将是未来新的风口。

新药研发中，AI已不逊色人类

寄予厚望于AI的背后，最常见的一个说法是，新药研发逃不过“双十宿命”：耗时10年，花费10亿美金。

根据《Nature》数据，新药研发的平均成本更是高达26亿美元，而这期间，高达90%的项目将以失败告终。

也就是说，“费用高、周期长、成功率低”，是新药研发难以跨越的三道门槛。

新药研发涉及药物发现、临床前研究、临床研究、审批上市 4 个阶段。常规模式下，针对潜在药靶，研究人员通常采用高通量筛选的方式，进行数百万计的化合物筛选。美国药物研究和制造商协会 PhRMA 统计显示，在药物研发阶段，进行筛选的化合物多达5000-10000 种，但仅有250种能进入临床前研究，进入临床研究阶段的仅5种。

此外，过程中研究人员需面临查阅大量文献、翻译、编写报告、录入数据等工作，复杂而繁琐，耗费大量的时间和精力。麦肯锡Chilukuri曾表示，基于药物研发长达10年的周期，收益将在未来10到15年才出现。

但近年来，新药研发公认的高回报，也并不理想。数据显示，2017年全球TOP12制药巨头在研发上的投资回报率仅为3.2%，处于8年来最低水平。此外，全球新药管线中的后期阶段项目也越来越少。

因此，突破人类大脑对生物学理解的局限性，引入AI技术，从大量数据中更有效挖掘和筛选化合物，并准确预测理化性质、成药性质和毒性风险等，无疑有望提高新药研发的速度和效率。

有分析认为，中期阶段，AI对制药行业的价值增长可能相当于销售额增长5%到10%。

2018年4月，《Nature》一则报道显示，上海大学教授马克?沃勒团队使用类似Alphago算法的三种搜索的方法，实现了逆合成分析和路径预测。结果显示，此方法在双盲测试中表现优异，预测结果并不逊色于人类专家。

“AI+新药研发”的落地探索

针对新药研发不同环节，AI技术可用于靶点发现、新药合成路线设计、药物有效性及安全性预测、晶型预测、药物分子设计等场景。

从全球来看，Atomwise提供候选药物预测服务，曾仅用时一周模拟出有前景用于埃博拉病毒治疗的两种化合物；BenevolentAI将AI应用于医学研究的数据库来快速筛选和组织数据，并已经获得一定数量的临床阶段的新药物。

BenevolentBio曾借助JACS技术，标记出100个可用于治疗肌萎缩性侧索硬化症(ALS)的潜在化合物，并成功筛选出5个化合物；BergHealth则筛选多达25万个疾病组织样本来寻找早期癌症的新生物学指标和生物标记等等。

在国内，晶泰科技是“AI+新药研发”的早期拓荒者。其主要将AI技术应用于药物发现过程中早期药物筛选、药物设计，以及药物重定位和药物重定向，以提高药物研发的效率，降低风险。

到2018年，深度智耀、零氪科技、智药科技、云势软件等也陆续出现在视野，并不时传来融资消息。

总体来看，目前全球AI药物研发还未出现成功案例，但国外相关企业已有利用AI研发的新药进入临床二期。国内，“AI+新药研发”完成从0到1阶段后，也开启2.0时代。

另一方面，“AI+新药研发”的探索，也意味着IT企业和医药公司间的合作。

“研发外包”便是合作模式的一种。该模式下，AI公司根据制药公司提供的数据和靶点信息建立模型，筛选候选药物。对制药公司来说，该运作模式相对轻量化，但由于医疗数据极为敏感，所以往往伴随着以确保数据安全的诸多条件。

与此对应，近年来，也涌现了许多大型药企和AI智能化企业间的牵手合作。

2015年，制药巨头默沙东和AI公司Atomwise达成合作，合作内容主要涉及药物的有效性和安全性预测；2016年，强生牵手BenevolentAI，对尚处于试验阶段的小分子化合物进行药物挖掘；2017年，赛诺菲与Exscientia签订潜在价值2.5亿欧元的许可交易，旨在开发针对代谢疾病的双特异性小分子药物；2018年，药明康德和Insilico Medicine一起针对具有挑战性的生物靶点，进行临床前药物候选分子开发等等。

“AI+新药研发”将是一场持久战

在制药企业积极探索AI的同时，必须面对的还有诸多挑战。毕竟AI只是新药研发的辅助技术手段之一，并非意味着唯一和万能。

根据BenchSci的一项调查，330位药物研发科学家中，41%的人并不了解AI技术，也就无法利用AI来进行新药的筛选。也就是说，建立相应AI人才培养体系将成为重要基础。

另一方面，药明明码AI项目总负责人Thomas Chittenden曾分析，对于人工智能识别系统来说，新药研发以及其临床试验的有效性评估仍是极其复杂的识别模式。

此外，优质药靶匮乏、动物模型临床转化差等现状也是影响AI技术应用效益最大化的重要因素。

人工智能专家Bruce Booth博士就曾分享了一个有趣地现象：计算机设计新药虽已存在数十年，但医药行业的研发产出率非但没有上升，反而还逐年下降；药物发现时间没有缩短，成本也降得更低。