聚焦数字健康｜人工智能浪潮下，“AI制药”是风口还是泡沫？
百度CEO李彦宏曾说：“互联网的下半场是人工智能”。随着数字技术的蓬勃发展，数字经济已成为全球经济发展的重要推动力，一众跨国药企也在加速布局“AI+制药”赛道，行业高速发展中也催生了不少独角兽企业。
近日，港交所官网显示，晶泰科技递交港交所上市申请，中信证券为独家保荐人。根据招股书，公司药物发现解决方案及智能自动化解决方案业务产生的收入实现大幅增长，晶泰科技的收入从2020年的3563.6万元增长至2021年的6279.9万元，并进一步增长至2022年1.33亿元，CAGR（复合增长率）为93.4%。此外，截至2023年上半年，晶泰科技的收入为8000万元，较去年同期的4290万元同比增长86.3%。服务客户包括辉瑞、强生、正大天晴等。
这也是由于目前，在药物研发费用低速上升的同时，新药研发成功率却在不断降低。据全球生物技术行业组织BIO、Informa Pharma Intelligence以及QLS联合发布的报告，过去十年(2011年-2020年)，9704个药物临床开发项目中从1期临床到获得美国FDA批准上市的成功率平均为7.9%，所需要的时间平均为10.5年。另据发表在《美国医学会杂志》上的一项报告统计显示，在2009年至2018年期间，开发一种新药的中位资本化成本为9.853亿美元，而平均总资本化成本高达13.59亿美元。
近年来，中国医药创新实力快速增强，企业研发投入也在持续提高。据统计，2021年中国规模药企的研发投入达到233亿美元，并且预计将于2026年达到405亿美元，年复合增长率为11.7%。
如何降低研发成本提高研发效率？对此，有业内观点认为，基于AI、物理建模、高性能计算的相关技术有望成为征服这座险峰的关键所在。
基于此，眼下不少跨国药企也在加速布局“AI+制药”赛道。例如，日前，勃林格殷格翰和IBM宣布达成一项合作协议，勃林格殷格翰将能够利用IBM的基础模型技术来发现新型候选抗体，用于开发有效的治疗方法。根据协议，勃林格殷格翰将使用IBM开发的预训练人工智能模型，该模型将根据勃林格殷格翰的其他专有数据进行进一步微调以生成目标候选抗体。勃林格殷格翰生物治疗药物研发全球主管Andrew Nixon表示，“双方合作将开发出一个前所未有的加速抗体发现的平台，加速公司创造新抗体疗法的步伐。”
对此，有券商医药行业分析师对21世纪经济报道指出，新药研发难度正逐年提升，主要表现在新药研发周期有的长达十年，研发费用高达26亿美元，每年最多诞生30-50种新药，原创新药仅15个左右。而面对患者未被满足的临床需求，行业需要召唤新技术、新理论、新策略，如此也驱动了技术的创新。这也说明，只有将前沿技术与经典药物研发手段相结合，缩短研发周期，降低研发成本，提高药物研发成功率，才能助力中国原始创新。
“AI+制药”布局成趋势
近年来，随着疾病复杂程度提升，临床试验的设计越来越复杂，传统医药公司的研发投入不断增长。
根据灼识咨询发布的数据，新药的诞生会受到多方面因素的影响，但研发资金的不断投入是其最根本的保障。从2016年至2021年，全球医药研发费从1,600亿美元上涨至2,120亿美元，年复合增长率为5.8%。在全球经济增长缓慢的大背景下，医药市场整体监管趋严，全球医药行业研发投入将继续保持低速增长。到2026年，预计全球医药公司药品研发投入将会达到2,540亿美元，年复合增长率较2016至2021年将会再下降2.1%。
然而，在研发费用低速上升的同时，新药研发成功率却在不断降低。据统计，进入药物开发管道的5,000至10,000个先导化合物中，平均只有一个能最终上市。因此，中国药企的研发投入占比近年来持续提高。另外，2021年中国规模药企的研发投入达到233亿美元，并且预计将于2026年达到405亿美元，年复合增长率为11.7%。保持较高研发投入所产生的重磅药及新药的技术优势所带来的可持续良性盈利能力愈加成为中国药企巨头重点关注的投入方向。
而伴随着药物研发数据的高速累积和数字化转型，以及人工智能技术(AI)的加速发展，AI在新药发现的应用日益增多，优势也得到突出体现。数据、算法、算力三方面的发展，使得AI大规模进入药品研发 领域成为现实。目前，AI在新药研发及商业化不同阶段的应用场景。
一是，应用于药物发现阶段。AI可以用于靶点发现，检索分析文献等，找出通路、蛋白和机制等与疾病的相关性，提出新的可测试假说．以发现新机制新靶点；用于化合物研究和筛选，学习已知化学知识及资料，建立高效的模型、快速过滤“低质量”化合物、富集潜在有效分子；用于化合物合成，学习已知化学反应后预测在单一步骤中可以使用的化学反应，解析所需分子，得到可用试剂。
二是，应用于临床前研究阶段。AI可以帮助新适应症发现，将已上市或处于研发管线的药物与疾病进行匹配，发现新靶点，扩大药物的适应症；用于晶型预测，晶型变化会改变固体化合物的物理及化学性质改变。可实现高效动态配置药物晶型。
三是，应用于临床试验阶段。在临床试验设计层面，可以检索过去临床试验中的成功和失败经验，使临床试验方案避免重复常见的遗漏、提高安全性等。在患者招募层面，可以用于提取患者数据．为临床试验匹配相应患者。
四是，应用于药品销售阶段。在学术推广方面，为药械企业、医生、患者提供全流程的智能医学创新服务。
上述券商分析师介绍，例如在药物研发过程的首要步骤是选择药物作用的靶点蛋白。在癌症中突变率较高、患者数量较多的ALK、EGFR等靶点都是非常有市场的靶点。传统靶点发现通过人工阅读科研文献，收集分析流行病学数据，结合个人经验去推测潜在的药物靶点，通常耗时2-3年，而AI利用自然语言处理技术（NLP），可以高效率挖掘文献、组学数据、功能实验数据等海量医学资料，在短时间内发现药物和疾病之间的作用关系，从而得到药物在机体细胞上产生效用的候选靶点，这大幅缩短了靶点发现的时间，加快了药物研发的进程。
“在过去的40年间，AI在药物领域的探索应用不断加快，人工智能的愈发成熟是医药领域发展的关键点。随着全新的作用靶点和机制越来越少，制药企业需要投入更多的人力及动力去打造Fist-In-Class产品，如何才能提高研发效率，如何用已有的技术手段赋能药物研发，AI的作用已是越来越大。”该分析师说。
如何实现“AI+药企”合作模式落地？
眼下，强烈的新药研发降本需求，技术的不断创新，研发数据的持续累积和计算能力的日渐提升将推动人工智能药物研发市场快速发展。传统制药公司与AI新药研发公司频频达成高额合作，赛诺菲、安进、默沙东、阿斯利康、辉瑞等一众头部药企均有所布局。
根据21世纪经济报道记者梳理，近年来，头部药企积极参与AI药物研发合作，其中强生、辉瑞、阿斯利康、诺华、拜耳等头部药企合作较为频繁，国际厂商安进、诺和诺德、三菱制药等亦有布局。国内头部玩家药明康德、正大丰海、豪森药业、云南白药也参与到AI研发合作中。目前头部药企AI药物研发聚焦的疾病领域主要是癌症和精神类疾病，占比超过50%；其次是心脑血管、肝肾肠胃和呼吸系统，占比大约30%；其余合作涉及的领域包括糖尿病、眼病、白血病、感染类疾病、免疫类疾病、药物副作用领域。
这也催生了相关产业空间进一步扩容。根据弗若斯特沙利文数据显示，药物发现阶段的全球药物研发外包服务市场规模预计将由2023年的123亿美元增长至2030年的325亿美元，复合增长率为14.9%，而中国的药物研发外包服务市场规模预计将由2023年的34亿美元增长至2030年的119亿美元，复合增长率为19.6%。
“AI辅助药物研发”的热潮，不仅诞生了众多新兴企业，还促进了传统制药大企在AI领域的探索；此外，IT巨头也尝试利用自身的互联网基础与平台优势进行技术布局，扩张业务版图，进入“AI辅助药物研发”的赛道。
例如，科技行业巨头英伟达已被业内人士认为是人工智能的“卖铲人”，堪称全球AI制药公司的最大金主。这也是由于，今年以来，英伟达已经疯狂“扫货”9家AI制药公司，不仅如此，2023年第三季度，英伟达更是收入创下181.2亿美元的纪录，较第二季度增长34%，较去年同期增长206%。而根据行业机构统计，截至今年8月，英伟达就已经对外投资多达21笔，远超往年一整年2-10笔的融资数量，同时很大一部分资金投向了生物医学。
针对这一现象，有药企高管也对21世纪经济报道指出，AI应用的范围扩展至医药行业也是基于科技高速发展的趋势，是不可阻挡的社会发展趋势。而医疗健康领域需求永远存在，所以这两个领域的结合理所当然，且未来的前景还是非常巨大。不过，需要注意的是，AI与医药行业相结合也存在诸多难点。
它的难点在哪？“一方面，线上和线下的体系不能完全独立，需要结合；另一方面，两者融合需要政府政策的配套支持；此外，AI和医疗健康的结合还是要以医疗价值为导向，需要考虑如何真正能够对医疗结果产生影响，目前这仍处于探索的过程。”上述药企高管指出，尤其在医疗能力上，AI的运用仍处于起步阶段，有很长的路要走，包括人才、组织上都还需要进一步发展提升。
“AI与医疗的结合是需要全社会共同来努力的，不是一个企业就能实现，需要生态圈上下游的伙伴一起合作，仅靠一家企业做不了也做不成。”该药企高管补充道，中国新药市场受到政策及资本的影响，可能会面临不确定性，这方面就需要企业考虑如何加快研究效率真正进入全球竞争格局中，不断试错，降低整体的研发成本，以此提升竞争力。所以，未来几年人工智能这一新技术将面临较好的发展机遇，真正的走向AI助力药物研发发展的新阶段。
为了推动世界真正的走向AI助力药物研发的新阶段，新科技革命正在不断涌现，旨在悄然征服包括新药研发在内的多座险峰，促进AI与生命科学、药物研发等领域的深度融合。虽然这条路不好走，但前景是光明的。
