自从2012年首 家AI制药公司成立，至今已经第十个年头，但是依然没有一款药物成功获批上市，甚至进入临床试验的药物都是凤毛麟角。过去一年，AI制药在国内的一级市场融资表现不俗，国内发生融资事件34起，总金额超过80亿元。但是国外二级市表现堪忧，部分AI制药上市企业股价跌幅超过80%。

新药研发原本就是个风险极高、投入周期超长的工作，这种风险基因在AI制药领域会被继承甚至被放大？还是会压缩减少呢？对于前赴后继的投资者和创业者而言，AI制药提高新药研发成功概率的可能性，值得他们义无反顾地投入吗？

尽管质疑者不在少数，但不可否认的是国内的AI制药领域正在经历爆发式增长。百度、阿里、腾讯、华为等科技大厂、数十家AI制药企业、北大清华等几十所高等院校，以及上市制药企业、医疗机构等，它们或者通过相互合作、或者独自投入AI药物研发，包括一些高校教授走出象牙塔成立AI制药公司。那么纵观全 球，AI+为生物创新药带来了哪些改变呢？

AI掀起蛋白质预测革命

说起AI，谷歌算是率先将这一技术带入世人眼前的先驱。谷歌新成立公司Isomorphic Laboratories的创始人兼CEO德米斯·哈萨比斯（Demis Hassabis）， 正是谷歌AI公司DeepMind的掌舵人，AI系统AlphaFold的发明者。

2020年，在有着“蛋白质结构预测奥运会”之称的CASP14上，AlphaFold二代版本AlphaFold2以原子水平的高精 准度惊艳全场。这意味着这个人工研发的AI系统，已经达到了人类利用冷冻电子显微镜等复杂仪器观察预测的水平，破解了出现困扰医学专家五十年之久的蛋白质分子折叠问题。不少专家认为，这是人工智能对科学领域较大的一次贡献。

了解蛋白质的折叠结构可以帮助药品研发人员开发药物靶点，加快药物研发速度。目前已知氨基酸顺序的蛋白质分子有1.8亿个，但其三维结构信息被彻底看清的还不到0.1%，已经成为生物学界较棘手的问题之一，困扰科学家50年之久。

DeepMind公司在Nature期刊上宣布已将人类98.5%的蛋白质预测了一遍，并于2021年底将预测数量增加到1.3亿个，达到人类已知蛋白质总数的一半，并且公开了AlphaFold2的源代码，免费开源有关数据集，供全世界科研人员使用。

与此同时，欧美十余家AI制药企业IPO成功，包括但不限于Recursion Pharmaceuticals、Relay Therapeutics、Erasca、Insilico Medicine、AbCellera、Exscientia等。

据统计，截至2022年6月20日，全 球共有26家企业的约51个由AI辅助进入临床Ⅰ期的药物管线。其中，美国企业占多数，中国企业有英矽智能、未知君、冰洲石生物3家上榜。目前，部分中国企业已发展出自有专利的开发平台，甚至开始探索在全 球尚未有企业涉足的前沿领域，如小分子晶体结构预测、原发药物设计等。

目前AI制药的药物类型以小分子居多（35个），主要原因是该领域已经经过了几十年的探索，较早可以追溯到20世纪70代，目前已经形成了一些优质小分子数据库。除此之外，不少AI公司正在向其他赛道发展，包括微生物、抗体蛋白类、核酸药物、基因疗法等。

其中部分进入临床Ⅲ期的海外AI制药公司也开始与中国药企合作，提早布局亚 洲市场。如主攻免疫疾病的Landos Biopharma，去年5月与联拓生物达成合作，双方携手在大中华区（中国大陆以及港澳台地区）和亚 洲特定市场，对新药Omilancor（BT-11）和NX-13进行开发和商业化。

AI加速研发进程

到目前为止，51条管线中极少数推进至临床Ⅲ期，大多数仍处于临床Ⅰ期、Ⅱ期阶段。其中，不乏一家企业的多条管线同时进入临床Ⅰ期，或一种药物管线适用于多种疾病，并在多国进行临床试验的情况。未来结果究竟如何，还有待时间验证。

但总体而言，相较于传统药物研发动辄花费10亿美元、10年时间的高昂成本（“双十”定律），AI辅助的药物管线研发时长大大缩短，约在1-3年之间。2021年，英矽智能宣布发现全新靶点ISM001-055，仅用时18个月、投入260万美元，仅为传统研究成本的10%，刷新了新药研发的速度和较低成本纪录。如果这些AI药物在临床上获得成功，对整个制药界将带来翻天覆地的变化。

AI助攻多种疾病领域

从几大常见适应症来看，作为患者较多、较难攻克的疾病之一，癌症管线数量占据首 位。其次是神经系统疾病、肠道疾病等；个别企业布局了遗传疾病及罕见病等小众赛道。

另外，受2020年疫情影响，众多主攻自身免疫疾病、疫苗研发的公司也抓住时机，大力开展COVID-19疫苗研发。此类AI药物管线的研发时长不到1年，临床进展也较靠前。

其中较为知名的有AbCellera与礼来联合研发的LY-CoV555，AI Therapeutics与耶鲁大学合作开发LAM-002管线等。LY-CoV555是全 球首 个进入临床阶段的新冠病毒中和抗体，并于2020年11月获美国FDA的紧急使用授权（EUA）。值得一提的是，该抗体是在2020年10月向FDA提交EUA申请，从提交到获得授权不过一个月。

“新旧融合”的困境与挑战

近年来，由于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。专家表示，AI可帮助突破“反摩尔定律”，加速药物研发的关键步骤，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。

当下，众多跨国大药企、大型科技公司和生物科技初创企业均加速布局AI制药，多个由AI发现和设计的药物分子已进入临床试验。但一些传统药企仍然对拥抱数字化有所抵触，而AI领域却强调“开放”，二者结合仍需长期磨合。

另外，目前AI制药公司的数据绝大来源于药企、科研机构或院校公开数据，自有数据量比较小。虽然药企有足够多的数据，但他们鲜少愿意对外分享。好在中国人口基数庞大，医院规模可观，还有大量的医药研发合同外包服务机构，这些都非常有利于搜集用于训练AI的大数据，方便AI学习比对不同结果。

转载免责声明：新闻频道部分文章版权归原作者出处所有，登载该文章目的为更广泛传递市场信息，不做任何医疗诊断或投资建议。内容为作者个人观点，并不代表本站赞同其观点和对其真实性负责。我们将根据著作权人要求，更正或删除有关内容。文章内容仅供参考。