聚焦数字健康｜创新药研发“山高路险”，“AI+药企”能否降低市场风险？

21世纪经济报道记者季媛媛 上海报道  

近年来，全球药品市场中生物药增长迅速，但新药研发仍是一座风光无限的险峰。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。同时，新药的诞生会受到多方面因素的影响，而研发资金的不断投入是其最根本的保障。

根据灼识咨询数据，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。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%。

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。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。在数据、算法、算力三方面的不断发展之下，使得AI大规模进入药品研发领域成为现实；传统药物研发主要包含药物发现、临床前研究、临床试验和上市销售环节；AI的应用场景贯穿药物研发及商业化的全流程，能显著提高研发效率。

深势科技创始人兼CEO孙伟杰对21世纪经济报道记者表示，当前科学实验中遇到的问题，特别提出了科学实验算法的分级理论，即如何对算法设定合理的期望，怎样的算法是可以大规模替代实验的工业级算法。算法分为L1至L3三个级别：L1为模仿现实，即对实验结果的复制和外推；L2为预测现实，对现象的预测接近实验精度，并有可预期的误差范围；L3为搜索现实，这就要求能够准确预测现象，并能从空间中直接搜索最佳结果。 

“当前，对于化学、生物、材料、药物等实验学科，并不一定追求百分之百准确的算法，只要能够大幅缩小实验误差，明确精度边界，就可以大规模的替代此前的实验模式，所以大规模推广L2级别，积极发展L3级别的算法，将引领未来实验科学算法的前进方向。”孙伟杰说。 

AI辅助药物研发作用凸显 

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。 

据IDC数据预测，到2025年人工智能技术应用市场总值将达到1270亿美元，其中医疗行业将占市场规模的五分之一。在中国，医疗与数字化技术的结合发展势头迅猛，日益显现出巨大潜能。

此前，在谈及AI助力新分子发现、开发新的疾病治疗手段的应用时，阿斯利康中国副总裁、医学事务部负责人杨海英也曾对21世纪经济报道介绍，首先，在早期研发阶段，数据科学+AI通过机器学习，疾病数据库与生物医学知识图谱相结合，能够帮助更早发现新的潜在药物靶点；

其次，在新药开发阶段，可以将人工智能技术与化工自动化相结合，使得原本需要数月才能研制完成的先导分子现在只需数周即可完成，而且无需人工干预；

再者，在临床研发阶段，可以利用人工智能技术辅助患者分类。人工智能还提高了临床试验用药需求的预测效率，从而降低了向全球19,000多个与阿斯利康合作的试验中心供应药物的成本，避免造成浪费； 

此外，在研发后期，可以通过所谓的“真实世界证据数据计划”（real-world evidence data initiatives）拓宽对患者的洞察，依靠机器学习方法，更加准确、高效地获取患者治疗效果。 

“我们是期望能够沿着每一个疾病，去看清楚每个疾病整个的早期筛查、诊断、治疗以及治疗之后的随访康复，首先探查清楚到底有哪些痛点，这些痛点中到底是哪一个可以切入。在切入时我们要再去思考，人工智能是不是可以作为其中的一个技术和工具去帮助实现痛点的解决。”杨海英称，医学是非常严谨的，需要循证医学的证据。阿斯利康可以去影响技术公司，帮助他们建立严谨的、循证医学的思维方式，这非常关键。

目前，AI可以用于靶点的发现、辅助化合物发现、辅助蛋白质结构预测、辅助药物重定位等多个作用。以靶点发现为例，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。 

灼识咨询分析指出，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。 

有证券机构医药行业分析师对21世纪经济报道表示，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成为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。 

如何实现“AI+药企”合作模式落地？ 

AI在研发领域的合作范围越来越广泛，从药物发现过程，贯穿到全生命周期。

不过，在此过程中，我们也需要发现，人工智能目前的局限性，一方面，生物学本身太复杂，我们对生物学的理解太局限，这也导致临床研究结果带有一定的不确定性；另一方面，人工智能现有的大数据的结构、质量来看，都存在一定的缺陷。这需要业界多方共同去解决这些问题。

为此，我国从顶级涉及层面在人工智能和药物研发方面均出台了一系列的政策，鼓励和支持人工智能应用于药物研发，推动产业高质量发展。例如，2021年7月，国务院发布了《人工智能医用软件产品分类界定指导原则》，在该文件中，药监局对人工智能医用软件明晰了定义，其是指“基于医疗器械数据，采用人工智能技术实现其医疗用途的独立软件。含人工智能软件组件的医疗器械分类界定可参考本原则。”同时也对医疗器械数据做出明确定义，指“医疗器械产生的用于医疗用途的客观数据，特殊情形下可包含通用设备产生的用于医疗用途的客观数据。”该政策的发布也被业内人士认为，有利于加强相关软件产品监管和推动产业高质量发展。 

“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，晶泰科技在2021年完成D轮4亿美元融资，融资总额超过8亿美元，创全球AI药物研发领域融资额的最高纪录；深势科技在近日也发布新一代药物计算设计平台Hermite®，提出“多尺度建模+机器学习+高性能计算”的科学研究新范式；基于阿斯利康（AstraZeneca）行选择权将BenevolentAI利用其AI科技发现的两个靶点纳入其研发管线，用于治疗慢性肾与特发性肺纤维化。基于此，BenevolentAI获得两笔里程碑付款。

晶泰科技创始人马健对21世纪经济报道表示，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。

“作为商业企业，我们要关注的还是市场需求，从全球市场来看，美国占全球医药市场的45%，其中，创新药可能占据将近80%的份额。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。”马健说道。 

为了推动世界真正的走向AI助力药物研发发展的新阶段，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。