BAT之后“技术流”华为也强势入局，这个医药细分行业“破圈”了……

来源丨21新健康（Healthnews21）原创作品

作者丨唐唯珂 文若楠

编辑丨徐旭

图片来源丨图虫

提到人工智能时，大多数人想到的是科幻小说中有知觉的智能机器人，现代科学虽然尚未破解这种机器人的奥妙，但是却发现了AI技术可以应用于新药研发领域，这将会比知觉机器人带给人类的影响更直接，也更实际。

近日，华为发布了“华为云盘古”药物分子大模型，这是华为进军AI辅助药物研发领域的最新突破。

华为官方表示，“盘古药物分子大模型”共学习了17亿个药物分子化学结构，可以帮助小分子化合物计算和匹配靶点蛋白质，对新分子生化属性进行预测，从而高效生成新的药物；另外，还可以实现对筛选后的先导药物进行定向优化。

目前，该模型已经联合西安交大第一附属医院研发广谱抗菌药，结果表明，先导药物研发周期可以从数年缩短至1个月，这意味着新药研发效率被大大提高。

作为科技巨头，华为此番强势入局AI辅助药物研发，再次引发了科技界和半岛电竞app下载 的双双关注：AI如何赋能医药研发？搭载AI技术的药物研发前景如何？

AI如何赋能医药研发？

从制药的流程来看，主要包括候选药物研发一临床前研究一临床试验(I~期)一新药申请、批准上市和上市后监测(IV期临床试验)这几个阶段。

新药设计难度大、成本高且耗时。之前行业平均而言，一种新药研发成功需要“10年、10亿美元”，如今一种新药从研发到上市成本需要30亿美元和12-14年的时间。三分之一的总成本和时间归因于需要合成数千个分子以开发单个临床前先导候选药物的药物发现阶段。

不仅如此，而且大约90%的候选药物在临床试验的某个阶段失败，因此寻找新的药物疗法变得越来越困难。

而人工智能（AI）有可能彻底改变药物研发进程，助力寻找更多的候选药物、提高药物开发的成功率，最终获得监管机构批准。

从临床前药物发现阶段到药物研发后期临床试验阶段，AI技术已经渗透到药物研发诸多环节，比如寻找药物的治疗和毒性效应曲线，预测药物的结构、生物活性和作用方式，选择临床试验人群等。

搭载了AI技术后，药物发现、临床前研究的时间将缩短接近40%还可以节约临床试验阶段约50%-60%的时间，而且每年近260亿美金的化合物筛选成本和约280亿美金的临床试验费用也可以通过AI制药技术节省出来。这意味着AI技术正在孕育一场新的制药革命。

现阶段AI在药物研发需要大数据分析和高通量测试的阶段优势最为明显。例如在根据海量文献筛选靶点、专利追踪、批量性质预测等方面，药企便可以通过使用人工智能相关技术降低大量制药成本。

此前即有行业人士对21世纪经济报道记者表示，AI制药领域重在平台搭建提升效率，而在这个领域，科技公司的优势在于他们具备强大的数据分析能力。

互联网科技巨头争相跨界入局

早在2020年，英国AI制药企业Exscientia与日本药企Sumitomo Dainippon 由AI人工智能研发的新药候补化合物进入第一阶段临床，这是世界首次使用人工智能AI 开发药物的临床试验。因此2020年被称为“AI制药元年”。

国内企业也不甘落后，互联网科技企业较早跨界入局“AI”制药，华为成立医疗智能体“EIHealth”，阿里云与全球健康药物研发中心合作，腾讯发布AI驱动的药物研发平台“云深智药”，李彦宏亲自带队成立百图生科，字节跳动成立了专门负责大健康业务的极光部门，并在国内外招募AI-drug团队。

头部企业的跨界布局，点燃了AI制药领域的研发热情，各路资本纷涌而至，投资额度逐年增加，其中不乏丽珠集团、药明康德、恒瑞医药等知名药企的身影。

据中信证券数据显示，2020年全年，国内的AI制药的投融资额超过31亿人民币，同比增长近7倍。到了2021年，热度继续保持上升状态，仅上半年融资额便已经超过10亿人民币，诸多AI制药初创公司成绩亮眼。

其中，望石智慧以6.494亿元领跑融资榜单。据悉，这家公司系原百度主任架构师周杰龙在2018年成立，发展时间不到3年，已经完成4轮融资。目前，主攻“AI平台赋能小分子药物研发”。8月份，望石智慧与国内翰森制药集团达成合作伙伴关系。英飞智药也以近2.6亿元位列第二，主要由行业龙头丽珠医药和同创伟业投资。

不过，AI赋能医药尚处于初步阶段，大多数AI制药企业多从中选择一两个细分环节或领域切入，构建自身的差异化壁垒。

例如，晶泰科技是典型的从一个环节入手的公司，主要聚焦于药物固态研发环节，包括晶型预测、固态筛选、结构确定等；未知君是典型的从一个细分领域入手的公司，主要聚焦于肠道微生物AI制药公司，产品包括全菌和配方菌胶囊等。

距离商业化还有多远？

目前AI制药赛道是一片广阔蓝海，机会与挑战并存。

据业内人士坦言，虽然机器学习和深度学习已被用于药物研发的各个领域，但是人工智能在新药研发中的应用才刚刚起步，仍然有许多问题亟待解决。

在药物研发领域，数据是人工智能的关键。因此作为一种数据挖掘技术，人工智能模型依赖于大数据的积累，并不能无中生有。用来学习的数据很大程度上会影响模型的性能，因此模型是否有效往往取决干数据的质量。

若是数据质量不高，即使使用可靠的算法，也不会获得良好的结果，反而会浪费大量的资源和时间。目前大多数预测模型来源于参差不齐的数据，因此如何获得高质量的数据是人工智能面临的一个主要问题。此外，如何学习训练数据得到泛化能力强的模型也是人工智能的难点及热点。

据不完全统计，目前全球范围内，AI主导的药物管线进入临床阶段的已超过20余项。有些AI制药公司通过AI的方法已经获得多个可以做临床试验的PDC的化合物，或者是接近到临床实验的阶段。但尚未有一个主要通过AI方法筛出的药物，获得 FDA批准实现上市。

在现有的盈利模式上，和大型药企合作，基于业绩付费是目前AI制药公司主要的盈利模式。但是此前有媒体称，绝大多数AI制药企业一年接到的订单也屈指可数，200万元已是较高的单价。