人工智能技術正強勢進入新藥研發領域。過去一個月，AI藥物設計技術研發商英飛智藥宣布獲得新一輪的Pre-A輪融資，以計算設計驅動新藥研發的星亢原生物宣布獲得3000萬美元A輪融資，AI藥物研發公司Insilico Medicine首次利用人工智能發現新機制特發性肺纖維化藥物……人工智能向制藥等醫療健康領域滲透并得到應用，通過AI技術，藥品的研發時間和成本縮減。業內人士表示，從醫療領域全景來看，還有很多AI沒有介入的領域，很多問題更復雜，需要更長的時間、更系統化的解決方案。
搶占AI制藥賽道
運用AI技術開發新藥正成為行業的新方向。過去一個月，英飛智藥宣布獲得新一輪的Pre-A輪融資，用于升級團隊、完善智能藥物研發系統和擴充研發管線。星亢原生物宣布獲得3000萬美元A輪融資，用于夯實人工智能(AI)驅動的創新藥研發平臺，加速推進公司多款創新藥物管線的臨床前開發等。
值得一提的是，除數起融資外，人工智能和新藥研發的結合取得了新突破。日前，Insilico Medicine宣布其首次利用相互關聯的深度學習模型和其他先進的人工智能技術，將生物學和化學結合起來，成功發現了一個新的生物靶點，并生成了能夠作用于特發性肺纖維化(IPF)這一難治疾病的一個新的小分子。
在進行了所有必要的人類患者細胞、組織和動物驗證實驗，證明其是能夠作用于新型泛纖維化靶點的首個臨床前候選分子藥物后，Insilico Medicine目前正為臨床開發做準備。
隨著制藥廠和科技巨頭的相繼入局，AI制藥這一賽道明顯升溫。2016年11月，強生與AI技術開發和應用公司BenevolentAI合作研發新藥。同年12月，輝瑞與醫學影像公司IBM Watson Health達成合作，運用AI賦能癌癥藥物研發。
從國內來看，2019年9月，豪森藥業與基于AI技術的藥物設計公司Atomwise達成合作，雙方計劃在多個治療領域針對11個未公開靶標設計和發現潛在的候選藥物。2020年以來，以BAT等為代表的科技巨頭通過招募AI藥物研發人才、推出藥物發現平臺等方式入局AI新藥研發領域。據不完全統計，2020年國內獲得融資的AI藥物研發企業達到8家。
AI助力研發提速
一直以來，生產效率是新藥研發的難題。從藥物靶點確定、先導化合物篩選、先導化合物優化再到臨床試驗等階段，研發一種新藥并推向市場是一個復雜且耗時長的過程。公開數據顯示，制藥公司為這一過程平均需要花費26億美元，以及長達10年的研發時間。
其中的臨床階段更是面臨高水平的投入，涉及高成本、高風險和嚴格的合規要求。盡管藥物研發人員為保證候選藥物的質量付出了巨大的努力，但在臨床試驗中仍會發生患者因無法預測而產生的副作用等。這些案例會導致項目立即終止，并給制藥公司造成巨大損失。
AI賦能藥物研發將縮短藥物研發的時間，同時降低成本。據了解，從靶點發現到臨床前候選藥物的發明，Insilico Medicine僅用時不到18個月，便實現了靶點發現、分子生成和通過傳統實驗驗證，動物體內特發性肺纖維化(IPF)療效確認及安全性評估，總成本約為180萬美元，其他纖維化疾病療效研究總成本約為80萬美元，合成和測試了不超過80個小分子化合物。
而傳統的藥物發現首先是對數萬個小分子進行測試篩選，然后進一步合成和測試數百個分子，以便得到少數幾個適合臨床前研究的候選藥物，其中只有大約1/10的候選藥物能夠最終通過人類患者的臨床試驗。
徐州經開區招商局局長史周華在接受北京商報記者采訪時表示，AI藥物研發對創新藥項目能夠大幅提高效率，通過大數據模型建立小分子篩選機制，可以直接從方案設計階段去除掉不適合的分子，降低實驗費用，減少實驗時間。同時數據模型能夠從頂層設計角度幫助新藥研發建立貫通的產品規劃，避免后期實驗做過多的分子修飾，補丁過多造成系統崩潰。
行業仍處起步階段
人工智能向醫療健康領域滲透并應用，但需要指出的是，AI+醫療健康仍處起步階段。健康界統計數據顯示，截至2018年，美國已有60多家初創公司及16家藥企運用AI技術進行藥物研發。相較之下，國內AI藥物研發初創公司不到20家，行業還處于早期發展階段。
醫療戰略咨詢公司Latitude Health創始人趙衡向北京商報記者表示，國內AI藥物研發公司目前多處在A輪融資階段，且未實現規模化的收入，行業還在起步階段。
在創新工場董事長兼CEO李開復看來，AI與今天的科學家扮演的是一個合作的角色，AI和人的結合對醫療行業的推動可能會大于人類過去幾千年，行業未來的潛力巨大。但如果從1-10分來進行評分，目前AI醫療只能打1分。
同樣，在啟明創投主管合伙人梁颕宇看來，如果從1-10分來進行評分，目前AI在醫療板塊為1分左右。“AI在醫療領域第一個大規模的應用是AI+影像，這也得益于AI圖像識別技術發展的成熟，后面慢慢衍生到藥物研發的領域，并取得了很好的進展。從醫療領域全景來看，還有很多AI沒有介入的領域，很多問題更復雜，需要更長的時間、更系統化的解決方案。”
