前言：
2018年最火爆的電影《我不是藥神》發(fā)人深省，"用藥難，用藥貴"的艱難處境成為了老百姓一大心病。一款救命藥之所以如此昂貴，最主要是因?yàn)樗幬镅邪l(fā)周期長，費(fèi)用高，成功率低。但可喜的是，隨著人工智能、大數(shù)據(jù)、云計(jì)算等科學(xué)技術(shù)取得的突破性進(jìn)展，未來五到十年，傳統(tǒng)新藥研發(fā)的模式有望被徹底顛覆，"用藥難，用藥貴"的艱難處境也將隨之改善，更多病患將迎來希望之光。
本文通過研究全球118家人工智能+藥物研發(fā)創(chuàng)新企業(yè)截止到2018年底的發(fā)展情況，為各位讀者闡述該行業(yè)的發(fā)展現(xiàn)狀及未來趨勢。
課題組研究發(fā)現(xiàn)：
第一， 人工智能每年為藥企節(jié)省約500億美元的研發(fā)費(fèi)用。
第二， 2018年資本涌入，行業(yè)整體走向風(fēng)口。全球118家人工智能+藥物研發(fā)企業(yè)累計(jì)融資20.6億美元，其中2018年融資金額9億美元，已有5家創(chuàng)新企業(yè)IPO或者被并購。
第三， 行業(yè)整體兩極化嚴(yán)重，各細(xì)分均有巨頭脫穎而出。81%的企業(yè)處于A輪及以前階段，B輪及以后企業(yè)累計(jì)融資金額占比73%。
第四， 行業(yè)細(xì)分"新候選藥物生成"想象空間最大，競爭也最激烈。該細(xì)分企業(yè)數(shù)量占行業(yè)37%，累計(jì)融資金額占行業(yè)約50%。
第五， 藥企巨頭+創(chuàng)新企業(yè)強(qiáng)強(qiáng)聯(lián)手，大數(shù)據(jù)及行業(yè)標(biāo)準(zhǔn)建立將成為行業(yè)發(fā)展方向。
一、行業(yè)背景：藥物研發(fā)三座大山--長研發(fā)周期，高研發(fā)成本，低成功率
藥價(jià)為什么這么高？三個(gè)數(shù)字告訴你答案，萬分之一分子脫穎而出，十年研發(fā)周期，26億美元研發(fā)成本。
自21世紀(jì)初以來，疾病復(fù)雜程度的提升大大降低了各環(huán)節(jié)的研發(fā)效率。簡單地說，"簡單"的藥都已經(jīng)被研發(fā)出來，而剩下的都是硬骨頭。這樣的大背景導(dǎo)致藥物研發(fā)周期越來越長，藥物研發(fā)的時(shí)間成本不斷增加，成功率越來越低，因此研發(fā)成本越來越高。
從研發(fā)周期來看，根據(jù)Frost & Sullivan統(tǒng)計(jì)，美國制藥企業(yè)的新藥品種從實(shí)驗(yàn)室發(fā)現(xiàn)到進(jìn)入市場平均需要10年至15年時(shí)間；從研發(fā)成功率來看，據(jù)Harris Williams Middle Market統(tǒng)計(jì)，在進(jìn)入藥物研發(fā)管道的 5000至 10000 個(gè)先導(dǎo)化合物中，平均只有 250 個(gè)能夠進(jìn)入臨床，平均只有1個(gè)能最終獲得監(jiān)管部門的新藥批準(zhǔn)。據(jù) Tufts（CSDD）統(tǒng)計(jì)，新藥臨床Ⅰ期至批準(zhǔn)上市的成功率已經(jīng)從80年代的 23%大幅下降至現(xiàn)在的12%左右，未來隨著生物藥的比重增加，新藥研發(fā)成功率或?qū)⒗^續(xù)降低；從研發(fā)成本來看，據(jù) Tufts（CSDD）統(tǒng)計(jì)，新藥研發(fā)平均成本不斷上升，從20世紀(jì)70年代中期約1.8億美元，到20世紀(jì)90年代的10億美元，再到21世紀(jì)初已至 26 億美元。
二、行業(yè)現(xiàn)狀：人工智能，顛覆大山
先來簡單說一下人工智能的"發(fā)家史"。人工智能誕生于1956年的達(dá)特茅斯會議，已有60多年的歷史。
在學(xué)術(shù)界，斯坦福大學(xué)無愧為該行業(yè)的先行者。2003年，該校生物醫(yī)學(xué)人工智能研究院Russ Altman開設(shè)了生物醫(yī)學(xué)計(jì)算學(xué)士學(xué)位。
2007年6月12日，是該行業(yè)歷史上值得銘記的一天。一個(gè)名叫Adam（亞當(dāng)）的機(jī)器人，通過搜索公共數(shù)據(jù)庫，預(yù)測了酵母菌基因的新功能。
人工智能在化合物篩選中也取得了很大的進(jìn)展。Atomwise開發(fā)了基于卷積神經(jīng)網(wǎng)絡(luò)的AtomNet系統(tǒng)，該系統(tǒng)通過學(xué)習(xí)化學(xué)知識及研究資料，可以分析化合物的構(gòu)效關(guān)系，識別醫(yī)藥化學(xué)中的基礎(chǔ)模塊，用于新藥發(fā)現(xiàn)和評估新藥風(fēng)險(xiǎn)。2015年AtomNet僅用時(shí)一周，即模擬出兩種潛在用于埃博拉病毒治療的化合物。
對于許多不治之癥，人工智能也在通過探索已有藥物的新適應(yīng)癥尋找答案。如帕金森這一讓全球藥廠手足無措的疾病，科學(xué)家Visanji博士與人工智能公司IBM Watson合作，通過Watson強(qiáng)大的文獻(xiàn)閱讀與認(rèn)知推理能力，幾分鐘內(nèi)從3500種藥物中完成篩選。而后，研究人員根據(jù)這份清單提出了6個(gè)候選藥物并進(jìn)行測試，第1種藥物在動物實(shí)驗(yàn)中已經(jīng)得到了初步的驗(yàn)證。
隨著人工智能技術(shù)高速發(fā)展，AI已應(yīng)用于新藥研發(fā)各個(gè)環(huán)節(jié)：靶點(diǎn)發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測、患者招募、優(yōu)化臨床試驗(yàn)設(shè)計(jì)和藥物重定向等。根據(jù)動脈網(wǎng)預(yù)測，AI能夠?yàn)樗幤笱邪l(fā)節(jié)省約50%的時(shí)間，每年節(jié)約540億美元的研發(fā)費(fèi)用。
三、行業(yè)格局：群雄逐鹿，各放異彩
根據(jù)CB Insight上的數(shù)據(jù)，全球共有118家人工智能+藥物研發(fā)企業(yè)。根據(jù)科技博客BenchSci，我們按照藥物研發(fā)的流程及相關(guān)應(yīng)用，將該新興行業(yè)分為六大細(xì)分--信息整合及分析（Aggregate and Synthesize Information），新候選藥物生成(Generate New Drug Candidates)，候選藥物驗(yàn)證及優(yōu)化(Validate and Optimize Drug Candidates)，重定義現(xiàn)有藥物(Repurpose Existing Drugs)，臨床前實(shí)驗(yàn)設(shè)計(jì)及優(yōu)化 (Run Preclinical Experiments)和臨床試驗(yàn)設(shè)計(jì)及優(yōu)化(Optimize Clinical Trials)。
從所處地域來看，無論是企業(yè)數(shù)量還是融資金額，美國企業(yè)均遙遙領(lǐng)先，占據(jù)半壁江山，領(lǐng)先企業(yè)如IBM Waston， BenevolentAI和Recursion Pharmaceuticals等。而中國作為全球第二大經(jīng)濟(jì)體，雖然相關(guān)企業(yè)起步較晚，但憑借著得天獨(dú)厚的優(yōu)勢，正奮起直追，頗有后來者居上的架勢，大量優(yōu)秀企業(yè)脫穎而出，如致力于用AI加速新藥研發(fā)全流程的深度智耀及專注于晶型預(yù)測環(huán)節(jié)的晶泰科技等。
從融資金額來看，AI+藥物研發(fā)正逐漸走向風(fēng)口。全球118家人工智能藥物研發(fā)相關(guān)企業(yè)，已有80家企業(yè)獲得融資，披露金額累計(jì)融資20億美元，其中累計(jì)融資超過1億美元企業(yè)5家。已有5家公司被收購或者IPO，主要發(fā)生在2018年。從融資輪次來看，行業(yè)整體兩極化嚴(yán)重，各細(xì)分均已有巨頭脫穎而出。81%的企業(yè)處于A輪及以前階段，B輪及以后企業(yè)累計(jì)融資金額占比73%。
從行業(yè)細(xì)分來看，37%的企業(yè)聚焦在新候選藥物生成細(xì)分，累計(jì)融資金額占整個(gè)行業(yè)近50%，該細(xì)分可以說是最受資本青睞的領(lǐng)域，其代表企業(yè)包括BenevolentAI， Atomwise及Exscientia等。
四、未來趨勢：三大趨勢引發(fā)關(guān)注
1. 藥企巨頭+創(chuàng)新企業(yè)強(qiáng)強(qiáng)聯(lián)手搶占先機(jī)。
AI的出現(xiàn)，讓諸多藥企巨頭看到了希望。2018年，大量藥企通過各種方式與人工智能企業(yè)進(jìn)行深度合作。2018年5月，Cloud Pharmaceuticals宣布與GSK達(dá)成合作，Cloud 將為GSK指定的靶點(diǎn)設(shè)計(jì)新型小分子制劑，并將利用其專有的AI驅(qū)動模式來設(shè)計(jì)分子；2018年9月，輝瑞與Atomwise簽訂合作協(xié)議，輝瑞將利用Atomwise人工智能平臺，評估確認(rèn)多達(dá)三種靶向蛋白質(zhì)分子作為潛在候選藥物；2018年12月，德國制藥巨頭默克與加拿大創(chuàng)新企業(yè)Cyclica宣布進(jìn)行研究合作。默克將使用Cyclica的云端蛋白質(zhì)篩選平臺Ligand Express評估其在研小分子化合物的安全性及在其他治療領(lǐng)域的應(yīng)用。
合作遠(yuǎn)不止這些，而且這樣的合作也只是一個(gè)開始，未來將有更多的戰(zhàn)略性合作發(fā)生，創(chuàng)新企業(yè)也將在未來五到十年成為藥企巨頭收購的對象之一。
2. 數(shù)據(jù)為王。
大數(shù)據(jù)已然成為了這場變革的重中之重。如果沒有多元化、跨學(xué)科、高質(zhì)量的大數(shù)據(jù)及后期的精確處理，AI技術(shù)的變革性影響就無法完全實(shí)現(xiàn)，已經(jīng)有企業(yè)在大數(shù)據(jù)上走在前頭。2018年7月，GSK宣布股權(quán)投資23andMe 3億美元。前者將結(jié)合23andMe大規(guī)模的遺傳學(xué)數(shù)據(jù)資源和先進(jìn)的數(shù)據(jù)科學(xué)技術(shù)，及自身藥物研發(fā)的優(yōu)勢，尋找關(guān)于創(chuàng)新藥物靶點(diǎn)的洞見，帶來創(chuàng)新療法。
3. 行業(yè)標(biāo)準(zhǔn)有待建立。
另外一大趨勢莫過于行業(yè)標(biāo)準(zhǔn)的建立。人工智能正在顛覆游戲規(guī)則，而其本身也需要建立在醫(yī)藥研發(fā)應(yīng)用中的規(guī)則，從而實(shí)現(xiàn)該行業(yè)的共識及共同進(jìn)步。2018年12月，Insilico Medicine發(fā)布代號為MOSES的人工智能藥物發(fā)現(xiàn)基準(zhǔn)平臺。該平臺可實(shí)現(xiàn)幾種流行的分子生成模型，并可評估生成分子的多樣性和質(zhì)量。MOSES旨在使分子生成的研究標(biāo)準(zhǔn)化，并促進(jìn)新模型的共享和比較。
群雄逐鹿，各放異彩。讓我們共同期待人工智能在藥物研發(fā)領(lǐng)域的發(fā)展，期待有更多、更好的藥物能夠在人工智能助力下，更快地脫穎而出，造福人類。(作者：生物醫(yī)藥與人工智能融合發(fā)展研究課題組成員：宋立華、徐若愚、胡文琦、翟曉慶)
轉(zhuǎn)自：中國企業(yè)報(bào)
版權(quán)及免責(zé)聲明：凡本網(wǎng)所屬版權(quán)作品，轉(zhuǎn)載時(shí)須獲得授權(quán)并注明來源“中國產(chǎn)業(yè)經(jīng)濟(jì)信息網(wǎng)”，違者本網(wǎng)將保留追究其相關(guān)法律責(zé)任的權(quán)力。凡轉(zhuǎn)載文章，不代表本網(wǎng)觀點(diǎn)和立場。版權(quán)事宜請聯(lián)系：010-65363056。
延伸閱讀
春節(jié)消費(fèi)市場升級 消費(fèi)方式呈多樣化
