AI能否打破国产创新药的痛苦？

不久前，AI在诺贝尔奖方面可谓风头正劲。

2024年，三位科学家获得了诺贝尔化学奖，其中两位获奖者来自谷歌DeepMind企业- Demis Hassabis和John Jumper。另一位获奖者是Davididid，因为他们开发了革命性的AI工具AlphaFold而获得了这个荣誉。 Baker，在设计新蛋白方面，他取得了突破。

归根结底，这个AlphaFold是谷歌DeepMind开发的一个突破性人工智能系统。简而言之，它是专门用来预测蛋白质结构的。

蛋白质可以说是生命的“积木”，它们负责在人体内执行各种重要功能。但关键是蛋白质必须折叠成特定的三维结构才能发挥作用。

AI系统最大的优点是，它能准确地预测蛋白质会折叠成什么样的形状。通过AlphaFold，科学家们可以在实验室中快速地得到假设并进行测试，从而大大加快了科学研究的发展。例如，在此之前，科学家们要花几个月甚至几年的时间才能找出一种蛋白质的结构，现在用AlphaFold几天就可以得到结果。

要知道，预测蛋白质结构这一难题，却困扰了科学界整整50年！

但如今，借助AI的力量，我们终于可以准确地预测大多数已知蛋白质的结构。

然而，这并非AI最强X的部分。要知道，准确预测蛋白质结构对于新药研究具有革命性的意义。

其实 ，AI在过去几年中发挥着越来越重要的作用，从发现潜在药物分子到改善药物结构。

甚至，AI的出现也是为了我国一些在创新药方面处于追求地位的国家。，比如我国，提供了一个“弯道超越”的机会。

01 为什么AI制药诞生了？

为什么AI在新药研究中的角色如此关键？

在这一点上，不得不提到传统新药研究中的一个著名难题。 —— “双十”难题：平均需要10年、10亿美元的费用，才能开发出一种药物。

就中国第一款自主研发抗阿尔茨海默病药物“九期一”而言，从开始研发到最终获批上市，花了22年时间，投入研发资金超过20亿元！

而且恒瑞医药开发的抗癌新药“阿帕替尼”也经历了11年的长期研发周期，在此期间失败的频率更是数不胜数。

传统药物研发之所以如此困难，是因为在这个过程中，分子选择、活性检测、毒性预测等重复性试验工作通常会花费大量的时间。

这类工作不但费时费力，而且常常因人为因素而产生偏差。

新药研究在医药行业主要分为两类：仿药和创新药。

长期以来，中国医药行业的不足恰恰在于创新药物领域。这不是偶然的。要知道，2015年之前，中国的创新药物研发投入只有制药行业销售收入的2%左右，而跨国医药巨头的比例基本在15%-20%之间。

由于缺乏创新人才、基础研究薄弱等因素，我国长期处于“仿药大国”而非“创新药强国”的尴尬境地。

对于很多中国制药企业来说，一种创新药从R&D到上市，往往有十几年的R&D周期和几十亿的投资，简直是“难以承受的重量”。

正是在这种背景下，AI技术的出现才显得格外及时和关键。

由于它不仅可以大大缩短药品研发周期，而且可以显著降低研发成本，为中国制药企业实现创新突破提供了新的途径。

与传统药物研发相比，AI技术可以缩短药物发现和临床前研究的时间近40%，临床新药研究的通过率可以从12%提高到14%左右。

ISM001-055是由生成式AI驱动药物发现和设计过程的“全球首创”小分子抑制剂，以AI制药的头部企业英硅智能为例。

从早期的靶点发现到临床前等待 确定化合物的选择，英硅智能只用了18个月的时间，投入了260万美元的R&D费用。以过去行业平均耗时计算，做同样的事情需要4年半的时间和数千万美元的R&D投资 入。

英国硅智能自动化实验室

同样，云顶新耀与AI公司晶泰科技合作，通过AI协同设计，将先导化合物的优化周期从传统的2年缩短到8个月，发现的活性化合物数量是传统方法的3倍。

在这种情况下，AI制药到底有什么“绝学”，能够起到如此高效的帮助？

02 效率革命

AI制药与传统药物研发相比，在技术层面上主要表现在三个核心环节：分子设计与选择，作用机制预测，临床试验改进。

在分子设计和选择阶段，传统方法主要依靠研究人员根据经验选择化合物库，通常需要在数百万分子中逐一检测，就像海底捞针一样。

而且AI通过深度学习算法，特别是生成对抗网络(GAN)和变分自编码器(VAE)，能自行设计和优化分子结构。传统科学家每天最多检测数百种化合物，AI分钟可以同时分析数百万种化合物！

所谓“生成对抗网络”，就像两个AI在互相玩游戏:一个负责“制造”分子，另一个负责“挑剔”。越做越好，越挑越严。这样反复竞争，最终产生的分子自然特别可靠。

第二，在作用机理预测方面，AI更是达到了一个新的高度。

传统的测试方法就像盲人摸象一样。，一步一步来，先在试管里试一试，再找实验鼠试一试，最后才敢在人身上试一试。而且，如果药物有任何副作用，传统的方法往往只有在副作用出现后才知道。

但是AI可以直接在计算机上模拟整个过程，可以直接看到药物在人体内会发生什么。

这是因为AI可以在分子、细胞和器官层面采用多尺度模拟系统进行模拟，准确计算药物分子和靶点蛋白的相互作用，包括结合能和构象变化。

通过这种方式，很多注定要失败的药物很早就被筛选掉了，省了不少钱！

更加重要的是，AI还可以预测药物的脱靶效应和毒性，大大降低了后期临床失败的风险。

世界上第一次获得 FDA 新冠肺炎小分子口服药品批准上市 PAXLOVID 在R&D过程中，晶泰科技团队与辉瑞科学家联手，仅用6周时间就确定了药品优势晶型，显著缩短了R&D周期。

然而，虽然AI制药提高了很多效率，但并不是每个人都能做到的。要真正做好这件事，你必须有两座极其难啃的“山”。

第一个最令人头痛的就是数据问题。这一问题之所以特别棘手，是因为它涉及到整个问题。医药业的根本分歧。

最珍贵的数据通常被各大制药公司视为核心秘密，躺在每个制药公司的数据库里，根本拿不到。即使你能得到一些公开的数据，数据质量也是参差不齐的。

另外一个关键问题是，人工智能研发的高投入，使得很多AI企业面临资金短缺的困境。

其中，算法开发和算率支持是最痛苦的。它不仅需要专业的数据科学家和算法工程师，还需要强大的算法率来运行这些算法，包括昂贵的GPU和其他硬件配置。

正因为如此，能够跨越这两座山，从残酷的市场绞杀中生存下来的，都是AI制药公司中最好的——包括中国公司。

03 异军突起

突破上述两座大山的过程，与外国巨头相比，中国公司的路数差别很大。

具体而言，两者的区别，不仅体现在技术方向上，还体现了不同的战略选择和商业模式。

例如，海外AI药企巨头英硅智能，选择了一条看似困难但可能更有远见的道路：她们投入巨资建立了自己的高通量实验室。这间实验室不是一个简单的测试场所，而是一个可以测试的地方。“数据工厂”不断生成高质量的生物数据。

通过这种方式，他们可以完全控制参数的质量和类型，并确保数据能够准确地服务于他们的研究目标。这就像一家公司决定建立自己的工厂，而不是外包生产。虽然前期投资很大，但是掌握了核心生产能力。

与此同时，由于经济环境的差异，海外AI制药巨头很早就建立了独特的商业化体系。以英硅智能为代表的公司通常与大型制药公司建立深度的战略合作关系。

这种合作选择了“里程碑支付”的方式。例如，他们与辉瑞的合作包括前期数百万至数千万美元的风险投资，然后在研发过程中达到特定节点时分阶段支付，最后在药品上市成功后分享销售收入。一个成功的项目可能会给公司带来数亿美元的持续收入。

相比之下，在投资生态不发达的国内，各行各业的AI药企通常会防止“大干快上”的全面投入，而是表现出较强的战略灵活性，选择特定的领域切入，逐步拓展技术界限。

中国企业如晶泰科技采用“渐进式创新”战略，聚焦“分子设计”的具体阶段，特别是在晶型预测这一更细分的领域建立优势。

药品晶型的关键在于它不仅关系到药品的质量、制剂设计，还关系到药品专利的保护时间。

在传统方法中，不同的晶体类型通常需要通过实际测试来筛选。每次测试都需要调整温度、压力、溶剂等参数，晶体形成和生长需要足够的时间。

晶泰科技通过量子化学计算与AI相结合，计算分子与原子之间的作用力，从而判断不同晶型的稳定性、溶解性等关键特性。这样可以大大加快测试，获得大量的虚拟数据。

2022年底，同样是AI制药公司的深度技术宣布将专注于神经科学、肿瘤和自身免疫疾病三大领域，制作BIC药物。

深势科技在深度培育细分领域的同时，打造了Bohrium科研云平台、Hermite药品计算设计平台、RiDYMO难成药目标研发平台，努力将传统药物从小农作坊转变为“工业时代”。

除分子设计外，还有一类AI药企致力于特定疾病的药物研发，把R&D过程反过来，首先在微观层面上，找出基因与疾病的联系，然后去寻找控制基因表达、抑制疾病发作的药物。

例如，国内哲源科技就是这样一个例子。

与国外AI药企不同，哲源科技的明智之处在于先开发算法，数字模型将基因层降维到细胞功能事件。

这样就不需要在实验室真正“敲除”每一个基因来分析效果，而是在计算机中建立虚拟细胞模型来模拟这个过程，从而避免了在人体庞大的基因组(2-3万个基因)中逐一选择的不易过程。

一般来说，国内一些AI制药公司通过这种“垂直深耕”、逐渐扩散”的战术，很难通过数据和R&D形成的“峡谷”。但是，在AI制药的轨道上，要真正走出一条光明的道路，还有很多挑战和危险。

04 希望和挑战

在这个阶段，AI制药最大的挑战是：现在世界上虽然已经有许多AI研发药品进入临床，而且最大的进展已经到了临床三期，但是还没有一种AI研发药品成功上市。

全球范围内，AI制药现阶段主要集中在药物发现阶段。

这主要是因为临床试验涉及到复杂的多维因素，如人体系统反应、个体差异、伦理考虑等。各种因素通常是非结构化的，很难完全量化和模型化。

此外，临床阶段的每一步都与人体安全有关，容错率极低，AI在这一阶段很难发挥关键作用。

如果药品没有成功上市，就意味着AI药品没有得到市场的普遍认可，这意味着公司很难将之前的高投入顺利转化为利润。

同样因为这个原因，纵观全球上市的AI制药公司，从业绩来看，年收入过亿的公司只有2家。

在国内市场，2024年初有一个重要的里程碑:晶泰科技成为中国第一家AI制药上市公司，上市第一天市值飙升10%。这标志着国内AI制药行业进入了一个新的发展阶段。

但是，目前大部分AI制药企业还处于投资阶段，很少有企业能够真正实现自我造血。

但是，尽管如此，这条“艰难而正确”的道路，仍然值得走下去。，主要有两个原因。

第一，从战略角度来看，AI制药是“卡脖子”技术突破的重要领域。

目前，中国创新药在全球市场的份额很小，大部分仍然是仿制药。在2022年全球销售额前100名的原研药中，中国公司只占不到1%，大部分重大疾病的一线药物仍然依赖进口，如肿瘤、心血管疾病等领域。

例如，国内企业虽然有抗癌药物PD-1抑制剂的突破，但其核心技术仍然受到默沙东、百时美施贵宝等外企的限制。

一些罕见的药物，如法布雷病治疗药物“法布赞”，长期被美国基因泰克和英国夏尔垄断，每年的治疗费用高达数百万元。

更加令人担忧的是阿尔茨海默病等老年病领域的创新药物。就拿美国批准的阿杜卡努单抗来说，即使在2021年底降价一半之后，治疗费用仍然高达28,200美元(约20万人民币)。

考虑到人口老龄化的加剧，阿尔茨海默病患者的数量将继续扩大，但如此昂贵的治疗费用使得大多数患者很难得到这种创新的治疗方法。

而且病人所承受的这些负担和代价，都是因为中国在创新药物方面受制于人，定价权由他人控制。

从这个角度来看，AI制药的发展不仅是技术创新的需要，也是打破国外垄断、保障医药产业安全的战略选择。

结语

关于打破创新药物的垄断，保障普通百姓的医疗安全，有些人可能会问：为什么这件事，一定要押在AI上？

提及AI制药发展的第二个主要原因：进入数字化时代后，新药研究的方式正在发生根本性的变化，生物医学领域的数据正以前所未有的速度飙升。

只有人类基因组数据库包含数亿个DNA序列信息。一种新药的研发通常需要分析数百万种隐藏的分子结构，并考虑它们与人体数万种蛋白质的相互作用。

这类巨大的数据，早已远远超出了人脑所能处理的极限。

正因为如此，在这个时代，药物研发的关键技术已经转向了药物设计软件、分子模拟技术等关键工具，以便处理大量的筛选和数据分析。

而且AI，正是这一技术发展到一定阶段之后的大成者。

从这个角度来看，AI制药是一个确定的方向，目前暂时的困难主要是由于培训数据总数、模型的准确性和可解释性，以及产业链上下游协调不足等因素造成的。

然而，随着医疗大数据的不断积累、产业链整合和计算率成本的显著下降，这些障碍将逐渐克服。更多由AI开发的国产创新药物将加速出现。

到那时，我们不仅可以打破国外制药公司的专利垄断，还可以让创新药物真正走进普通人的家中，让患者摆脱高价进口药物的沉重负担，体验到更安全、更有效、更负担的治疗方法。

对亿万患者来说，这将是一场医疗科技革命。

本文来自微信微信官方账号“星海情报局”（ID：作者：星海老局，36氪经授权发布，junwu2333)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com