AI制藥：資本狂歡還是行業巨變？

圖為深勢科技Hermite臨床前電腦輔助藥物設計平臺界面

近來，AI制藥圈接連發生了幾件大事。賽諾菲與英國藥物研發AI技術服務提供商Exscientia達成了一筆價值331億元的AI制藥天價大單。英矽智慧半年內兩次宣佈發現新藥，並率先進入臨床試驗新階段。阿斯利康、默克、輝瑞、梯瓦等制藥巨頭聯合建立的AI藥物研發實驗室AION Labs宣佈正式啟動。

如果説2020年是AI制藥爆發元年，實現了從“0”到“1”的突破，那麼經過兩年的持續升溫，這個賽道已經以突飛猛進之勢走進了從“1”到“10”的新階段。多位業內專家認為，AI制藥重新定義了制藥流程，給整個制藥行業帶來了一場巨大變革。

AI如何制藥？

對於大多數普通民眾而言，生物制藥是一個陌生的領域。電影《我不是藥神》中抗癌群體面對天價藥的無助感讓觀眾感同身受，催淚無數。通過這部電影，向來鮮為人知的制藥、産藥、售藥的産業鏈現狀逐漸浮現出來，讓大眾得以窺見其中的一些“難言之隱”。

一位從事醫藥行業的人士表示：“作為臨床醫生，我們也很無奈，藥價太貴，現在還有很多病人在吃代購藥，甚至吃原料藥粉。”而對於制藥廠商而言，新藥貴，貴在研發。“雙十定律”是壓在他們頭上的一座“大山”，即10年時間、10億美元，才可能成功研發出一款新藥。即使如此，大約只有10%的新藥能被批准進入臨床期，最終只有更小比例的新藥可以上市。

龐大的研發成本、漫長的研發週期、難以預估的失敗率，讓新藥研發變成一件吃力不討好的事情。儘管制藥公司幾十年來不斷增加投資，但投資10億美元得到的上市新藥數目每9年就減少一半，這一現象被稱作“反摩爾定律”。

通常來説，新藥物發現的過程需要先確定好某疾病的靶點，而靶點相當於“鎖”，研究人員需要在眾多藥物分子可能性中，設計和篩選最合適的分子作為“鑰匙”去解鎖。以《我不是藥神》中的神藥“格列衛”為例，其靶點就是一個融合蛋白，通過藥物小分子去抑制融合蛋白，達到控制慢性髓性白血病的發展。誰更“懂”蛋白質，誰就能找到那把破解重大疾病、研發新藥的“鑰匙”。

“傳統的蛋白質組學分析技術和方法，並不完全適合用來研究蛋白質系統，它所缺乏的是對蛋白質進行定量數據積累的過程，而且它沒有一個合適的演算法。”西湖大學特聘研究員、西湖歐米創始人郭天南説。

AI技術的出現，讓傳統實驗不再是唯一的選項，以數據為中心的藥物發現逐漸走上舞臺。“AI在其中的主要作用是對候選藥物分子、化合物、蛋白質的結合以及基因的作用完成機理上的模擬和計算，典型的應用場景包括虛擬藥物篩選、蛋白質結構預測等。”阿裏雲高性能計算負責人何萬青在接受《中國電子報》記者採訪時表示，“這裡面涉及分子動力學、量子化學、量子色動力學等大量傳統的高性能計算應用，在利用已有的蛋白質結構進行學習、預測的過程中也引入了機器學習的演算法。基本上是一個典型的HPC（高性能計算）+AI的應用場景。”

簡而言之，以數據為基礎的人工智慧醫藥研發範式本質上是通過機器自主學習數據、挖掘數據，總結歸納出專家經驗之外的藥物研發規律，從而優化藥物研發全流程的各個環節。它不僅大大提升了藥物研發效率與成功率，還有效降低了研發費用和試錯成本，讓制藥行業看到了擺脫“反摩爾定律”困境的曙光。

賽道上都有誰？

新冠肺炎疫情驅動市場對生物醫藥行業給予了前所未有的關注。據不完全統計，2021年，全球AI制藥領域共發生77起融資事件，累計融資額達45.64億美元（折合人民幣約290.73億元），相較于2020年增長高達152%。國內發生融資事件34起，總金額超過80億元。截至2022年第一季度，新增融資事件十余起。

晶泰科技、英矽智慧、深勢科技等“年輕”公司的步伐很快，成為了資本的“寵兒”。成立於2015年的晶泰科技現已完成將近8億美元（折合人民幣約50.96億元）的融資，刷新了全球AI制藥領域融資金額紀錄，總估值超過130億元。

成立於2018年的深勢科技，首創“多尺度建模+機器學習+高性能計算”新範式，在短短18個月內完成4輪融資。團隊核心成員獲得2020年全球電腦高性能計算領域的最高獎項“戈登貝爾獎”，相關工作當選2020年中國十大科技進展和全球AI領域十大技術突破。

成立於2014年的英矽智慧，在全球首次利用AI發現了一種全新機制的用於治療特發性肺纖維化（IPF）的臨床前候選化合物，整個研發過程只花了不到18個月的時間和大約200萬美元，刷新了新藥研發的速度和最低成本記錄，目前也完成了6輪融資，累積金額超3億美元。

與此同時，傳統藥企和網際網路巨頭紛紛發力，要麼投資合作，要麼親自上場。例如，復星醫藥牽手英矽智慧，在全球範圍內共同推進針對多個靶點的AI藥物研發。英矽智慧獲得了1300萬美元的首付款及里程碑付款。這是國內迄今為止AI制藥企業收到的最大金額預付款。

據業內人士透露，目前藥企和AI制藥公司多在試水階段，從早期研究到臨床階段的週期越來越短，藥企對於AI作用的認知越來越清晰。儘管像復星醫藥和英矽智慧這樣的大單在國內還不多見，但願意拿出部分研發方向給AI制藥公司試水的藥企越來越多，合作金額也在逐年上升。

再看阿裏雲與全球健康藥物研發中心GHDDI合作開發的人工智慧藥物研發和大數據平臺、騰訊發佈的人工智慧藥物發現平臺“雲深智藥”、百度推出的螺旋槳PaddleHelix生物計算開源工具集、華為成立的醫療智慧體EIHealth……這些巨頭的高歌猛進在很大程度上推動了整個賽道快速向著縱深方向邁進。

“阿裏雲高性能計算通過和生物制藥企業、研發機構以及服務藥物設計領域的科技公司進行合作，例如全球健康藥物研發中心GHDDI、深勢科技、晶泰科技等，通過搭建基於雲超算的E-HPC彈性高性能計算平臺的全鏈路生命科學應用解決方案，將生命科學HPC應用和AI應用在E-HPC平臺上並行部署，實現高通量並行計算和AI演算法的融合。”何萬青表示。

“深勢科技目前聚焦在藥物設計和材料設計兩大垂直領域。其中在藥物設計領域，我們提供的是‘軟體+聯合研發’的商業模式，目前平臺軟體已經與國內外數十家學界、業界客戶達成了長期商業合作，在聯合研發方面也有十余條管線處於臨床前開發階段。”深勢科技創始人、CEO孫偉傑對《中國電子報》記者説道。

據悉，這二者之間也達成了戰略合作關係。“網際網路巨頭最大的優勢在於算力、演算法和雄厚的資本，傳統藥企的‘底牌’是成熟的藥研體系與龐大的數據池，初創企業則更勇於探索試錯，能帶來全新視角和創新思維。各方之間既有競爭，也在相互成就，整體來看，AI制藥的商業模式正在逐漸清晰，生態體系也在邁向良性迴圈。”專家分析稱。

行業春天將至？

古有神農嘗百草，今有AI技術開啟制藥行業新篇章。從概念提出到發展至今，人工智慧技術在生物制藥中發揮的作用，已從初期的電腦輔助藥物設計，發展到如今的人工智慧藥物研發，甚至有望貫穿從藥物靶點發現到進入臨床實驗的早期藥物發現全過程。大膽想像，未來會不會有一天，AI能夠從一個輔助工具變成主導，甚至獨立擔負起藥物研發的重任？

儘管想像空間巨大，但前方也並非一片坦途。在全球範圍內，AI制藥都處在較早期的階段，距離技術成熟、真正走向市場還很遠。數據、算力、演算法以及人才等都是賽道選手們不得不面對的“攔路虎”。

孫偉傑坦言：“一方面，市面上大部分AI制藥依然停留在以數據驅動的AI模型輔助藥物分子發現的階段，目前主要面臨的是數據總量稀疏和數據標準差的問題，對應比較典型的有ADME/T性質預測和分子生成等相關挑戰；另一方面，我們認為AI制藥還有另一種範式，即從物理模型驅動的AI對傳統CADD（計算輔助藥物發現）模式進行創新，最大的挑戰在於計算效率和計算精度無法兼顧的問題，比如傳統的分子動力學模擬在應對複雜的蛋白體系以及蛋白動態構象採樣方面還是力不從心。”

“未來一段時間，AI制藥依然會在數據驅動和模型驅動兩種範式下持續突破和演進。”孫偉傑説道，“無論哪種範式的發展，本質上都要看AI或計算是否可以真正替代一部分實驗，從而帶來效率的提升。我們相信未來三五年內強調的不會是AI制藥，而是AI成為藥物發現的必要手段、成為標配。到那個時候，大家不會再刻意強調AI制藥，而是會將其作為普遍使用的一種方法。”

與此同時，何萬青指出：“生物制藥領域目前是一個蓬勃發展的‘老樹新芽’，對於計算的挑戰來自基礎演算法的複雜度和規模、演算法的創新等多個方面，因此使用大規模的高性能計算並行集群和GPU加速成為一種通用的首選。”

他認為，生物制藥面臨的是對整個人類醫療知識的綜合，因此雲計算所特有的連通性和彈性，能夠幫助打破研發孤島，促進數據成果的復用和創新。

此外，對於AI制藥這一多學科交叉的高壁壘行業來説，人才的稀缺或許是更為根本的痛點。中科院上海藥物研究所藥物博士段宏亮直言：“對制藥和AI都理解深刻，才會知道制藥環節中哪些關鍵問題是AI擅長解決的，找到兩者的契合點，才能發現適合的業務場景。”

在他看來，AI制藥發展雖然看似火熱，但也只是剛剛拉開了序幕，重量級的選手還一直處於試水階段。隨著藥物數據的逐漸積累，AI制藥將會迎來一個數據驅動的2.0時代。屆時，隨著大家逐漸消除疑慮，深度擁抱AI制藥，行業的春天也將真正到來。