“双十困境”终结者？AI大模型这一赛道临风口

2023-05-08 11:05

中国基金报记者冯尧

研发周期长、风险高、费用大一直是创新药研发的痛点，“双十困境”带给生物制药公司“泥潭般”的阻碍。

随着AI浪潮席卷全球，不少创新场景也相继被挖掘。据记者近期梳理发现，包括华为、百度在内的AI巨头已经将生物制药赛道作为应用场景突破口，尤其在成药性预测环节，大模型可以发挥显著作用，令研发周期和成本巨幅下降。

换言之，AI与生物制药的结合有望破除“双十定律”：即一款创新药从研发到上市，平均成本超过10亿美元，研发周期大于10年。

不过，在记者采访的业内人士看来，AI制药非常依赖大数据，但目前场景落地的最大困难是缺乏高质量数据。因此，未来AI巨头与药企之间“牵手”案例未来会愈来愈多。

击中创新药“痛点”

一直以来，新药研发拥有“三高一长”的突出特点，即高技术、高投入、高风险、长周期。业内对于创新药从研发到上市的历程也有着“双十定律”的观点，即一款创新药从研发到上市，平均成本超过10亿美元，研发周期大于10年。

根据《Nature》提供的数据：一款新药的研发成本大约是26亿美元，耗时约10年，成功率不到十分之一。

不过，随着AI浪潮席卷全球，生物制药也被视为大模型有望率先落地的场景之一。“小分子模型的成药性预测准确率比传统方式高20%，进而提升研发效率，让先导药的研发周期从数年缩短至一个月，同时降低70%的研发成本，”华为云相关人士近期向记者表示。

实际上，新药从研发到上市大致要经过这几个环节：药物发现、临床前研究（包括临床前动物实验）、临床试验、药物审批。

上述人士表示，小公子药物发现从靶点确定开始，通过各类筛选技术找出一组能够和靶点相互作用的活性分子，然后对其结构修改使其能满足临床开发需求，最后经过临床前临床试验验证，整个过程耗时长、花费高、失败率高。

“AI可以在药物发现的靶标识别、化合物-蛋白质相互作用预测、候选药物理化性质预测、ADMET（药物吸收、分布、代谢、排泄和毒性）预测、化学合成预测等方面有巨大运用空间，”该人士对记者表示。

作为制药流程的入口，药物发现也被视为目前AI应用得最多、最成熟的环节。据机构统计，使用AI 技术能够将药物发现时间缩短40%，药物临床试验时间节约50%至60%。英伟达公开资料也显示，使用 AI 技术可使药物早期发现所需时间缩短至1/3倍，成本节省至1/200倍。

数据获取成关键

光大证券发布的研报显示，传统模式下，药物研发在临床前阶段需花费4年-5年，而基于AI和生物计算的新药研发管线，只需平均1年-2年即可完成临床前药物研发；AI可将新药研发的成功率从10%提高到14%，有望为生物制药行业节省数十亿美元。

这一应用场景早已吸引了多家AI巨头入场。

其中，华为发布的华为云盘古药物分子大模型是“盘古大模型家族”的成员之一，是专门面向药物研发领域推出的预训练大模型。

据记者了解，华为云盘古药物分子大模型，是由华为云联合中国科学院上海药物研究所共同训练而成的大模型，可以实现针对小分子药物全流程的人工智能辅助药物设计。

另外，百度此前也发布了基于螺旋桨PaddleHelix打造的“ADMET成药性预测模型”。其通过螺旋桨生物计算开源工具集，搭建了生物计算和服务平台，已经在拜耳实际业务管线中完成商业化落地。

不过，尽管想象空间很大，但在全球范围内，AI制药仍处于较早期的阶段，距离技术成熟、走向市场尚有很远一段距离。

“与传统制药技术不同的是，AI制药非常依赖大数据，都需要基于大量的数据来训练和学习。但目前最大的困难与挑战就是缺乏高质量的数据，”一家涉及到AI制药的上市公司人士对记者表示。

上述人士坦言，不同于普通领域数据获取相对简单，由于出于保密目的，药企大多不愿意分享AI制药所需要的数据。

他透露，AI制药公司的数据源多来自于公开资料，如已发表的医学文献，公开的靶点库，药企、科研机构或院校的公开数据等。“但最主要的高质量数据是来自药企，这部分数据获取并不容易。”

药企与AI公司的联手

在这一背景下，AI公司与药企之间的合作便显得极其重要。目前看来，已有不少公司先试先行。

去年1月，英国AI制药创企Exscientia宣布，其使用AI设计的免疫肿瘤分子EXS21546进入人体临床试验。目前，Exscientia已与拜耳、赛诺菲、葛兰素史克等知名药企达成合作。英矽智能也已与辉瑞、安斯泰来、强生公司旗下杨森制药、大正制药等多家一流的生物医药公司达成合作。

在A股市场上，也有不少上市公司“尝鲜”。成都先导近期表示，该公司与腾讯 AI Lab的第一阶段合作案例的成果已经发表于ACS Omega，双方共同享有基于AI技术的分子骨架跃迁系统。

据该公司透露，该算法有望加快药物研发领域中的小分子设计环节。目前基于AI技术的分子骨架跃迁系统已经在该公司多个内外部药物研发项目上进行应用，在有些药化项目上可以看到AI分子生成+SBDD可以明显的缩短DMTA循环周期。不过，成都先导方面也提及，这类技术还需要更多的项目实践来验证其实用范围和结果。

而泓博医药则利用深势科技Hermite平台加阿里云高性能计算集群，提升泓博医药的分子模拟效率，降低合成成本，减少定制合成的等待时间。据悉，其管线推进到临床前候选化合物的时间缩短一半。

另外，皓元医药近期也在投资者互动平台表示，目前该公司已与一些AI公司形成战略合作，通过 AI 模式助力新药研发突破技术壁垒，推进人工智能在药物研发阶段的应用落地。

不难看出，药企与AI公司合作或成为未来的选项。在记者采访的业内人士看来，这反映了药企对AI 技术在药物研发过程中降本增效的作用的认可。

在上述人士看来，此类合作可为国内CRO在愈发激烈的行业竞争中保持成本和响应速度的优势，对于以算法、算力为核心优势的科技公司而言，亦是技术验证与价值转化的绝佳机遇。

不过，目前行业内尚未有一款主要通过AI技术研发的药物实现上市，但已有不少公司药物已处于临床阶段。泓博医药近期表示，截止到2022年底，该公司CADD/AIDD技术平台已累计为44个新药项目提供了技术支持，其中2个已进入临床一期，2个在临床申报阶段。

有机构预测，鉴于目前绝大多数临床阶段管线处于临床一期，2023年-2024年将出现跨越“死亡之谷”的临床管线。2026年，预估将会出现首个上市的AI驱动药物，同时现有的管线及后续发展较快的管线将大批进入临床。

编辑：小茉

审核：许闻

《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。

授权转载合作联系人：于先生（电话：0755-82468670）

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

​“双十困境”终结者？AI大模型这一赛道临风口