AI涌入制药全流程，国内进展如何？

2023-08-03 23:08

2020年AlphaFold 2 在蛋白质结构预测大赛 CASP14 中，对大部分蛋白质结构的预测与真实结构只差一个原子的宽度，达到了人类利用冷冻电子显微镜等复杂仪器观察预测的水平，这一结果被认为是基本解决了“困扰了生物学家50年”的问题，为 AI 制药在药物研发领域的应用带来了巨大的推动。

伴随AI技术的不断发展与进步，资本的涌入，AI赋能制药在药物筛选、性质预测、用药安全等药物研发环节的渗透率越来越高。在国内，AI技术在制药领域的应用场景也在突破药物开发前端的局限，逐步向更多的药物研发环节拓展，新型药物递送、临床试验设计及优化等潜力场景已经实现了0到1的突破，国内大型MNC和AI制药企业的合作频次和合作深度也在不断拓宽。

本文主要通过列举国内AI赋能制药领域的应用场景及代表性企业，初步窥探国内AI赋能制药的发展进程，仅供参考。

传统制药的一般流程主要有药物靶点开发/验证、药物设计、化合物筛选和合成、临床前研究、临床试验、审批和上市等步骤。在新药研发过程中5000~10000个化合物筛选，约5个药物会进入临床试验阶段，最终约1个药物会进入审批上市，成功率仅有 0.01%。且传统的新药研发的周期长、投资大、风险高。相关数据显示，研发一款新药平均研发成本是10-20亿美元，平均周期超过10年。

根据Tech Emergence的数据，“AI+制药”有望提高将新药研发的成功率从12％提高到14％，也能每年节约数十亿美元的研发费用，同时缩短研发周期，在研发主要环节节约40-60%的时间。例如，国内英矽智能在临床前发现阶段从靶点发现到先导化合物的优化，只需要约18个月完成，总体研发投入不超过270万美金，而这个过程过去需要五年甚至更长，需要投入数亿美金。

AI 制药同传统药物研发对比，来源：参考资料1

随着人类基因组测序工程的里程碑式进展以及二代测序技术的快速普及，基因组、转录组、蛋白组和代谢组等生物组学数据迅猛增长，生命科学领域积累了大量高通量数据，这对于药物发展具有重要意义。同时，伴随机器算力的发展，AI技术由早期的应用于药物发现领域的决策树、随机向量等机器学习模型，进展到深度神经网络、卷积神经网络、循环神经网络等深度学习算法，从而为药物研发提供更多支持。

随着底层理论到实践应用的突破，AI技术赋能制药领域的发展经历了从0到1的发展过程。如今AI制药进入了快速发展阶段，资本开始大量涌入赛道，国内外几十款AI药物进入临床试验阶段，业内纷纷建立合作，端到端解决方案增多，全流程应用开始出现，AI技术在制药领域的应用逐渐向1到10 的阶段迈进。

AI赋能制药的应用场景及行业趋势包括：

药物研发：包括靶点确认、药物发现、分子生成以及临床前阶段的药物生产工艺开发、制剂配方优化、有效性和安全性预测等。业内的合作形式包括，大型制药公司选择发展自己的AI技术，对AI制药初创企业进行投资并购，或者与AI初创企业合作，来加速药物研发过程。这类案例在行业十分常见，例如近期英矽智能与诺和诺德围绕AI平台赋能肝纤维化靶点发现达成合作。

用药安全：包括临床设计、药物风险评估、真实世界研究等。人工智能可以在临床设计、患者招募、依从性跟踪等方面体现应用价值，例如医生可以利用人工智能来预测血药浓度和半衰期等参数，从而调整药物剂量和给药时间间隔，进而降低医疗事故和不良反应。

药物生产和供应链：用于整个药物开发过程中的生产工艺和成本的优化、质量控制，提高生产效率。也用于药物验证以及假药识别。

监管机构的审批：简化临床药品的审批流程，使之更加快速、透明。加强管理监管，避免药品缺失或药品资料失实。

商业化：通过人工智能技术可以更准确地了解患者需求，从而确定更适宜的药品营销策略。基于人工智能的分析，也能帮助制药公司缩短市场反馈周期，从而优化药品推广策略。

药物发现与开发过程，来源：参考资料2

笔者梳理了国内89家AI制药企业的业务及技术类型，统计发现，绝大多数企业的业务处于药物发现阶段，进入临床前研究阶段和临床试验阶段的企业占比较少，分别18%和16%。总体来说，随着技术的进步，我国AI技术已经渗透到了药物研发的多个环节，具体是：

药物发现阶段：靶点发现、药物设计、化合物筛选及优化、分子合成、蛋白结构预测、适应症预测、成药性预测等。

临床前研究阶段：ADMET 性质预测、PK/PD研究、安全性研究、晶型预测、生物标志物发现等。

临床研究阶段：临床试验设计、受试者筛选、临床结果预测、临床数据处理等。

其他：生产工艺开发、注册申报、学术推广等。

猎药人俱乐部团队制作

国内AI赋能制药企业概览

猎药人俱乐部团队制作

一

AI+药物发现

AI赋能药物发现阶段的很多步骤，包括靶点开发或验证、药物筛选及优化以及药物分子合成路线设计等，AI技术目前发展较为成熟的应用场景包括：靶点开发或验证、药物筛选、分子合成等，例如药物牧场、丹码生物、剂泰生物等企业利用专门的技术平台进行靶标开发或者药物设计。近年来，深度学习在新生肽序列和蛋白质鉴定上上取得了进展，大型语言模型应用于蛋白质功能预测以加速药物发现也获得了进步，在这些领域我们国家也迎来了一些新锐企业，例如由世界顶尖大学背景的海归博士创办的珞米生命科技，其致力于AI赋能蛋白质组学数据挖掘和应用；如华深智药、分子之心等企业专注于AI赋能蛋白质预测。

在药物发现阶段提供AI技术的企业以AI CRO、AI Biotech或者二者的混合。以AI CRO为主要商业模式的这类企业，大部分由高校的科研成果转化而来，例如燧坤智能、立妙达等，也有以晶泰科技为代表的名校博士、海归科学家创建的企业。这类企业擅长药物靶点发现、先导化合物优化及临床前候选药物并将部分研究成果出售给药企进行商业转化，而AI Biotech则主要是自己推进管线。

另外，有一些企业的创始团队是互联网大厂+算法背景，如来自百度或者腾讯的前员工搭建的百图生科、深势科技、云深智药、望石智慧等企业。这类企业往往专注于提供AI辅助药物开发算法平台，在算法模型的搭建、高通量筛选等方面更有技术性。

猎药人俱乐部团队制作

代表性企业：

药物牧场

成立于2015年，2023年5月完成C轮首批融资，总额为2700万美元。该公司依托IDInVivo⁺和MedChem5两大核心技术平台，结合遗传学和人工智能技术，发现多个先天免疫新靶点，开发针对乙肝、肿瘤和自身免疫疾病的创新疗法。

IDInVivo技术平台基于转座子进行基因筛选，在具有完整免疫系统的活体动物中直接发现新药物靶点。MedChem5利用深度学习技术进行药物分子的设计。二者叠加赋能创新靶点发现和AI药物设计。

目前，在药物牧场的管线中，针对乙肝和肝癌的一款口服ALPK1激动剂，DF-006跑在最前面，处于临床1期阶段，该候选药物能有效激活肝脏先天免疫，从而产生强大的免疫功能应答。口服ALPK1激酶抑制剂DF-003被选作肾病、心血管疾病、罕见眼科遗传疾病ROSAH的候选治疗药物，在美国获批IND，临床1期即将启动。

二

AI+临床前研究

在临床前研究阶段，药物需要经过CMC、药代动力学评估、安全性药理研究、毒理研究、制剂开发等多项工作，旨在对临床候选药物进行验证，评估其可转化性。国内，AI技术主要运用于ADMET 性质预测、安全性优化，如费米子科技、智睿医药等企业。其次有晶体预测、生物标志物发现等场景，近年来，蛋白质组学在生物标志物的预测上成为临床研究的主要焦点，国内的焕一生物专注这一领域的研究的企业之一。

本阶段主要包含AI CRO和AI Biotech两种商业模式。跟药物发现阶段的AI CRO企业不同的地方在于，在临床前研究阶段的AI CRO企业不仅能够完成临床候选药物发现，同时还需要将其进行多维度的实验评估验证，以证明其是具备进入临床IND申报的有效化合物。

猎药人俱乐部团队制作

代表性企业：

剂泰医药

受限于传统药物研发的技术瓶颈，临床上仍存在大量“不可成药”的疾病，成立于2020年剂泰医药率先切入了“AI+药物递送“这一未来药物研发的关键环节，利用行业领先的AI+药物递送及药物发现技术从事突破性核酸药物和小分子新药的研发。

截至目前，剂泰医药以AI数据驱动算法、机制驱动的量子力学和分子动力学模拟以及高通量实验平台等作为底层技术，已成功搭建了三大技术平台：AI驱动小分子制剂设计平台（AiTEM）、AI驱动核酸递送系统设计平台（AiLNP）和AI驱动mRNA序列设计平台 (AiRNA)。并通过三大技术平台快速搭建了10余条药物管线，涵盖小分子药物和以mRNA为基础的核酸药物，适应症包括中国及全球临床需求较大的适应症领域，如肿瘤、中枢神经系统及肝病等。此外，剂泰药物还通过共同开发管线或通过技术平台对外授权的合作方式与国内外顶尖药企开展深入合作。

基于其核心技术平台AiTEM的MTS004口崩片是剂泰医药研究进度最快的产品，该产品于2022年6月获批临床，目前处于临床3期阶段。该平台可规模化设计剂型处方空间，产生万级处方/周，并在一个月内得到最优处方解。通过开发固体分散体、凝胶、自乳化、纳米乳等剂型，或采用难溶化合物增溶等方式，以解决药物难溶、难渗透等问题。

三

AI+临床研究

临床研究阶段是药物开发的最重要的环节，也是时间和资金投入最多的环节，将一种新药推向市场需要 10～15 年的时间，平均研发费用约 15～20 亿美元，大约一半的时间和投资用于临床试验。临床试验阶段的失败率极高，导致临床试验失败的因素有患者队列和招募机制不当，致使试验样本不足或样本不具有代表性；数据采集和处理不准确、临床终点检测不完整等问题，进而影响试验的科学性和准确性。

AI 可以帮助克服当前临床试验设计的这些缺点。自然语言处理和机器学习可以改善临床试验的设计、管理、监测和招募。它们可以从各种结构化和非结构化的数据类型中提取信息，并找到符合临床试验入组标准的受试者。此外，它们可以关联各种大型数据，找到变量之间的潜在关系，从而改进患者与试验的匹配情况，以及在试验过程中自动连续监测患者试验，从而可以改善依从性控制并产生更可靠和有效的终点评估。

在临床阶段，目前国内AI赋能的场景较为有限，集中在临床设计，约6家企业布局，如冰洲石生物、哲源科技、普瑞基准等企业专注于使用AI技术进行临床试验的设计及优化；其次临床试验受试者筛选和临床结果预测，分别有2家企业布局，以蛋白质组大数据技术为基础的西湖欧米利用其AI制药平台助力临床试验分析与结果预测。国内AI 的应用并未完全打开。

目前我国已经有24款AI药物推到了临床试验阶段，涉及14家企业，其中临床1期的有15款，步入中后期（临床2期和3期）的共7款。这些企业的创始团队均有海归博士、大型药企工作经验，尽管全球范围内尚无AI药物上市，但是国内药企可以借鉴国外起步较早的AI赋能经验，助力国内临床试验的往前推进。

猎药人俱乐部团队制作

代表企业：

埃格林

埃格林成立于2019年9月，是一家用AI赋能临床研发的创新药企，3年做出了10条管线，其中5条获FDA批准进入临床试验，包括两项1期，两项2期和一项3期临床试验。这10款管线中有5项属于全新分子，全新适应症与机理，并在全球范围内处于绝对领先地位的Me-Only新药。

其中，EG-007拟用于治疗子宫内膜癌，处于临床3期研究阶段，是国内AI药物研发第一梯队；治疗特发性间质性肺炎的EG-001和治疗细胞因子风暴的EG-009均处于临床1期阶段；EG-301是首款由AI技术开发的用于治疗50岁以上的干性黄斑病变的Me-Only口服新分子药物。

来源：埃格林官网

公司自主研发的妙悟AI研发平台能满足从寻找药物靶点所对应的分子，合成和优化、制剂开发、药毒理分析、适应症确认，临床试验设计到NDA申报的全流程计算需求。

此外，埃格林还提供以人工智能为核心的创新药临床试验设计、海外临床数据管理等新药开发服务和咨询服务。

近期，埃格林与老牌CRO博济医药达成合作，利用人工智能（AI）在临床试验领域展开战略合作，在多个疾病领域共同推进创新药物的高效临床研发和商业化。

为了揭开优秀业绩背后的故事，我们发现埃格林创世人拥有丰富的FDA评审工作经验，核心技术团队也有知名跨国药企或新药研发经验，所以他们在了解研发动态和与监管沟通上拥有天然优势，为药物的高效临床研发和商业化铺平了道路。

四

AI+其他

AI+药物生产

AI赋能药物生产的场景包括工艺的优化、供应链、原料采购、生产维护等，以便提高制药生产效率和质量。目前AI赋能药物研发服务主要聚焦于药物发现环节，在药物合成的可得性、成本和工艺路线领域的应用甚少，国内AI赋能药物生产的企业有3家：

大湾生物

2019年成立于粤港澳大湾区，总部位于香港科学园，首创“AI+Bioprocessing”概念，致力于将AI赋能于生物工艺全过程。

成立三年时间，大湾生物已经成功完成AlfaCell^®、AlfaMedX^®等多个生物过程智能化项目开发并实现多个产品包的全球商业化推广。在上述创新技术的加持下，细胞株开发成功率大幅提高，同时细胞株开发周期和工作量显著缩减，并已经建立了包含千余种配方的自有知识产权培养基库和定制化培养基开发流程，可为生物工艺开发提供全面支持。目前，AlfaCell^®和AlfaMedX^®等AI平台已经应用于融合蛋白、单抗药物、双特异性抗体药物等多种生物药的快速开发，并开始为基因治疗、工业酶制剂、培养肉、合成生物学等全领域研发提供助力。

胜普泽泰

由多名瑞士多肽制药科学家归国创立于2019年，是一家将药物结构大数据与AI相结合，专注于构建多肽、拟肽（Peptidomimic）以及多肽偶联药物（PDC）从新药发现（CRO）到工业化生产（CMO/CDMO）的一站式AI-CRDMO服务平台。

多肽CRO：其独有的Chemical Space新药发现技术，可用于多肽创新药分子的快速精准发现，多肽创新药涉及抗感染、代谢、肿瘤等领域，其中多个项目已经完成临川候选药物的确定。

多肽CDMO：采用固相-液相组合工艺技术和拉曼-红外工艺过程控制技术，利用AI数据库找到最优的工艺参数，使得每步合成收率达到99.5%，总生产率提高15%，成本降低。比如1kg利拉鲁肽原料药合成可节省成本120万元。

沃时科技

成立于2021年4月，核心研发博士团队成员来自于美国卡内基梅隆大学、麻省理工学院、佐治亚理工学院、香港科技大学和中国科学技术大学等世界著名高校，是一家制药工业场景AI决策平台，聚焦于智能制造和工艺优化等领域，即致力于AI较少涉足的“分子合成”、“工艺设计”、“工艺生产放大”环节等。

AI+注册申报

深度智耀

2017年成立，目前完成B轮融资，是一家打造覆盖药物研发全流程的AI+新药研发平台。当前，公司已大规模商业化的产品有两款，一是智能申报注册平台，解决申报规划、文档翻译、注册运营等大量的人力耗费问题，提升效率。二是药物安全警戒系统，实现不良反应的自动化、快速录入和分析，更好的满足药物安全监管需求，以及药企安全数据积累和挖掘分析需求。

2023年3月，深度智耀成为微软Azure OpenAI商用服务权限的公司之一。此次合作标志着深度智耀获得领先AI技术的加持，进一步巩固其在制药研发文本智能领域的领先地位

小结

国内AI赋能药物研发这一赛道的路越走越宽，从提供特定环节的技术服务到提供端到端的解决方案，甚至覆盖全流程服务。未来，新形态药物递送、临床患者招募分层、虚拟临床试验、真实世界研究等将成为AI赋能新药企业的极具潜力的场景。

伴随AI技术的发展与渗透，加上国家政策的支持，我们对AI赋能药物研发充满期待。

参考资料

1.《AI+医疗/医药，未来已来》，中泰泰证券研究所

2.《人工智能系列白皮书--人工智能与药物发现》

3. 各大公司官网

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

点击查看作者最近其他文章