专访埃格林医药董事长杜涛：更大价值仍在创造，AI进入医药工业远不到“卷”的时候

过去几年，随着AI技术在创新医药领域的大火，国内外的AI创业者蜂拥而至。初创企业如雨后春笋般拔地而起，传统药企、互联网大厂纷纷下场，让“AI赋能药物研发”在短时间内经历了兴起、饱和、内卷和失望。

这把火一直烧到了今年。从2021年国内AI制药行业融资总金额超80亿元，到2022年短暂经历资本寒冬，2023年ChatGPT的出现又让这一领域重新站上了风口。

如今，AI制药技术能够为创新药的研发带来价值已经无人质疑，但目前，我们仍然没有看到一款AI药物上市。一方面，越来越多的资本、创业者跑步进场：如果要从创新药的同质化“内卷”和“双十定律”压力下逃出，那么善于处理、分析复杂数据的AI必定大有可为；另一方面，AI技术在创新医药研发的算力、算法、数据库问题一直没有得到突破性的解决，现阶段AI究竟能将新药研发的效率提升到何种程度仍然需要时间证明。

最近，Open AI首届开发者大会召开，AI似乎已经变得“无所不能”。但在制药领域，AI技术的如何应用仍存在许多问题。AI技术究竟在多大程度和范围上有用？对于一个在严厉监管环境下生存的医药工业，如何面对其产业的发展和不断进步的监管政策？热度居高不下之时，是否会发生“行业洗牌”？……带着这些问题，动脉网有幸与前FDA高级评审官员、深圳埃格林医药董事长杜涛博士进行了对话。

前FDA高级评审官员、深圳埃格林医药董事长杜涛博士

动脉网：AI/ML在制药领域能够发挥多大程度上的作用？

杜涛博士：人工智能（AI）和机器学习（ML）进入医药工业已经有10多年。在过去的五六年间，尽管大家对AI和ML有不同的看法，但都认同他们将是医药工业不可或缺的一项技术。争议点在于AI/ML将会在制药中发挥多大程度的作用。

过去，有人神话这一革命性技术，认为可以解决所有医药工业的问题并产生药物，但这显然是不现实的。FDA与EMA对AI/ML都有着明确的定义，目前的共识是：AI/ML只是一种能够帮助医药工业发展的一个辅助性工具。

10年，10亿美金，10%成功率，这是过去人们对新药研发的核心认知。如何降低研发费用、缩短研发周期、提高研发成功率已经成为整个制药行业的当务之急，随着AI/ML等技术的成熟，将它应用到医药工业中也是大势所趋。

正如礼来CEO David Ricks所说，AI是他在成年以后所见过的最大的、革命性的技术进步，曾经只有另外两个可与之媲美的技术，一个是互联网，另一个是iphone。

在医药领域，它颠覆了传统医药工业从分子靶点的寻找到药理毒理实验，再到每一期临床试验的过程。但我们同时清楚认识到AI不是神器，不能解决医药工业的所有问题，只能帮助解决医药工业的部分问题。

动脉网：在考虑应用AI技术赋能创新药开发时，我们应该谨记哪些要点？

杜涛博士：明确使用AI技术之目的是前提，即开发出有迫切临床需求的药物。使用AI技术最重要目的是提速开发，降低成本，增加成功率，使病人早早地获得那些有着临床需求的药物。如果使用AI技术，不能做出有临床需求的药品，或做药品的时间与费用跟传统技术一样，那使用AI技术就无丝毫意义了。

动脉网：目前AI/ML技术在医药工业领域是不是“过热”了？

杜涛博士：新冠大流行期间，国外大型药企纷纷组建自己的AI团队。时至今日，全球前十的大型跨国药企都有几十甚至上百人的AI团队，发展很快。但AI进入中国的创新药领域相对较晚，且由于新冠大流行导致国内外信息沟通的不顺畅，以致于今天中国的AI制药行业主要集中在药物发现阶段，而非如跨国药企一般将AI应用于医药工业的全流程。这也是让人觉得AI/ML技术在制药领域“过热”的原因之一——大多国内AI制药企业集中在药物发现阶段——市场上却并没有那么多药物发现的需求。

FDA近期发布的指导文件把AI/ML在新药研发的应用分为5个部分，包括药物发现、临床前药理毒理、临床试验、上市后的安全监管，以及AI用于生产。其中大篇幅提到将AI应用于临床试验中，这正是国内公司很少有人涉足的领域。临床研究是医药研发周期中最长和最昂贵的阶段，一般来说，采用传统创新技术推进整个流程，从Ⅰ期到Ⅲ期几乎要用十年的时间，而如果采用AI技术，以埃格林医药的第一款药物，EG-301为例，能够将临床流程缩短一半，使创新药开发更高效。

在国内，埃格林医药是为数不多坚持将AI应用于临床试验开发的公司，这得益于我们在美国拥有的临床办公室。即使是在新冠流行期间，我们也能够迅速跟进和采用国外AI临床试验的进展和数据。从2020年开始，我们便尝试用将AI应用于临床来开发我们的第一个创新药EG-301，同时进行扩充AI团队并将其与医药、法规团队融合，大约用了两年时间推动EG-301获得FDA批准、直接进入了Ⅱ期临床试验。

推进第二个创新药EG-101时，我们当时已经掌握了比较成熟的AI临床开发技术，完成整个流程就只用了半年时间。随着经验的持续累积和对技术的不断打磨，可以预见，未来我们使用AI临床来开发药物会越来越高效。

随着新冠大流行结束，国内外沟通越来越深入和频繁，国内AI技术必将会进入医药创新研发的全流程——从药物发现到药物生产阶段。毕竟如果AI药企只聚焦在药物发现阶段，一旦药物发现阶段结束，创新药开发进入临床前和临床阶段，这些AI药企就几乎和普通的创新药企没区别了。

未来的医药工业中，AI/ML的作用会越来越大，这是不以我们意志为转移的。因此，AI技术在医药工业一点不过热，而是还不够成熟，或者说中国的AI医药工业覆盖面仍然不够广泛。以现在的情况来看，AI在医药工业还处于一个早期阶段，未来将会通过各个AI服务机构与传统医药企业的密切结合，使AI在医药研发流程中的应用越来越广泛。

动脉网：AI应用于临床试验的难点是什么？

杜涛博士：AI用于临床试验阶段的技术难度可能远比AI用于药物发现阶段的难度更高。

目前来讲， AI在新药研究领域主要是药物的发现和一个全新分子药理毒理的预判和推断。而临床阶段要在Ⅰ期到Ⅲ期临床的设计和预判中发挥，按照目前的技术，AI在临床开发上的应用基本上有三个主要部分，分别是适应症的选择，病人的筛选，和临床终点的确定。

首先，适应症的选择并不是疾病的选择，而是选择特定疾病的特定发病时间段和严重程度。比如，新冠肺炎的早期是病毒感染，而晚期造成死亡的原因则是细胞因子风暴，所以治疗新冠早期与晚期的药就肯定不是一种药。换句话说，疾病发病前期和后期实际上是不同的适应症，其治疗的方式也是不同的。

由此，在病人的选择上必须筛选病人所处的疾病进程，而临床终点的确认更是要通过若干种检查指标来确定药物的有效性和安全性。

传统的创新药开发过程中通常是利用临床表型对适应症、病人和临床终点进行选择和确认，AI介入后，整个临床试验设计就会加入新的参考因素——基因型——以“临床表型+基因型”为参考来收集高质量数据，设计临床试验。进一步来说，AI的加入还促进了“逆转化医学”的发展。

传统的研发路径是将基础研究发现付诸实践的过程，通常从了解疾病的发病机制开始，找到对应靶点，根据靶点特性开发出针对性的药物，最后引用于患者。这个过程相当耗时且成本高昂。而“逆转化科学”则另辟蹊径，直接从患者出发，通过基因组学和临床表型分析，用数据作为临床研发的依据和基础，从而开发出更加有效的疗法。相比下，后者的研发效率更高，但需要开发者在有AI数据的基础上，具备极高的临床经验，医学知识和法规背景。

相对一个创新药的研发成本来讲，在新药发现领域花费较少，而且时间较短，而临床的新药开发是一个创新药的研发中用时最长，费用最高，而且成功率较低的一个部分，很容易失败。因此各个国家都在探索AI如何用在临床上发力，希望AI能为临床开发提供更多的技术支持，以使临床开发的周期变得更短，成功率变得更高，费用更低。

动脉网：我们是不是已经到了期待第一个AI药上市的时候？

杜涛博士：关于“第一个AI药”的问题，我们首先要厘清两个概念：“AI+”还是“+AI”。“AI+”是以AI为核心，以科学家为主导去创造商业价值，典型的“AI+”例子就是无人驾驶汽车。而“+AI”是以传统行业为基础，AI赋能传统行业去创造新的商业价值。

对于医药工业来说，AI是助力，是赋能，是强化，而不能替代现有的医药工业技术。在FDA与EMA最近的指导文件中，AI技术作为一种能够助力，而不是替代现有药物研发流程的工具，已经得到了明确的定义。

在我看来，即使AI能够“从头设计”一个新分子，但终归还需要回到医药工业的开发流程中，只凭借AI设计出一款创新药，进而跳过临床试验的可能性不大，其必然要奠定在过往的知识基础、临床数据以及产业规律上。因此，严格意义上来说，AI药物就是只用AI助力现有医药技术所生产的药品。

在新药开发领域，临床研究是一个特别以结果为导向的阶段。现在留给我们的问题就是如何缩短研发的周期，降低研发成本，进而提高研发效率和成功率。据统计，2022年FDA收到了180多个将AI用于临床设计的IND递交，我相信这个数据在2023年还会上升。但临床试验还需要一段时间才能看出结果，AI在临床上有多大的价值暂时还无法预料。可以确定的是，AI必定会在创新药开发中发挥关键作用。未来3-5年内，我们一定会看到AI技术如何提高临床试验成功率的案例报道。

动脉网：AI制药企业在“内卷”吗？

杜涛博士：这种表面上的“内卷”其实是AI制药领域中的企业之间存在着相互模仿的局面，往往是一个赛道有多个企业在做非常相似的事情。国内大概有六七十家药企瞄准了新药分子发现阶段。据我所知，大量AI分子设计服务公司的存在必将会压低这类企业的服务项目价格和商业收益。

因为国内用AI做临床阶段的企业还非常少，对于埃格林医药而言，我还没有感觉到“内卷”。要想“卷”到临床阶段来，团队必须要具备三重能力：医学能力、法规能力、AI能力。如果三重能力中缺少一个，至少不能很好地运用AI去做临床。

此外，人类大约有2万到3万种疾病，但是目前能够被人们有效治疗的疾病不超过1000种，所以实际上还有很多疾病等待人们去开发新的疗法。这也是AI在临床领域距离“卷”比较远的原因——即使我们都在用AI设计临床，但我们每一家聚焦的疾病治疗领域不相同。这是一个非常巨大的战场，每一个细分领域中都存在更多的机会。

动脉网：面对可能发生的“行业洗牌”，企业如何明确自身优势？

杜涛博士：作为一个医药人，一定不要只盯着中国，要看到全世界。看到全世界，才能看到更多的机会。

2022年底的时候，我们讲要用AI做临床，很多人还是半信半疑。但是到今年，已经没有人再质疑AI在临床上的作用了。正如我们一直强调，AI在医药工业的各个领域、各个阶段都有作用，只不过没有充分利用起来，导致只集中在某一个阶段，因此显得有些拥挤。如果能够将目光放到全世界、放到全领域，AI的工业能力就会更充分的显现。

动脉网：最好的商业模式是什么样的？

杜涛博士：这是一个商业思路的问题：发现需求，才能实现价值。即使有需求，如果赛道太拥挤，也没有进入的价值。在埃格林医药在任何项目的立项之初，都要做商业评估，主要考虑三个问题：

一是，这一款药物的市场规模是否足够大，指市场上未来可能为该药付出的费用规模；

二是，这一款药物是否有很多竞争性产品，竞争性产品越多，竞争难度就越大；

三是，这一款药物的开发难度是否太大，即使市场规模足够、竞争性产品少，但开发难度过大的产品也不是一般Biotech所能承受的。

如仅仅复制他人的产品和商业模式、“凑热闹”似的仓促地进入一个领域，带来的必然是恶性竞争，于行业无益，于自身发展也无益。现在我们在国内处于AI临床的领先地位也正是得益于当初坚持的差异化开发思路。