人工智能是賦予計算機感知、學習、推理及協(xié)助決策的能力,從而通過與人類相似的方式來解決問題的一組技術。利用AI技術在自然語言處理、圖像識別、深度學習和認知計算等方面的優(yōu)勢,可以協(xié)助藥物專家提高新藥研發(fā)各個環(huán)節(jié)的效率。

簡單來說,AI主要可以幫助人類找到難以發(fā)現(xiàn)的潛在關系和利用算法來增強計算能力。AI具備自然語言處理、圖像識別、機器學習和深度學習能力,不僅能夠更快地發(fā)現(xiàn)顯性關系而且能夠挖掘那些不易被藥物專家發(fā)現(xiàn)的隱性關系,構建藥物、疾病和基因之間的深層次關系。在計算方面,AI具備的強大認知計算能力,可以對候選化合物進行虛擬篩選,更快的篩選出具有較高活性的化合物為后期臨床試驗做準備。

AI在新藥研發(fā)領域主要應用于靶點發(fā)現(xiàn)、化合物合成、化合物篩選、性質預測、晶型預測、患者招募、優(yōu)化臨床試驗設計和藥物重定向等多個應用場景。DEEP KNOWLEDGE ANALYTICS “PHARMA DIVISION” 對全球150家AI制藥創(chuàng)業(yè)公司的分析報告《AI FOR DRUG DISCOVERY, BIOMARKER DEVELOPMENT AND ADVANCED R&D LANDSCAPE OVERVIEW 2019 / Q1”》指出,聚焦于利用AI進行藥物設計的公司最多,其次是數(shù)據(jù)收集和分析。

AI賦能藥物研發(fā)公司總覽

AI賦能藥物研發(fā)領域繁榮的背后邏輯

新藥研發(fā)面臨著研發(fā)周期長,成功率低,費用高的問題,提升cost effective是當前藥企發(fā)展的重要議題,AI會是一個強有力的突破點,也因此近年在AI制藥領域誕生了數(shù)百家的創(chuàng)業(yè)公司。

從全球醫(yī)藥市場銷售額看,2017年已經(jīng)突破12000億美元,預計到2021年銷售總額可達到14750億美元2012～2021年的年均復合增長率為4．9%。而同時期中國醫(yī)藥市場的銷售額將從2012年的770億美元增長到2021年的1780億美元,年均復合增長率達到9．8%,是全球醫(yī)藥市場的2倍。這表明全球醫(yī)藥市場在穩(wěn)步增長,而中國醫(yī)藥市場的增長更快,具備更好的發(fā)展?jié)摿Α?/p>

2012年-2021年 全球和中國醫(yī)藥市場銷量變化情況

雖然醫(yī)藥市場在穩(wěn)定增長,但是藥物研發(fā)成本越來越高。EvaluatePharma2019年的報告顯示,2018年全球藥企的研發(fā)費用達到了1790億美元,預計2024年會達到2130億美元,年復合增長率約3%,約占銷售收入的20%。研發(fā)成本日益增高,是藥企的重要成本支出。

2010-2014年 全球藥物研發(fā)總成本

從中國的具體情況來說,政府從2015年開始進行了大力的醫(yī)療體制改革,目的是降低醫(yī)保支出,解決看病難看病貴的問題。中國醫(yī)療正在經(jīng)歷從保證基本需求向提高優(yōu)質醫(yī)療醫(yī)藥可及性轉變的過程,即從首先解決有沒有的問題,轉向解決質量和費用的問題。

在制藥領域,2016年3月5日,國務院辦公廳印發(fā)《關于開展仿制藥質量和療效一致性評價的意見》(國辦發(fā)〔2016〕8號),標志中國仿制藥質量和療效一致性評價工作全面展開。

以前中國仿制藥有自己的特點,很多仿制藥與原研藥在質量上有較大區(qū)別,原研藥專利懸崖現(xiàn)象在中國沒有出現(xiàn),藥品價格居高不下,而仿制藥一致性評價政策的實施就是解決藥品質量的問題,使得仿制藥療效與原研一致。2018年開始推行藥品集中采購政策解決藥品價格問題。同年12月6日“4+7”集采中藥品的中標價格大幅下降,平均降幅達到了52%。藥品巨大幅度的降價使得仿制藥的利潤空間非常有限,迫使制藥企業(yè)必須要進行創(chuàng)新藥的研發(fā)才可能贏得繼續(xù)生存發(fā)展的一席之地。

然而創(chuàng)新藥需要大量的資金和時間,考慮研發(fā)失敗的風險,新的數(shù)據(jù)估算一款創(chuàng)新藥成功上市需要26億美元大約14年的研發(fā)周期,大概比2003年增長了145%,巨額的成本是一般藥企難以負擔的,所以有效夠降低藥物研發(fā)成本是藥企的必然之路。也因此AI技術賦能制藥領域備受關注,成為了2019年最熱的話題之一。

AI賦能藥物研發(fā)時間線

從科學的角度來解釋,人類2萬多個可編碼蛋白的基因,其中10%-15%與疾病相關,而可作為小分子藥物靶點的小于700種,容易的靶點已經(jīng)開發(fā)殆盡,剩下的都是難度很高的或者難以成藥的靶點,需要投入更多的時間和經(jīng)濟成本才可能成功。低垂的果實已經(jīng)沒有了,如何找增量以及提高效率成為了當前新藥研發(fā)的主題,能快速摘到深藏或隱藏的果實、又或者將樹葉樹枝變?yōu)楣麑?尋找增量)的公司才是未來制藥領域的贏家。

當前隨著信息技術的迅猛發(fā)展,AI技術正在成為制藥領域潛在有力的突破點。比如利用AI強大的發(fā)現(xiàn)能力尋找新的藥物靶點,藥物重定向,挖掘微生物組寶庫等等應用。雖然仍有很多問題和質疑,但卻是必須要擁抱的未來方向。

AI制藥領域發(fā)展的限制因素

1

學科交叉人才稀缺

AI賦能藥物研發(fā)是一個信息科技賦能傳統(tǒng)行業(yè)的交叉領域,既需要AI的人才也需要懂藥物研發(fā)的人才,同時雙方必須要能夠理解對方的專業(yè)語言和思路,才能很好地配合。

這樣的團隊很難搭建,需要長時間的磨合。相應的人才儲備對應不同的商業(yè)模式,創(chuàng)新藥的開發(fā)鏈條長環(huán)節(jié)多,優(yōu)質人才要熟悉整個過程,某個環(huán)節(jié)的缺失可能會拖慢整個過程,這樣只能單點突破選擇CRO的商業(yè)模式。

2

數(shù)據(jù)獲取難

AI訓練模型需要優(yōu)質的數(shù)據(jù),而新藥領域的數(shù)據(jù)大都在藥企,公開的數(shù)據(jù)比較有限,所以如何獲取優(yōu)質的數(shù)據(jù)是AI制藥初創(chuàng)公司需要解決的問題。能夠跟跨國藥企合作的初創(chuàng)公司在市場上會非常具有競爭力。

中國過去做創(chuàng)新藥的實踐很少,但是近幾年實施了多項政策鼓勵創(chuàng)新藥發(fā)展,呈現(xiàn)了繁榮發(fā)展的態(tài)勢,藥企相關的數(shù)據(jù)雖然不比跨國藥企,但是也在快速積累。另外中國CRO公司(如藥明康德等)發(fā)展迅速,掌握了大量的數(shù)據(jù),尤其是臨床前的研發(fā)數(shù)據(jù)。中國的基礎科研突飛猛進,科研論文數(shù)量已經(jīng)是世界第一,背后也積累了海量的數(shù)據(jù)。AI制藥的初創(chuàng)企業(yè)要積極跟學術界和產(chǎn)業(yè)龍頭合作,獲得優(yōu)質數(shù)據(jù)是立足之本。

3

商業(yè)模式的選擇

新藥開發(fā)周期很長,目前也沒有AI制藥公司宣布利用AI技術開發(fā)的藥物成功上市,AI在新藥開發(fā)上的價值也不易量化評估,在做好長期奮斗的同時,開展一些CRO的業(yè)務來補充公司的現(xiàn)金也是不錯的選擇,不過需要思考好如何處理好CRO和做藥的商業(yè)模式。

公司自己做藥物開發(fā)就是藥企的競爭對手,而CRO模式是為藥企提供服務,兩種商業(yè)模式可能會存在一些利益沖突,所以要想清楚開展這兩種商業(yè)模式的具體環(huán)節(jié),階段,比重等問題。從商業(yè)價值的角度來說,藥物開發(fā)比CRO的市場更大,收益更高,但是對公司的挑戰(zhàn)更大,對人才的要求也更高。

4

開發(fā)強AI,才能更好地體現(xiàn)出AI在藥物開發(fā)中的價值

弱人工智能(Artificial Narrow Intelligence,簡稱ANI)是指僅在單個領域比較牛的人工智能程序。比如的谷歌AlphaGo,便是弱人工智能的典型代表。其特征便是雖然很擅長下圍棋,卻無法與你玩一把飛行棋。

強人工智能(Artificial General Intelligence,簡稱AGI)則是能夠達到人類級別的人工智能程序。不同于弱人工智能,強人工智能可以像人類一樣應對不同層面的問題,而不僅僅只是下下圍棋,寫財報報道。不僅如此,它還具有自我學習、理解復雜理念等多種能力。

也正因此,強人工智能程序的開發(fā)比弱人工智能要困難很多。而藥物開發(fā)涉及環(huán)節(jié)眾多,雖然目前一些環(huán)節(jié)已經(jīng)在應用AI,但是需要強人工智能才能打通各個環(huán)節(jié),更好地賦能制藥領域。

中國AI藥物研發(fā)公司現(xiàn)狀

中國對于創(chuàng)新藥的研發(fā)有著非常強烈的需求,但對創(chuàng)新藥研發(fā)歷史較短,經(jīng)驗不足,而且研發(fā)投入的巨額資金和長周期的風險使得國內藥企對于創(chuàng)新藥開發(fā)既愛又恨。而利用AI技術解決現(xiàn)在創(chuàng)新藥研發(fā)周期長失敗率高的問題有非常好的前景,也因此,在中國誕生了大大小小數(shù)十家專注AI制藥的創(chuàng)新企業(yè)。

中經(jīng)合集團看好AI制藥領域的發(fā)展?jié)摿?也已經(jīng)投資了數(shù)家以不同角度切入制藥領域的“AI+制藥”的公司:

搭建AI技術平臺提高藥物篩選和藥物設計的效率——英飛智藥,開發(fā)真正可以賦能藥物發(fā)現(xiàn)階段各個環(huán)節(jié)的AI技術進行藥物研發(fā);

利用AI從新的作用機制——Panorama,利用深度學習對海量RNA組學數(shù)據(jù)進行分析開發(fā)靶向RNA剪接過程的小分子或者大分子藥物;

新的靶點和組合——Enginebio,全基因功能網(wǎng)絡分析尋找新的靶點和組合;

新的資源寶庫——Deepbiome,利用AI對海量的微生物組數(shù)據(jù)進行分析挖掘,越過微生態(tài)藥階段直接找到背后的小分子藥物。

去年中經(jīng)合集團還收獲了動脈網(wǎng)數(shù)字醫(yī)療十佳投資機構和中國AI藥物開發(fā)投資機構top5的獎項。

Panorama Medicine是一家由風險資本投資的創(chuàng)業(yè)公司,由世界頂尖的計算和實驗RNA生物學家組成的多學科團隊創(chuàng)立。Panorama利用獨有的基因大數(shù)據(jù)分析和深度學習技術加速藥物研發(fā)過程,旨在高效開發(fā)由于RNA剪接異常引起的疾病的藥物。

英飛智藥是一家以創(chuàng)新藥物為目標,以人工智能為驅動的初創(chuàng)公司。英飛智藥在新藥研發(fā)中充分利用并持續(xù)發(fā)展先進的AI藥物發(fā)現(xiàn)技術,打造自主知識產(chǎn)權的AI+新藥研發(fā)平臺—智藥大腦TM。英飛智藥擁有多款候選藥物的成功開發(fā)經(jīng)驗和業(yè)界領先的開發(fā)成功率,將創(chuàng)新候選藥的開發(fā)周期從3-6年縮短到6個月至2年,致力于高效批量開發(fā)自主創(chuàng)新藥物品種,也為醫(yī)藥企業(yè)的新藥研發(fā)提供先進的技術服務和知識產(chǎn)權解決方案。

DeepBiome是由來自Harvard/Broad研究所的團隊創(chuàng)立的一家AI藥物發(fā)現(xiàn)公司。他們聚焦于挖掘人類微生物組這一極具前景和前沿的領域,這是一個基本未被開發(fā)的藥物先導化合物的寶庫。DeepBiome希望利用最新的人工智能(AI)技術,徹底改變目前高成本、低效的藥物發(fā)現(xiàn)過程。

Enginebio是由世界領先的MIT Broad研究所的科學家Tim Lu創(chuàng)立的利用人工智能技術進行藥物發(fā)現(xiàn)的公司。在計算科學、合成生物學和藥物發(fā)現(xiàn)領域的專家領導下,公司將高通量、大規(guī)模并行的生物實驗與高通量計算結合起來,破譯生物醫(yī)學網(wǎng)絡,增強藥物開發(fā)過程產(chǎn)生新的藥物。

參考文獻:

• Mak, K．K．, Pichika, M．R． Artificial intelligence in drug development: present status and future prospects, Drug Discov． Today (2018), https://doi．org/ 10．1016/j．drudis．2018．11．014

• FOR DRUG DISCOVERY, BIOMARKER DEVELOPMENT AND ADVANCED R&D LANDSCAPE OVERVIEW 2019 / Q3,https://www．a(chǎn)i-pharma．dka．global/AI-for-DD-2019-Q3

• AI新藥研發(fā)市場發(fā)展現(xiàn)狀及趨勢報告,動脈網(wǎng)蛋殼研究院

• World Preview 2019, Outlook to 2024, EvaluatePharma

作者:動脈網(wǎng)