人工智能技术正强势进入新药研发领域。过去一个月，AI药物设计技术研发商英飞智药宣布获得新一轮的Pre-A轮融资，以计算设计驱动新药研发的星亢原生物宣布获得3000万美元A轮融资，AI药物研发公司Insilico Medicine首次利用人工智能发现新机制特发性肺纤维化药物……人工智能向制药等医疗健康领域渗透并得到应用，通过AI技术，药品的研发时间和成本缩减。业内人士表示，从医疗领域全景来看，还有很多AI没有介入的领域，很多问题更复杂，需要更长的时间、更系统化的解决方案。

图片来源：Insilico Medicine官网

抢占AI制药赛道

运用AI技术开发新药正成为行业的新方向。过去一个月，英飞智药宣布获得新一轮的Pre-A轮融资，用于升级团队、完善智能药物研发系统和扩充研发管线。星亢原生物宣布获得3000万美元A轮融资，用于夯实人工智能（AI）驱动的创新药研发平台，加速推进公司多款创新药物管线的临床前开发等。

值得一提的是，除数起融资外，人工智能和新药研发的结合取得了新突破。日前，Insilico Medicine宣布其首次利用相互关联的深度学习模型和其他先进的人工智能技术，将生物学和化学结合起来，成功发现了一个新的生物靶点，并生成了能够作用于特发性肺纤维化（IPF）这一难治疾病的一个新的小分子。

在进行了所有必要的人类患者细胞、组织和动物验证实验，证明其是能够作用于新型泛纤维化靶点的首个临床前候选分子药物后，Insilico Medicine目前正为临床开发做准备。

随着制药厂和科技巨头的相继入局，AI制药这一赛道明显升温。2016年11月，强生与AI技术开发和应用公司BenevolentAI合作研发新药。同年12月，辉瑞与医学影像公司IBMWatson Health达成合作，运用AI赋能癌症药物研发。

从国内来看，2019年9月，豪森药业与基于AI技术的药物设计公司Atomwise达成合作，双方计划在多个治疗领域针对11个未公开靶标设计和发现潜在的候选药物。2020年以来，以BAT等为代表的科技巨头通过招募AI药物研发人才、推出药物发现平台等方式入局AI新药研发领域。据不完全统计，2020年国内获得融资的AI药物研发企业达到8家。

AI提速新药研发进程

一直以来，生产效率是新药研发的难题。从药物靶点确定、先导化合物筛选、先导化合物优化再到临床试验等阶段，研发一种新药并推向市场是一个复杂且耗时长的过程。公开数据显示，制药公司为这一过程平均需要花费26亿美元，以及长达10年的研发时间。

其中的临床阶段更是面临高水平的投入，涉及高成本、高风险和严格的合规要求。尽管药物研发人员为保证候选药物的质量付出了巨大的努力，但在临床试验中仍会发生患者因无法预测而产生的副作用等。这些案例会导致项目立即终止，并给制药公司造成巨大损失。

AI赋能药物研发将缩短药物研发的时间，同时降低成本。据了解，从靶点发现到临床前候选药物的发明，Insilico Medicine仅用时不到18个月，便实现了靶点发现、分子生成和通过传统实验验证，动物体内特发性肺纤维化（IPF）疗效确认及安全性评估，总成本约为180万美元，其他纤维化疾病疗效研究总成本约为80万美元，合成和测试了不超过80个小分子化合物。

而传统的药物发现首先是对数万个小分子进行测试筛选，然后进一步合成和测试数百个分子，以便得到少数几个适合临床前研究的候选药物，其中只有大约1/10的候选药物能够最终通过人类患者的临床试验。

徐州经开区招商局局长史周华在接受北京商报记者采访时表示，AI药物研发对创新药项目能够大幅提高效率，通过大数据模型建立小分子筛选机制，可以直接从方案设计阶段去除掉不适合的分子，降低实验费用，减少实验时间。同时数据模型能够从顶层设计角度帮助新药研发建立贯通的产品规划，避免后期实验做过多的分子修饰，补丁过多造成系统崩溃。

行业仍处起步阶段

人工智能向医疗健康领域渗透并应用，但需要指出的是，AI+医疗健康仍处起步阶段。健康界统计数据显示，截至2018年，美国已有60多家初创公司及16家药企运用AI技术进行药物研发。相较之下，国内AI药物研发初创公司不到20家，行业还处于早期发展阶段。

医疗战略咨询公司LatitudeHealth创始人赵衡向北京商报记者表示，国内AI药物研发公司目前多处在A轮融资阶段，且未实现规模化的收入，行业还在起步阶段。

在创新工场董事长兼CEO李开复看来，AI与今天的科学家扮演的是一个合作的角色，AI和人的结合对医疗行业的推动可能会大于人类过去几千年，行业未来的潜力巨大。但如果从1-10分来进行评分，目前AI医疗只能打1分。

同样，在启明创投主管合伙人梁颕宇看来，如果从1-10分来进行评分，目前AI在医疗板块为1分左右。“AI在医疗领域第一个大规模的应用是AI+影像，这也得益于AI图像识别技术发展的成熟，后面慢慢衍生到药物研发的领域，并取得了很好的进展。从医疗领域全景来看，还有很多AI没有介入的领域，很多问题更复杂，需要更长的时间、更系统化的解决方案。”