吃药吗？AI 造的！

李时珍是明代的神医，真正的药圣，尝百草，参考各种药学古籍，花费二十七年著述《本草纲目》，只为给后人留下一座药物宝库供参考，润泽无数后人；药王孙思邈也是救疾济危般的圣人，《千金要方》里八百多种药草，六千五百种药方都是遍寻名山大川历经数十年的求索探访积累下来的，让后辈受益无穷。

古代医者先贤们不为名利，只为解救苍生疾苦，怀抱利益众生的信念，以身试药，呕心沥血花费一生的精力去更新药方，成本极大。现代制药的过程说起来也是一把辛酸泪，造新药的过程复杂艰难，没有个数十年的积累和数百亿资金的支持，制备新药只能是梦境花园。

药物研发效率低下是医疗领域自古的难题，数字时代技术的飞速发展，5G、云计算、AI 技术协同螺旋上升，新技术让制药领域看到了一些革新的曙光，药企们都积极拥抱这个新的变化，愿意躬身一试，创造新的化合药物和增量市场。

溯源新药研发

对于现代人来说，医疗条件变得越来越好，人均寿命逐渐增加，人们非常关注健康养身领域，再加上环境与生活的影响，疾病的种类逐渐增多，各类药物的需求增大，疫情黑马的搅局，让人类更加没有安全感，加速了医疗设备与新型药物的需求。

现代制药的新药研发流程主要包括药物发现（2-？年，时间不定）、临床前研究（2-4 年）、临床试验（3-7 年）、监管审批上市（1-2 年）四个阶段。一款新药从诞生到上市用于治疗，需要花费十年以上的时间，数亿美元的资金，并且其成功研发率还很低，据悉，每年上市的新药仅数十种。

传统的化合制备方法在药物发现的阶段，寻新靶向药困难，通过原始的方法挨个寻找试验，困难重重，成功率极低，依赖的是研究人员的灵感和运气，哪怕是找到新的靶向药了，还会有新事故的发生，药物研发流程可能走了一大半，到了后面试验或者上市检测环节出现问题，前功尽弃。药物研发率低是制药最大的痛点，寻找新药需要新技术的辅助。

AI 技术中的机器学习、深度学习、自然语言处理等技术能够提高制药数据、信息的处理效率，对于药物研发过程中的新药发现，可以代替研究人员有限的知识储备和想象力，发现原来很难、甚至不可能发现的靶点，这也是 AI 在制药领域最大的价值点，AI 还可以预测候选药物的性能如药物的吸收、代谢、毒性、不良反应等，缩小后期实验范围，降低临床失败概率，大幅降低新药研发的时间、资金成本。

新药研发商业化道路的桎梏

在新药研发的过程中，AI 技术分别在药物发现、临床前研究、临床试验、检测等流程中有大的优化空间去提升效率，AI 的切入将可为这些环节提供更优的解决方法。

新药的早期发现是目前 AI 着力较多的领域，在新药发现的阶段，AI 可以分析、阅读大量理化数据、期刊文献成果、临床数据等，从化学和生物分子层面的筛选优化发现可能的突破口。比如 AI 可以预测疾病靶点、成药靶点、药物结构与活性的关系等。

在大规模临床试验阶段，优化药物反应试验、选择受试人群、药物警戒和数据查询等并评估通过人类临床试验的可能性。这些优化工作也将是大多数 AI 制药企业的核心价值。

AI 为制药业带来了便利，但是技术的实现并非易事，主要的制约来自数据量有限，算法模型不够准确，复合型背景人才的缺失。

目前药物研发还处于早期搭建基础设施的阶段，医疗行业的数据与其他行业不同，有效的、有价值的数据是企业核心的商业机密与发展命脉，不便对外公布，行业目前使用的公开数据主要是 PubChem、ChEMBL 等，其他的数据都是在科研机构与药企自己手里，数据不够再加上数据孤岛不便打通的困境，大家能够使用的数据非常有限。而 AI 技术又是一个数据饕餮大汉，需要喂养的数据越多越好，这样迭代出来的模型才能够越来越准确。数据与算力成为 AI 制药快车道上发展的掣肘。

除了数据以外，复合型人才也是高精尖领域发展的障碍之一，AI 与制药领域需要的人才都需要至少十年的培养，而在这个复杂的复合领域里面，不仅需要生物学、化学、AI 算法设计等背景的人才，也需要药剂学、药物临床试验和临床医学等方面的人才协同创新，而同时拥有算法和药物研发背景的人才非常稀缺，这无疑增加了 AI 制药领域的荆棘。

新药研发是个非常复杂的过程，需要创造创新的能力，不像人工智能在其他领域的唯手熟尔的勤加练习就可以有成果，每一个新药的研发，都是对未知领域的突破。明晰了 AI 制药的挑战和数据算力的价值，对于 AI 制药的发展路径也就能够较好的把握。

后疫情时代新风口，AI 制药赛道火热

AI 制药企业在前期需要进行大量的数据与算法的积累，在早期商业化道路上稍显蹒跚。但是 AI 技术本身对于药物的研发来说，具有很大的价值。后疫情时代，有关药物研发、医疗设备的概念股飙升，背后折射的是人们对于健康的看重。

资本持续加注投资，融资数目以及数字金额持续增长翻番，据斯坦福大学发布《人工智能指数》报告显示，2020 年投资于 AI 药物研发领域公司和项目的资金增至 138 亿美元，超过 2019 年同期的 4.5 倍以上。

传统药企和国内巨头企业纷纷发力，要么投资，要么自建平台布局 AI 制药，竞争激烈。国内明星 AI 制药创企晶泰科技背后的投资方就有腾讯的身影。

除了投资外，腾讯在去年九月发布人工智能药物发现平台“云深智药”，平台关于虚拟筛选和 ADMET 性质预测两个工具制药模块已开放免费使用，蛋白质结构预测、分子设计/优化、合成路线规划等模块陆续在上线中。药企、科研机构等不仅能够免费试用平台搭载的核心功能，也可以和腾讯共同开发定制化的 AI 工具，目前腾讯已经和多家药企达成合作。

阿里云与全球健康药物研发中心 GHDDI 合作开发人工智能药物研发和大数据平台，针对冠状病毒的历史药物研发进行数据挖掘与集成，计算靶点和药物分子性质，并跟进新型冠状病毒最新科研动态，为新型冠状病毒科学研究提供重要数据支撑。

百度的百图生科定位于一家生物计算技术驱动的生命科学平台公司，致力于用高性能生物计算和多组学数据技术加速创新药物和早筛早诊等精准生命科学产品的研发。其发布的螺旋桨 PaddleHelix 生物计算开源工具集，提供了包括 RNA 二级结构预测、大规模的分子预训练、药物 - 靶点亲和力预测、以及 ADMET 成药性预测等一系列算法和模型，重点满足生物医药，疫苗设计和精准医疗方面的 AI 需求。

互联网巨头躬身入场 AI 制药，它们的最大优势在于算力和算法，而有关药物领域的人才以及数据池都比较欠缺，而欠缺的这些要素正好是传统药企的核心价值，传统药企国外如默沙东、赛诺菲等，国内如齐鲁制药，海正药业等老牌厂商，他们拥有成熟的药研体系与数据池，研发资金充足、项目经验丰富；双方的牵手也是互相成就的最佳选择，前景可观。

无论传统药企还是腾讯、阿里、百度等互联网巨头跑步入场的姿态，巨头、创企纷纷布局，AI 制药已然成为了风口，目前整个产业也是巨头把控技术与核心数据，因为资源聚集而吃香。不过新晋 AI 创企也在纷争中有一席之地，其商业模式逐渐清晰，与传统药企科研机构合作，出售解决方案或者新药，国外企业如 Exscientia、Atomwise，国内晶泰科技、燧坤智能、星药科技等，他们在信息搜集与整合、靶点筛选、药物设计合成、药物有效性预测以及临床试验数据优化等细分环节中，发挥作用，蓬勃发展的初创企业正在为 AI 制药行业带来全新的视角和分析工具。

从 AI 制药这一概念提出至今，其所赋能的新药研发不断产生突破性进展，国内外企业通过 AI 技术找到了新靶点新药物的案例不少。商业化步伐最快的美国上市企业 Schrodinger，目前有两款 AI 技术制成的新药已经获得 FDA 批准。今年 2 月，AI 药物研发公司 Insilico Medicine 宣布其用时仅 18 个月、投入仅 260 万美元，利用 AI 发现新机制特发性肺纤维化药物，并成功通过多次人类细胞和动物模型实验验证。英国的 Exscientia 公司运用 AI 开发的临床前候选化合物也已在去年进入到临床阶段。

虽然不断有新药研发出来的消息，但是 AI 制药目前还处于早期的爬坡阶段，大家处于尝鲜新技术红利期，各自利用手头的资源跑马圈地，探索发展，竞争的关键就是数据与算法，如何尽快的完成数据的原始积累，优化系统和算法，再不断产出新的优质数据，形成良性闭环，才能在这个竞争势态中跑出来。未来，我们会看到越来越多的新药走到临床开发后期，逐渐上市，也会有更多的靶向药物设计有突破。AI+制药，让商业前景和社会价值尽显。

十年前，谈起 AI 我们可能会想到自动驾驶、智能交互这一天的到来，但是关于创造药物，可能没有料到，因为 AI 技术中立的性质，也能算为现代版的药圣，古医尝遍百草，AI 算尽新药，科技向善，面向医疗领域就是济世苍生。