AI赋能药物研发，中国药企进展到了哪里？

View :1562

来源 | 动脉网

作者 | 胡琦玥

从最初的技术积累与商业模式探索，到临床前候选药物与药物管线的验证交付，在经历近十年的发展后，数十家AI+药物研发型企业在国内陆续成立。
一个工业赛道，在短时间内忽然变得拥挤。
AI技术加入医药研发的主要原因是医药工业的研发成本已经到了难以容忍的程度，同时随着人工智能技术的不断成熟，为AI进入医药研发流程带来了一批新的生力军， 如AI专家，计算机硬件工程师等。这批医药工业的新人虽然不具有医药工业的研发知识，但他们将把一批全新的技术和思维带入了医药工业。
在如今这一崭新的医药研发领域，AI技术催生出了哪些新商业模式？AI技术在赋能药物研发中究竟覆盖了哪些应用场景？由AI技术赋能的药物研发都推进到了哪个阶段？AI+药物研发企业在激烈竞争下，未来的突破口可能又在哪里？
本文选取了该赛道74家企业进行盘点分析。

点击查看大图

♦ 从SaaS到AI CRO，再到AI Biotech，商业演化反应行业进化

2014-2017年，我国第一批AI+药物研发企业成立，AI技术在药物研发行业的技术开发与商业模式探索随之展开。该时期的企业主要通过提供AI计算工具来辅助药物开发，SaaS服务为该时期的典型商业模式。
2018-2019年，最早一批AI+新药企业基本完成前期技术积累，并陆续开始获得临床前候选药物（Pre-clinical candidate, PCC）一类的验证性成果。
这一时期，部分AI+药物研发企业为药企或药物研发CRO企业提供更具广度和深度的端到端AI技术服务。一种新的商业模式开始出现：AI+CRO。
2020年后，行业进入快速发展阶段，赛道开始逐步拥挤。AI+新药企业与药企的合作频次、合作范围、合作深度不断拓展，部分AI+药物研发企业也开始进行独立的药物管线全流程应用与开发，即商业模式为AI Biotech的企业开始出现。
至此，SaaS、AI CRO与AI Biotech，成为我国目前AI+新药企业的三种主要商业模式。这三种商业模式的发展演化，也从侧面放映了我国AI+药物研发企业的发展。

♦ 药物发现阶段企业占70%，仅有两家企业的自有候选药物进入中晚期临床试验

落实到新药的研发流程，主要包含药物发现阶段、临床前研究（药理和毒理为主）和临床试验三个阶段，其中除药物发现阶段外，后续两个阶段均受到不同程度的法规监管。
例如：某一款候选药物在几只动物体内引起的神经毒性或肾毒性，足以让监管机构拒绝该候选药物进入一期临床试验。而临床上的任何试验程序，伦理和设计都必须受到监管机构的严格监控。
据不完全统计，目前我国AI+药物研发企业中，约70%企业的业务处于药物发现阶段，而进入到临床前研究阶段和临床试验阶段的企业仅占约15%。
总体来说，从药物发现到临床试验，我国AI技术赋能药物研发在技术层面已经逼近 “终点”，“跑得较快” 的企业已经进入到中后期临床试验阶段。

◊ 药物发现：SaaS、AI CRO企业主导，比算法、比交付

从具体研发流程来看，在最基础的药物发现阶段，主要分为：药物靶点以及生物标志物的选择与确认、先导化合物的确认、构效关系的研究与活性化合物的筛选、临床前候选药物（PCC）的选定，4项步骤。
针对该阶段的相应步骤，AI技术目前发展较为成熟的应用场景包括：虚拟筛选、分子生成、靶点发现及验证、ADMET预测、药物重定向等，提供相应技术的企业主要以SaaS、AI CRO，以及SaaS与AI CRO混合商业模式为主。同时也有近两年刚刚成立的Biotech企业。
以SaaS服务模式提供AI辅助药物开发算法平台的企业，其创始团队大多是在计算机算法、物理、数学等领域的高精尖人才，或者是由大厂亲自 “下场” 搭建。
该种商业模式下，搭建算得更准的算法模型、开发考虑更全的结构模拟、迭代通量更高的虚拟筛选、提供操作更简的使用感受等，是企业间始终在自我突破、互相竞争的几个方面。
以 AI CRO 为主要商业模式的企业，大部分是著名高校的科研成果转化而来，也有由世界名校博士创建的企业。不同于计算服务提供商，该类企业擅长的是发现成药靶点、先导化合物或PCC，并将此部分研究成果面向药企等进行商业转化，合作推进药物研发管线。
部分 AI CRO 企业采取与SaaS企业进行合作的形式，结合双方的技术优势，投入更多的技术与时间到PCC发现，以及与药企合作管线的推进中。经过积累，在未来，这部分企业也是非常有潜力开设自研药物管线的。
同时，在这一阶段也有部分SaaS企业近年来开始向AI CRO模式进行探索。这部分企业主要优势在于其十分注重 “AI+BT” 的复合型人才团队，由此激发了企业的更多可能性。

◊ 临床前研究：AI CRO、AI Biotech主导，比IND获批的成熟度、差异化

继药物发现之后，药物研发开始进入法规监管流程，包括临床前研究和临床试验两个阶段。
在临床前研究阶段，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，5项主要工作，目的是对PCC进行验证，评估其可转化性。
本阶段主要包含AI CRO和AI Biotech两种商业模式。区别于药物发现阶段的AI CRO企业，在临床前研究阶段的AI CRO企业不仅能够完成PCC发现，同时还需要将PCC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。
总体而言，AI Biotech 是该阶段的主要商业模式，即其自有管线目前已经完成药物发现，确定了PCC，即将或正在进行IND申报。这部分企业大多在2018年后成立，这意味着仅约3年时间即可确认PCC，完全证明了AI技术在药物发现阶段的技术可行性。AI技术对药物开发 “降本增效” 的更大潜力，足以想见。

◊ 临床试验：AI Biotech主导，比合规、比进度、比临床试验成功率

当化合物通过了临床前实验后，需要相关药检部门通过IND申请，或获得伦理评审委员会的批注，方可展开I期临床试验。
可喜的是，我国目前已经有12家AI Biotech企业将自研管线从药物发现推进到了临床试验阶段，其中10家处于I期临床，2家已经进入到了中后期临床试验。这部分企业半数为成立于2014-2017年的第一批AI+药物研发企业。
值得注意的是，很多这样的企业在创始团队中均拥有来自海外高校、研究机构或大型药企的相关人才或支持。
尽管全球范围内目前尚无AI赋能研发的药物获批上市，但相较于国内，AI技术赋能药物研发在国外起步更早，进入到临床试验阶段的企业更多，可参考借鉴的经验也就更丰富。
之所以这一阶段需要参考经验与多元支持，是因为临床试验阶段的失败率极高。
众所周知，I期临床试验的主要目的是确定药品的安全性。大约60%的候选药品在这个阶段失败。失败的主要原因包括：体内毒性过高，药物的 “安全窗” 过小，以及主要靶器官出现的不可逆毒性。有人称这部分试验是医药研发的 “死亡之谷”。
提升临床试验阶段的推进速度、选择合适的药效评价模型、判定合理的适应症应用、制定合规的临床试验计划，每一步都十分重要，不仅需要企业有过硬的AI和药物研发能力，更是考验企业在这一高监管阶段对于相关法规注册程序和关键点的熟悉和理解，以及开展临床试验的能力。
同时也必须指出，开发有迫切临床需求的候选药品是任何进入II期临床药品的关键。例如，埃格林开发的两款创新候选药品，一款是用于治疗眼底干性黄斑病变，一款是用于治疗产科的先兆子痫。而上述两个临床适应症目前均属于无药可治的临床疾患。

中国医药工业已经被那种数十个，甚至上百个某种 First in Class 的候选药品的现象困扰已久，“候选冠军” 也会因为迟迟无法完成临床转化而面临失去意义的风险。

♦ AI应用场景向后延伸，加速进入监管流程是趋势也是必然

回顾AI技术赋能我国药物研发的近十年，伴随商业模式的不断演化，也反映出我国创新药企业在AI+药物研发这一赛道上越跑越宽、越跑越远的良好态势。
传统药企和互联网大厂的入局使得这条赛道近年来愈发拥挤，特别是在进入药品监管前的药物发现阶段，竞争在日益加剧。
长远来看，AI制药的CRO模式会趋于同质化，亲自下场做药会是提高企业附加值的商业模式，当然也是对企业的人工智能研发能力、药物临床能力及法规理解能力的多重考验。
横向来看，企业间相互竞争的是市场、是速度、是准度。纵向而言，加速药物管线的切实推进，以及打通AI技术在全药物研发流程的应用场景，考验得更多的是企业的 “端到端” 能力。
面临如此多维度的挑战，将AI技术 “降本增效” 的优势辐射至整个药物研发流程，实现更多的 “First in Class”、“Best in Class” 的药物获批上市，SaaS、AI CRO和AI Biotech企业的目标始终不曾改变，脚步从未停下。
放眼全球，AI对临床前研究和临床试验方面的技术探索也已经起步。剂型设计、新形态药物递送、临床患者分层、临床试验设计优化、临床结果预测、虚拟临床试验、真实世界研究等新的AI技术应用场景开始出现。
不难预测，未来不论是AI技术的应用探索，还是AI+药物研发企业的发展重心，均会逐渐延伸至受法规监管的临床前研究和临床试验阶段。

伴随AI技术的发展与渗透，凭借行业内对 “快速推进药物研发” 的坚定追求，我们已经到了可以期待AI药物上市的时候！

来源 | 动脉网

作者 | 胡琦玥

从最初的技术积累与商业模式探索，到临床前候选药物与药物管线的验证交付，在经历近十年的发展后，数十家AI+药物研发型企业在国内陆续成立。
一个工业赛道，在短时间内忽然变得拥挤。
AI技术加入医药研发的主要原因是医药工业的研发成本已经到了难以容忍的程度，同时随着人工智能技术的不断成熟，为AI进入医药研发流程带来了一批新的生力军， 如AI专家，计算机硬件工程师等。这批医药工业的新人虽然不具有医药工业的研发知识，但他们将把一批全新的技术和思维带入了医药工业。
在如今这一崭新的医药研发领域，AI技术催生出了哪些新商业模式？AI技术在赋能药物研发中究竟覆盖了哪些应用场景？由AI技术赋能的药物研发都推进到了哪个阶段？AI+药物研发企业在激烈竞争下，未来的突破口可能又在哪里？
本文选取了该赛道74家企业进行盘点分析。

点击查看大图

♦ 从SaaS到AI CRO，再到AI Biotech，商业演化反应行业进化

2014-2017年，我国第一批AI+药物研发企业成立，AI技术在药物研发行业的技术开发与商业模式探索随之展开。该时期的企业主要通过提供AI计算工具来辅助药物开发，SaaS服务为该时期的典型商业模式。
2018-2019年，最早一批AI+新药企业基本完成前期技术积累，并陆续开始获得临床前候选药物（Pre-clinical candidate, PCC）一类的验证性成果。
这一时期，部分AI+药物研发企业为药企或药物研发CRO企业提供更具广度和深度的端到端AI技术服务。一种新的商业模式开始出现：AI+CRO。
2020年后，行业进入快速发展阶段，赛道开始逐步拥挤。AI+新药企业与药企的合作频次、合作范围、合作深度不断拓展，部分AI+药物研发企业也开始进行独立的药物管线全流程应用与开发，即商业模式为AI Biotech的企业开始出现。
至此，SaaS、AI CRO与AI Biotech，成为我国目前AI+新药企业的三种主要商业模式。这三种商业模式的发展演化，也从侧面放映了我国AI+药物研发企业的发展。

♦ 药物发现阶段企业占70%，仅有两家企业的自有候选药物进入中晚期临床试验

落实到新药的研发流程，主要包含药物发现阶段、临床前研究（药理和毒理为主）和临床试验三个阶段，其中除药物发现阶段外，后续两个阶段均受到不同程度的法规监管。
例如：某一款候选药物在几只动物体内引起的神经毒性或肾毒性，足以让监管机构拒绝该候选药物进入一期临床试验。而临床上的任何试验程序，伦理和设计都必须受到监管机构的严格监控。
据不完全统计，目前我国AI+药物研发企业中，约70%企业的业务处于药物发现阶段，而进入到临床前研究阶段和临床试验阶段的企业仅占约15%。
总体来说，从药物发现到临床试验，我国AI技术赋能药物研发在技术层面已经逼近 “终点”，“跑得较快” 的企业已经进入到中后期临床试验阶段。

◊ 药物发现：SaaS、AI CRO企业主导，比算法、比交付

从具体研发流程来看，在最基础的药物发现阶段，主要分为：药物靶点以及生物标志物的选择与确认、先导化合物的确认、构效关系的研究与活性化合物的筛选、临床前候选药物（PCC）的选定，4项步骤。
针对该阶段的相应步骤，AI技术目前发展较为成熟的应用场景包括：虚拟筛选、分子生成、靶点发现及验证、ADMET预测、药物重定向等，提供相应技术的企业主要以SaaS、AI CRO，以及SaaS与AI CRO混合商业模式为主。同时也有近两年刚刚成立的Biotech企业。
以SaaS服务模式提供AI辅助药物开发算法平台的企业，其创始团队大多是在计算机算法、物理、数学等领域的高精尖人才，或者是由大厂亲自 “下场” 搭建。
该种商业模式下，搭建算得更准的算法模型、开发考虑更全的结构模拟、迭代通量更高的虚拟筛选、提供操作更简的使用感受等，是企业间始终在自我突破、互相竞争的几个方面。
以 AI CRO 为主要商业模式的企业，大部分是著名高校的科研成果转化而来，也有由世界名校博士创建的企业。不同于计算服务提供商，该类企业擅长的是发现成药靶点、先导化合物或PCC，并将此部分研究成果面向药企等进行商业转化，合作推进药物研发管线。
部分 AI CRO 企业采取与SaaS企业进行合作的形式，结合双方的技术优势，投入更多的技术与时间到PCC发现，以及与药企合作管线的推进中。经过积累，在未来，这部分企业也是非常有潜力开设自研药物管线的。
同时，在这一阶段也有部分SaaS企业近年来开始向AI CRO模式进行探索。这部分企业主要优势在于其十分注重 “AI+BT” 的复合型人才团队，由此激发了企业的更多可能性。

◊ 临床前研究：AI CRO、AI Biotech主导，比IND获批的成熟度、差异化

继药物发现之后，药物研发开始进入法规监管流程，包括临床前研究和临床试验两个阶段。
在临床前研究阶段，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，5项主要工作，目的是对PCC进行验证，评估其可转化性。
本阶段主要包含AI CRO和AI Biotech两种商业模式。区别于药物发现阶段的AI CRO企业，在临床前研究阶段的AI CRO企业不仅能够完成PCC发现，同时还需要将PCC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。
总体而言，AI Biotech 是该阶段的主要商业模式，即其自有管线目前已经完成药物发现，确定了PCC，即将或正在进行IND申报。这部分企业大多在2018年后成立，这意味着仅约3年时间即可确认PCC，完全证明了AI技术在药物发现阶段的技术可行性。AI技术对药物开发 “降本增效” 的更大潜力，足以想见。

◊ 临床试验：AI Biotech主导，比合规、比进度、比临床试验成功率

当化合物通过了临床前实验后，需要相关药检部门通过IND申请，或获得伦理评审委员会的批注，方可展开I期临床试验。
可喜的是，我国目前已经有12家AI Biotech企业将自研管线从药物发现推进到了临床试验阶段，其中10家处于I期临床，2家已经进入到了中后期临床试验。这部分企业半数为成立于2014-2017年的第一批AI+药物研发企业。
值得注意的是，很多这样的企业在创始团队中均拥有来自海外高校、研究机构或大型药企的相关人才或支持。
尽管全球范围内目前尚无AI赋能研发的药物获批上市，但相较于国内，AI技术赋能药物研发在国外起步更早，进入到临床试验阶段的企业更多，可参考借鉴的经验也就更丰富。
之所以这一阶段需要参考经验与多元支持，是因为临床试验阶段的失败率极高。
众所周知，I期临床试验的主要目的是确定药品的安全性。大约60%的候选药品在这个阶段失败。失败的主要原因包括：体内毒性过高，药物的 “安全窗” 过小，以及主要靶器官出现的不可逆毒性。有人称这部分试验是医药研发的 “死亡之谷”。
提升临床试验阶段的推进速度、选择合适的药效评价模型、判定合理的适应症应用、制定合规的临床试验计划，每一步都十分重要，不仅需要企业有过硬的AI和药物研发能力，更是考验企业在这一高监管阶段对于相关法规注册程序和关键点的熟悉和理解，以及开展临床试验的能力。
同时也必须指出，开发有迫切临床需求的候选药品是任何进入II期临床药品的关键。例如，埃格林开发的两款创新候选药品，一款是用于治疗眼底干性黄斑病变，一款是用于治疗产科的先兆子痫。而上述两个临床适应症目前均属于无药可治的临床疾患。

中国医药工业已经被那种数十个，甚至上百个某种 First in Class 的候选药品的现象困扰已久，“候选冠军” 也会因为迟迟无法完成临床转化而面临失去意义的风险。

♦ AI应用场景向后延伸，加速进入监管流程是趋势也是必然

回顾AI技术赋能我国药物研发的近十年，伴随商业模式的不断演化，也反映出我国创新药企业在AI+药物研发这一赛道上越跑越宽、越跑越远的良好态势。
传统药企和互联网大厂的入局使得这条赛道近年来愈发拥挤，特别是在进入药品监管前的药物发现阶段，竞争在日益加剧。
长远来看，AI制药的CRO模式会趋于同质化，亲自下场做药会是提高企业附加值的商业模式，当然也是对企业的人工智能研发能力、药物临床能力及法规理解能力的多重考验。
横向来看，企业间相互竞争的是市场、是速度、是准度。纵向而言，加速药物管线的切实推进，以及打通AI技术在全药物研发流程的应用场景，考验得更多的是企业的 “端到端” 能力。
面临如此多维度的挑战，将AI技术 “降本增效” 的优势辐射至整个药物研发流程，实现更多的 “First in Class”、“Best in Class” 的药物获批上市，SaaS、AI CRO和AI Biotech企业的目标始终不曾改变，脚步从未停下。
放眼全球，AI对临床前研究和临床试验方面的技术探索也已经起步。剂型设计、新形态药物递送、临床患者分层、临床试验设计优化、临床结果预测、虚拟临床试验、真实世界研究等新的AI技术应用场景开始出现。
不难预测，未来不论是AI技术的应用探索，还是AI+药物研发企业的发展重心，均会逐渐延伸至受法规监管的临床前研究和临床试验阶段。

伴随AI技术的发展与渗透，凭借行业内对 “快速推进药物研发” 的坚定追求，我们已经到了可以期待AI药物上市的时候！

问询（英文）

公众号