迄今，AI制藥行業(yè)還沒有一款藥物獲批上市。近期以來，全球多款首批用人工智能（AI）設(shè)計的新藥分子在臨床階段遭遇失敗或被剝奪優(yōu)先級，但資本市場對于AI制藥的熱情卻并沒有因此退去。
據(jù)市場機構(gòu)統(tǒng)計，今年三季度，全球AI制藥領(lǐng)域出現(xiàn)了多起大額融資。10月份，全球AI制藥領(lǐng)域有所降溫，但當(dāng)月8家完成新一輪融資的AI制藥相關(guān)企業(yè)所披露總金額仍達到約12.34億元。與此同時，在投資機構(gòu)的名單中，出現(xiàn)了英偉達、紅杉資本等的身影。
資本對于AI制藥相關(guān)企業(yè)的關(guān)注點主要聚集在藥品研發(fā)的早期階段，這也是AI在制藥領(lǐng)域被寄予厚望的部分從1981年被《Discovery》雜志首次報道以來，AI應(yīng)用于制藥領(lǐng)域已經(jīng)有超過40年的歷史。理論上可以賦能藥物研發(fā)從臨床前到臨床試驗各個階段和不同領(lǐng)域的AI算法，目前更多聚焦于靶點發(fā)現(xiàn)、化合物篩癬分子設(shè)計和優(yōu)化等臨床前階段。在國內(nèi)創(chuàng)新藥靶點扎堆、同質(zhì)化嚴重的當(dāng)下，基于深度學(xué)習(xí)技術(shù)的AI，正成為以追求“first-in-class”為目標的創(chuàng)新藥企共同瞄準的新賽道。
然而，AI賦能新藥研發(fā)，既不一定“更快”也不一定“更好”。一方面，AI在制藥領(lǐng)域的應(yīng)用潛力，受制于現(xiàn)代醫(yī)學(xué)中組學(xué)技術(shù)的發(fā)展以及高質(zhì)量數(shù)據(jù)量有多大、算法有多精確；另一方面，仍主要局限于臨床前如疾病機制研究、靶點發(fā)現(xiàn)和虛擬化合物篩選等環(huán)節(jié)的AI，在加速某一個制藥環(huán)節(jié)的過程中，也有可能被另外一個環(huán)節(jié)所稀釋。
第一財經(jīng)近日就AI制藥話題專訪了英矽智能（Insilico Medicine）聯(lián)合首席執(zhí)行官兼首席科學(xué)官任峰。英矽智能是全球較早進入AI+Biotech（生物科技）賽道的玩家之一。
任峰表示，相較于AI分析病例、患者影像的技術(shù)已經(jīng)比較成熟了，AI在生物醫(yī)藥領(lǐng)域的賦能還處在比較早期的階段。但在AI的輔助下，可以充分利用患者組學(xué)數(shù)據(jù)，針對特定疾病發(fā)現(xiàn)可靠的潛力靶點，進而解決行業(yè)內(nèi)卷問題。
AI制藥仍處于輔助性階段
第一財經(jīng)：今年下半年，英矽智能已有一款A(yù)I抗腫瘤新藥以高價實現(xiàn)授權(quán)轉(zhuǎn)讓（license-out）。我了解到這款抗腫瘤新藥今年已實現(xiàn)“中美雙報”，兩國藥審部門對于利用AI技術(shù)研發(fā)的藥品，是否會采取更嚴的標準？
任峰：license-out模式指企業(yè)進行藥物早期研發(fā)，然后將項目授權(quán)給其他藥企做后期臨床研發(fā)和上市銷售，合作中的購買方，主要關(guān)注的是化合物的有效性、安全性和差異化，至于是否是AI生成的，并不是影響其購買意愿和雙方交易金額的主要因素。換言之，AI設(shè)計藥物可以加快項目進展，但就合作伙伴，其本質(zhì)上更關(guān)注的還是化合物成藥的可能性。
至于藥審工作，不管是中國還是美國，有關(guān)部門在新藥臨床試驗（IND）的審評審批工作中，關(guān)注的依然是新藥化合物的試驗室數(shù)據(jù)，包括藥效、毒性和安全性等，也即提供足夠的數(shù)據(jù)證明該款新藥化合物在人體開展試驗是安全并有潛在價值的。至于這個化合物是人工篩選還是機器篩選出來的，并不構(gòu)成影響。
第一財經(jīng)：前述的藥審經(jīng)歷，是不是在某種程度上也反映了AI制藥還處于輔助性的階段，沒有辦法做到一個顛覆性的改變呢？
任峰：目前來說，我們必須承認AI的工具屬性，也就是它會提供很多可能的解決方案，但不能代替人類做出決定。最終需要的還是人類智能和人工智能的配合。怎樣去達成這個配合非常關(guān)鍵，比如AI提供了幾個相對優(yōu)秀的解決思路，如果人類恰巧選擇了其中比較錯誤的那一個，就會帶來麻煩。
相較于AI分析病例、患者影像的技術(shù)已經(jīng)比較成熟了，我認為AI在生物醫(yī)藥領(lǐng)域的賦能還處在比較早期的階段，還沒有一款A(yù)I研發(fā)的藥物成功上市，整個POC（概念驗證，prove of concept）還沒有完成，還沒有完整的行業(yè)最佳實踐可以證明AI研發(fā)藥物的能力。目前AI生成的藥物大多處在臨床1期，部分達到了臨床2期，但也都處于比較早期的階段。
中國的AI制藥起步相對晚一些，傳統(tǒng)藥企還處于觀望的態(tài)度，但也在做一些探索性的布局。
第一財經(jīng)：在當(dāng)前這個工具屬性較強的階段，AI在加速某一個制藥環(huán)節(jié)的過程中會不會被另外一個環(huán)節(jié)所稀釋？
任峰：是有可能的，某個環(huán)節(jié)上的加速可能被其他環(huán)節(jié)的拖延稀釋。AI主要對藥物早期發(fā)現(xiàn)有幫助，從靶點發(fā)現(xiàn)到臨床前候選化合物（PCC）的確定這個過程，可以通過AI縮短研發(fā)周期、降低研發(fā)成本。但在PCC確定之后，程序化的試驗，包括放大試驗、制劑、穩(wěn)定性評估、藥代動力學(xué)、藥效評估、安全性評價等，快的話11~12個月可以完成，慢的話需要18~20個月，因為驗證性實驗的設(shè)計，會造成這個環(huán)節(jié)的耗時差值，可能就把之前節(jié)省的時間消耗掉了。
AI制藥有望打破新藥研發(fā)內(nèi)卷化
第一財經(jīng)：近幾年大語言模型、深度學(xué)習(xí)在制藥領(lǐng)域取得廣泛應(yīng)用。這是否對數(shù)據(jù)體量提出更高的要求？
任峰：從整體上來講，對于AI算法而言，高質(zhì)量的數(shù)據(jù)量越大，算法就越精確，所以AI制藥行業(yè)對于數(shù)據(jù)的態(tài)度是多多益善。然而，受到一些條件限制，部分領(lǐng)域的數(shù)據(jù)樣本量比較少。
在這種情況下，可以利用大語言模型等通用性模型，搭建一個預(yù)先訓(xùn)練好的模型，再將經(jīng)過預(yù)訓(xùn)練的模型應(yīng)用到小樣本量的數(shù)據(jù)上，用這種方式來處理樣本量比較小的目標任務(wù)，讓小樣本量計算成為可能。在這種通用模型出現(xiàn)之前，類似的小樣本計算非常不準確，但當(dāng)今的預(yù)訓(xùn)練通用模型可以在數(shù)據(jù)量偏少的情況下，創(chuàng)造出準確率相對比較高的算法來解決藥物研發(fā)問題，進而賦能生物醫(yī)藥領(lǐng)域。
第一財經(jīng)：根據(jù)你的描述，基于深度學(xué)習(xí)，藥物罕見病適應(yīng)證的拓展和全新靶點的新藥發(fā)現(xiàn)，似乎有更大可能性？
任峰：藥物研發(fā)之所以內(nèi)卷，是因為缺乏優(yōu)秀的靶點，其實大家做分子的能力都很強。比如PD-1的潛力得到驗證之后，現(xiàn)在有了上百個PD-1藥物的臨床。在GLP-1出現(xiàn)之后，國內(nèi)又有95家在做。
有了AI輔助，我們可以充分利用患者組學(xué)數(shù)據(jù)，針對特定疾病發(fā)現(xiàn)可靠的潛力靶點，進而解決行業(yè)內(nèi)卷問題。如果有100個PD-1這樣的明星靶點，就不需要內(nèi)卷了，各大藥企分散來推進研發(fā)就好了。在基因數(shù)據(jù)規(guī)模越來越大的未來，我們有望利用AI在某些疾病領(lǐng)域找到平衡新穎性和可信度的靶點，從根本上消減內(nèi)卷問題。
說到罕見病，之前由于患者群體偏孝投資回報率比較低的問題，大家給這個領(lǐng)域的關(guān)注比較少。另一方面，偏小的患者規(guī)模意味著在臨床試驗招募患者上面臨挑戰(zhàn)。AI出現(xiàn)之后，傳統(tǒng)流程下回報率比較低的罕見病藥物流程可以得到加速，AI也能通過降低整體成本來解決“投入成本難以收回”的擔(dān)憂。
對于很多致命的不可逆轉(zhuǎn)的罕見病，患者可能沒有時間等待一款新藥的研發(fā)。這個時候，AI就可以輔助“老藥新用”研究，在市面上已有的產(chǎn)品中尋找可能對該罕見疾病有效的藥物，盡快讓患者有新的選擇和嘗試機會。
AI制藥對于非腫瘤藥物研發(fā)有同樣潛力
第一財經(jīng)：目前，AI切入的藥物領(lǐng)域可能還是腫瘤類藥物為主，這會不會反而加劇了這個領(lǐng)域的內(nèi)卷趨勢？AI在其他類型藥物研發(fā)中是否具有同樣應(yīng)用潛力，只是藥企沒有更多往這方面投入？
任峰：這個選擇依賴公司技術(shù)平臺的特色，也會根據(jù)當(dāng)前市場情況有調(diào)整。
舉例來說，之前AI制藥公司和傳統(tǒng)藥物研發(fā)公司都不會花費太多精力研發(fā)抗病毒藥物，但新冠疫情帶來了“抗病毒常態(tài)化”的概念，也改變了這個格局，讓更多公司聚焦在抗呼吸道病毒藥物的研發(fā)，而不是傳統(tǒng)的甲肝、乙肝、丙肝等病毒。
對于擁有技術(shù)平臺的AI制藥企業(yè)而言，選擇這些項目，一方面和公司技術(shù)平臺的特色有關(guān)，另一方面也和外部企業(yè)的合作意愿有關(guān)。
對于沒有生物學(xué)平臺、聚焦化學(xué)平臺的公司而言，一般會選擇短時間內(nèi)見效的，或者比較容易做的適應(yīng)證，大多數(shù)就會選擇癌癥入手。原因在于，癌癥藥物可以在臨床1期就用到患者群體，很快看到療效。對于其他的慢性病，臨床1期都是健康人受試者，要很久之后才能看到候選藥物在患者身上的數(shù)據(jù)。
