|
医药领域群雄逐鹿，除了传统药企，科技巨头亚马逊、微软、苹果和谷歌正利用其在软件、数据和 AI 方面的专业优势，持续布局医药产业链。但 AI 制药发展至今，层出不穷的 AI 制药企业中，也只有 Insilico Medicine 一家企业利用数据模型发现了药物靶点并完成第一例健康志愿者的临床给药。 尽管如此，AI 制药领域投资热情不减。据 CB Insights 数据统计，2015 年到 2020 年期间，该领域的融资逐步攀升：自 2020 年 3 月以来，受益于投资机构对于人工智能技术应用于药物研发赛道的关注，共有 11 家 AI 制药公司完成了 1 亿美元以上的融资。 图 | 融资轮次统计（来源：CB Insights 中国） 在融资轮次上，AI 在医疗领域各阶段的融资轮次比例正在发生改变，种子轮企业占比逐年降低。CB Insights 统计在 2015 年融资轮次为种子轮的企业占比为 51%，而 2020 年这一比例下降到了 30%。 图 | 融资区域统计（来源：CB Insights 中国） 从地域来看，近 5 年来在 AI 制药领域有 50.6% 的融资交易发生在美国。中国以 9.4% 的比例紧随其后，成为了除美国外最大的新兴市场，超越了英国、韩国、以色列等传统科技强国。 在整个全球 AI 制药企业中，越来越多的中国企业身影涌现。其中，燧坤智能在今年 9 月初宣布完成由红杉中国和斯道资本联合领投的超亿元 A 轮融资，成为 AI + 制药赛道中由多家一线生物医药及 TMT 基金共同投资的 AI 驱动的新一代平台型技术公司。 “目前，燧坤智能已搭建了数十个数据模型，申请了多个新药小分子 PCT 专利、算法模型专利，相关详情会陆续披露。” 燧坤智能的 CEO 曾亥年告诉生辉。 图 | 燧坤智能 CEO 曾亥年（来源：受访人提供） AI 制药的三个关键：数据、模型和算法 燧坤智能成立于 2018 年 9 月，来自姚期智院士为联创的孵化中心图灵人工智能研究院，在发展过程中，得到了图灵院持续的大力支持。 作为燧坤智能的 CEO，曾亥年已在生物医药行业从业十几年，他毕业于复旦大学生命科学学院，拥有双硕士学位 —— 约翰霍普金斯大学生物科学法规监管 / 药事管理硕士和北卡罗来纳州立大学植物生物学硕士。与此同时，曾亥年还是执业药师，在医药行业积累了十余年的管理、BD 和募投管退等经验。 2019 年，曾亥年加入燧坤智能担任 CEO。“AI 制药行业是人工智能技术和生物制药领域的深度交叉，AI 制药公司需要拥有强大的实力和背景，才能在竞争日益激烈的市场上站住脚跟，燧坤智能在专业背景、基础设施、市场积累上，都有良好的表现。” 曾亥年透露了自己选择燧坤智能的原因。 除此之外，燧坤智能的创始人和首席科学家曾坚阳，也是清华大学交叉信息研究院教授，他带领研究组聚焦生物医药领域的重要科学问题——分子间识别模式，利用人工智能开发相应的新型深度学习模型。 “目前团队有高质量数据支撑，搭建了私域数据库，并开发了相对强大的算法模型”，曾亥年补充道，“我们也有能力为 CRO、为新药研发做相应模型建立。” 高质量的数据是 AI 制药企业发展的基础保障。大部分 AI 制药公司内部会有一整套的数据清洗标准和时间控制系统，这类公司除了利用公开数据做清洗之外，也会自己挖掘产生大量数据。 AI 制药公司的原始数据通常来自三个方面，公开数据集例如 PubChem、ChEMBL 等、与药企合作获得的研发数据集、企业自身研发积累的数据集，原始数据会经过多轮数据清洗，最终获得可以用来建模的数据。 据悉，燧坤智能用于机器学习的数据主要来源于实验室公开的数据和文献。曾亥年表示：“最困难的还是好的数据，因为监管体系不同以及生物医药实验的批间差，不同国家、不同实验室的数据需要停过大量的治理和清洗才能完成数据库搭建。” 目前，燧坤智能自主研发的 AI4D™/ AI4Pat™能以传统药物研发手段约 1/3-1/10 时间 / 成本获得临床前活性分子，极大提升了新药研发效率，缩短研发时间并降低了研发成本。 根据曾亥年的介绍，AI4D™药物研发平台主要赋能一类新药、难成药靶点及老药新用的临床前阶段药物研发环节，覆盖了靶点开发，苗头化合物发现、先导化合物筛选、先导化合物优化，PKPD 评估等一系列必要环节，能够以高效、高成功率的方式获得 “First in class” 候选分子。 人工智能辅助平台 Silexon®AI4Pat™的研发主要用于快速跟进药物的研发工作，以高效、快速、低成本获得临床前候选分子，或将帮助药企实现 “Fast follow” 到 “Best in class” 的弯道超车。 AI 制药公司的商业化之路 AI 制药已经过了最疯狂阶段，进入了平稳发展期，在创新环境之下，AI 制药企业正逐步探索自己的商业化之路。 AI 制药技术的难点在于底层知识图谱的构建、模型的训练、以及高性能计算设施提供的算力支撑。这使得 AI 制药公司在前期需要进行大量的技术积累，在早期商业化进程方面稍显吃力。为解决这一问题，AI 制药公司往往会选择从药物研发的某一个细分阶段切入，再逐渐扩大布局。 燧坤智能也不例外，“目前，我们已与维亚生物、保诺生物、艾博生物等企业合作，根据公司内部初步统计，燧坤智能现有的外部合作项目超过 20 个。” 图 | AI 制药技术分类（来源：CB Insights 中国） 在所披露的合作当中，神经退行性疾病和癌症方向是目前合作的两大热门领域，代谢综合征以及传染病领域也有所涉猎。曾亥年表示：“燧坤智能重点关注肿瘤、自身免疫性等依然有临床未被满足需求的疾病。" 选择与大厂合作或者在研管线被大厂收购，是 AI 制药公司的另一盈利模式。例如百时美施贵宝与 Exscientia 合作针对肿瘤免疫研发候选药物，首付款就高达 5000 万美元。 其次，数据库做得好，也能成为赢利点，AI 制药领域的头部公司 Insilico Medicine 筛选平台已经以 10 万美元 / 月的订阅模式开启了商业化路程。但曾亥年表示，“药物发现、靶点发现、生物标志物发现，是一项繁复且雷同的工作，关于这块业务，燧坤智能正在跟不同的机构再谈，包括医院、药厂、金融技术公司等，这并非燧坤智能最核心的业务。” “我们可以跟有实力的机构合作，也可以自己建实验室。数据质量层次不齐，我们有专门的技术团队，通过算法对数据进行治理和结构化。对于 AI 制药公司来说，更为核心的壁垒是算法，其核心创新点在于建模的精度和产生新信息的能力”，曾亥年补充道，“燧坤智能已搭建了数十个数据模型，应用于创新生物医药研发的不同场景，申请了近 20 个算法模型相关的知识产权，我们会持续加大模型研发和数据挖掘处理的能力。” AI 制药是药厂的 “药神”？ AI 的本质是一种数据处理工具，AI 活跃于各行各业，已有广泛的应用场景。其中，AI 在医疗健康领域应用相对成熟，施一公曾说过，AI 制药是医疗健康领域革命性的变革。 2020 年，AI 制药领域在资本市场获得了很高的关注度，对于 AI 技术在药物研发中的真正作用也引发了一系列讨论。 图 | 融资金额及数量 （来源：CB Insights 中国） 从供给端看，随着基因检测技术的进步，各种药物研发数据的不断积累以及计算机硬件设备与人工智能算法的改良使得 AI 技术在生物制药领域的发展获得了良好的条件。 而在需求端，传统生物制药企业在进行新药研发时，存在的研发周期长、失败率高、成本高等痛点也给 AI 制药行业带来了巨大的增量。这些来自供需两端的驱动力也真正助推了这场资本热潮。 晶泰科技、instro 相继完成 4 亿美元单笔融资，纳斯达克 AI 制药板块也已相继迎来 Schrodinger、Relay、Recursion、AbCelera、Exscientia 等。与此同时，越来越多的制药公司也开始探索 AI 解决方案，积极拥抱 AI 和计算生物学等新技术。比如，薛定谔与药明康德、BMS、再鼎携手，Exscientia 与 BMS、赛诺菲、日本住友制药、罗氏、拜耳等大厂签订大单，晶泰曾在一月之内与制药公司达成约 5 项合作等。 就在前段时间，阿斯利康、德国默克、辉瑞和梯瓦等 6 家大药厂和亚马逊、以色列生物科技基金共同推出了一个创新实验室，旨在创造和采用突破性的新型 AI 技术，改变药物发现和开发的过程。该联盟还计划在未来 5 年内每年投资或者孵化 4-6 家新公司，大约 5 年内投资 30 家公司。 今年 3 月，阿斯利康提到在小分子新药研发管线中，目前有超过 50% 项目使用了一部分 AI 工具，合成小分子化合物的时间仅需原来的 1/3；Moderna 利用 AI 开发新冠疫苗；MIT 的 James Collins 课题组也通过 AI 发现了全新抗菌机制的抗生素。 但需要注意的是，国内大多数 AI 制药公司，仍处于为药企提供服务、创建平台的阶段。现阶段来看，AI 能提供的帮助仍然有限，主要有两点：首先，AI 的预测结果既替代不了分子合成，也替代不了动物实验，更替代不了临床试验；其次，被视为核心资源的研发数据，药企大多不愿意共享。 目前技术条件下的 AI 还只是算法和为人类服务的工具。算力方面，GPU 云计算资源等为 AI 制药公司提供了重要的计算支撑。数据和算力是 AI 制药企业的基石，基于此 AI 制药公司可以搭建出自己的底层知识图谱，并形成其行业壁垒之一。 -End- |
|
|
