• 保存到桌面加入收藏设为首页
当前位置 当前位置:首页 > 模拟炒股

百亿金矿爆发!各大资本争相入局AI+新药研发背后 藏着哪些掘金机会?

2020-08-05 19:24:08东方财富网股吧1470
来源:21世纪经济报道 作者:陈红霞

K图 00700_0

  随着腾讯的入局,人工智能在新药研发领域的应用再次被推上了风口浪尖。


  日前,腾讯首席运营官任宇昕在上海“世界人工智能大会2020云端峰会”开幕式上透露,腾讯开发的人工智能药物发现平台“云深智药”将在近期向科研人员全面开放,其进军AI+新药研发的计划,使医药研发领域再一次受到广泛关注。


  事实上,仅仅是今年上半年,就有罗氏、AZ、BMS、拜耳、吉利德、诺和诺德等多家知名MNC密集进入该领域,国内红杉资本、启明创投、礼来亚洲基金等多家知名创投亦有动作,还有BAT这类科技巨头或采取孵化或投资参与布局,本土药企如豪森药业、天士力、先声药业等也在加速入场,包括药明康德这类CRO企业也在寻找机会。


  为何一时之间,各大资本争相入局AI+新药研发领域?经过近十年的发展,AI+新药研发是否已经驶入发展快车道?种种疑问再次抛在我们眼前。


  01


  为什么又是AI?


  据《Nature》研究数据显示,在美国研发一种新药,从项目启动到获准上市,平均需要花费10-15年的时间,研发成本约为26亿美元。


  根据德勤相关报告,新药研发的投资回报率自2010年起呈现明显下降趋势,2017年仅为3.2%,上市一款新药的成本却在逐年上升。2012-2017年,研发总费用平均值为1485亿美元,增长率达到3.8%;2018-2021年,研发总费用平均值为1800亿美元,预计2021年研发总费用将达到1880亿美元,相比2012年增长38%。


  而从各年研发费用占销售收入的比重来看,2012-2021年,研发费用占比均值达到20%,虽然在2017年以后开始逐年下降,但仍然占到19%。新药研发流程复杂、研发周期长以及成功率低,成为制药企业新药研发中“心有余而力不足”的重要原因。


  当前,AI与药物研发相结合的主要应用包括:发掘药物靶点、挖掘候选药物、药物设计、药物合成、病理生理学研究及新适应症的开发、老药新用等。美国SBI研究显示,针对药物发现,平均每个新靶点需筛选10个化合物,传统药物设计命中率仅为0.01-0.1%,而通过计算机辅助药物设计(简称CADD),命中率可以提高5%-20%,减少99.9%的费用。


  因此,引入AI技术,利用其海量数据分析能力从而提高新药研发的速度和效率,这一想法受到资本关注。


  AI赋能新药研发所带来的巨大回报不言而喻,人工智能技术通过对化合物结构、基础生理机制和基因等数据进行快速分析,可以更快地发现新的分子化合物或有潜力的新靶点,从而大大提高研发效率,缩短研发进程,为整个医药行业节省数十亿美元的研发成本。


  在这样一个充满潜力的领域,腾讯入局AI+新药研发也就不足为奇。其一直在探索人工智能技术在医疗上的应用,在新冠肺炎疫情暴发之初,搭载“腾讯觅影”AI的应急专用CT装备就在湖北当地医院投入使用,为医生提供辅助诊断参考,提升效率。


  此次组建的云深制药团队,既有来自药物研发行业顶级科研机构和知名药企的知识专家,也有来自国内外一流高校的AI算法科学家,制药研究+前沿算法,腾讯进军AI+新药研发领域可谓野心勃勃。


  对此,北京一健康产业基金投资经理王俊向21新健康记者分析说:“腾讯这类科技企业切入这一赛道,主要会更聚焦于新药研发的某一个环节,如数据分析,不断完善自身模型,在这个环节为新药研发企业提供更好的服务,让研发效率更高。”


  02


  AI+新药的漫长融合之路


  重金加持背后蕴藏着怎样的商业逻辑呢?


  事实上,AI在新药研发的应用并非如此前宣传那般无所不能,更多时候是替代人工完成一些重复单调的筛查工作。从本质上讲,药物研发的过程就是验证某个靶点在人体中生物学功能的过程。这其间,掺杂着从动物实验到人体试验的差异性以及各类疾病的异质性,包括个体差异都会左右结果。而AI技术本身是基于高质量的标识数据进行深度学习,进而加快筛查出合适的靶点或者计算出合适的分子设计方案。


  以AI应用较为集中的靶点筛选为例,普遍做法是通过文献分析等,筛选出比已批准药物更多的靶点,但是靶点的确证却是一道难题:如何建立确证模型,又用什么来确证,人力财力是否跟得上,这都是需要思考的。


  另外,与通过试验摸索得到的药物相比,人工预测药物可成药性的可信服度较低。因为基于不到2000个获批药物的数据集来预测,远远达不到依赖高质量、有标识数据集的深度学习的最基本要求。而这也恰巧是AI在药物合成方面的应用优势。


  根据Drug Discovery Today杂志6月15日发表的题为“Theupside of being a digital pharma player”的论文,21家制药巨头在2014-2019年间共发表了398篇与AI新药研发相关的论文,其中218篇文章与药物发现相关,主题涉及化合物(152篇)、基因组学(23篇)、靶点(19篇)和抗体(6篇)。还有180篇与药物开发相关,涉及临床开发(125篇)、化学生产和质量控制(CMC,24篇)、毒理学(18)和药物安全警戒(PV,10篇)。


  除此之外,国际制药巨头们对于AI+新药研发的态度也显得有些暧昧不清。较为积极的是诺华,在AI赋能新药研发领域相关行动达30项,其中内部研发多达20项;阿斯利康则在AI新药研发上布局纵深范围最广,内部研发与外部合作齐头并进。与此同时,吉利德、赛诺菲、艾伯维等企业在该领域的探索则显得“犹疑不决”。


  失败或者主动终止的项目也不在少数。2019年4月,AI+医药的领跑者IBM公司因财务业绩低迷,决定停止开发和销售药物开发工具——Watson人工智能套件。


  从整体上来看,AI+药物研发真正意义的产出极少,大部分企业需要面对产出成果不足或不优,从而导致财务状况堪忧的现状。因此,企业在布局AI+新药研发上,需要合理的定位产业链角色,选择适合的创新商业模式。


  美国生物制药研发公司DeepBiomeTherapeutics创始人罗成伟博士曾坦言:“以新的小分子研发过程来举例,首先需要大量计算和模型来确定并验证分子的可用性,然后在不同细胞系中做实验,再到动物模型的各类临床实验,AI发挥作用的计算部分,在药物研发过程中所占比例仅为2%左右。


  但当前,世界范围内各大制药巨头实验数据的互通仍旧存在极大的壁垒。“除此之外,AI在基础文献筛查有用信息方面,对于实验中小数据的处理和分析能力都无法完全替代人工,”王俊告诉21新健康记者,新药研发领域能够用到AI的地方尚少,但是可见的应用方式却很多,只是需要更多的时间去实验优化模型。


  在王俊看来,当前AI在新药研发中主要起到加速和优化作用。加速体现在新的AI模型用以提高传统方式的效率,优化体现在新的AI模型可以完成之前的模型做不到的事情,“比如把部分传统需要用实验多次尝试的步骤,通过AI模型进行模拟筛选。着眼于这两个功能的优化和应用,其中还有漫长的道路需要摸索。”


  03


  CRO企业如何自处


  另一方面,作为原研药企的最大供应商,CRO企业天然与AI紧密联系在一起。那么,在这场竞逐赛中,诸如药明康德等CRO药企应该如何自处呢?


  王俊认为,“国内最为普遍的CRO合作模式,和AI+新药研发存在一定替代关系,这可能是国内本土药企在AI+新药研发上不够活跃的原因之一。”


  因为处于行业上游,药明康德对未来生物与制药技术更加敏感。其在今年5月底参与对美国insitro1.43亿美元的B轮投资,后者也刚与勃林格殷格翰达成合作。此前,药明康德参与了更上游的投资,即去年11月大橡科技的天使轮投资。资料显示,大橡科技致力于为创新药物研发提供兼顾仿生性和高通量的生物芯片,加速药物研发进程。


  王俊分析称,“AI+新药研发一定程度上存在某种人工替代,但现阶段对CRO企业冲击不明显,因为研发中存在大量基础性实验工作,AI是无法替代的。同时,受制于技术水平,制药企业想通过AI技术转型成为数字制药公司尚有难度。但大型药企若与AI智能化企业牵手合作,共同加速新药研发进程,仍旧值得期待。”


  这种背景之下,药明康德、泰格医药等药企均在向AI+大数据方向转型。目前,药明康德已经着手组建了中国精准医药云平台以及超过800亿规模的DNA编码化合物库,而泰格医药也拥有临床电子数据采集系统Clinflash EDC2018、随机化与供应管理系统Clinflash IRT以及药物警戒系统Clinflash Safety。另外,昭衍新药、昆泰、HLT&PPD等也在IND注册,在临床试验方案设计、临床试验质量管理、患者招募效率等关键节点上进行赋能,提升临床试验效率,降低成本,帮助制药企业加快新产品上市步伐。


  可以说,AI+新药研发的探索之路上,挑战与机遇并存。当前研发中的种种阻力也并不妨碍市场的长期看好。有业内人士预测,至2025年,AI+药物研发的市场规模将超37亿美元,并将掀起一场医药领域的颠覆性革命。


标签:腾讯控股股吧  hk00700股吧  腾讯控股怎么样  腾讯控股分析  

成功大赢家提供的股票走势,股票荐股,股市预测,模拟炒股信息及广告展示仅供参考,不作为投资建议

成功大赢家股市动态