廣州熱線

前言

經(jīng)過(guò)“熱身”階段后，“人工智能+新藥研發(fā)”目前已經(jīng)進(jìn)入快速成長(zhǎng)期，非常引人注目。

動(dòng)脈網(wǎng)·蛋殼研究院對(duì)最近2年半以來(lái)國(guó)內(nèi)外人工智能+新藥研發(fā)創(chuàng)新企業(yè)進(jìn)行全面盤點(diǎn)，推出《AI+新藥研發(fā)市場(chǎng)發(fā)展現(xiàn)狀及趨勢(shì)報(bào)告》，總共整理分析了78家人工智能+新藥研發(fā)創(chuàng)新企業(yè)，覆蓋靶點(diǎn)發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測(cè)、患者招募、優(yōu)化臨床試驗(yàn)設(shè)計(jì)、藥物重定向七大環(huán)節(jié)。

而且，部分企業(yè)已和羅氏、輝瑞、賽諾菲、默沙東等傳統(tǒng)制藥巨頭合作，共同推進(jìn)人工智能在新藥研發(fā)領(lǐng)域的應(yīng)用。從融資情況看，已有53家企業(yè)獲得融資，累計(jì)融資總額達(dá)到13.1億美元。這表明，人工智能+新藥研發(fā)已經(jīng)進(jìn)入快速成長(zhǎng)期。

本報(bào)告有如下重要發(fā)現(xiàn)：

1、人工智能的應(yīng)用為藥企每年節(jié)約540億美元的研發(fā)費(fèi)用

2、靶點(diǎn)發(fā)現(xiàn)環(huán)節(jié)的人工智能企業(yè)數(shù)量最多，占企業(yè)總數(shù)的50%

3、傳統(tǒng)制藥巨頭與人工智能創(chuàng)新企業(yè)共同推進(jìn)人工智能在新藥研發(fā)領(lǐng)域的應(yīng)用

4、全球53家人工智能+新藥研發(fā)企業(yè)累計(jì)獲得13.1億美元融資

5、數(shù)據(jù)體系、人才隊(duì)伍和商業(yè)模式的優(yōu)化升級(jí)成為人工智能+新藥研發(fā)企業(yè)未來(lái)的發(fā)展方向

值得一提的是，動(dòng)脈網(wǎng)·蛋殼研究院曾在2016年5月發(fā)布《人工智能在醫(yī)療健康領(lǐng)域的應(yīng)用（三）：藥物挖掘》報(bào)告，梳理了國(guó)內(nèi)外人工智能企業(yè)在新藥研發(fā)領(lǐng)域的發(fā)展情況，出現(xiàn)了Atomwise、Numerate、晶泰科技、云勢(shì)軟件等十余家代表性企業(yè)，整個(gè)人工智能+新藥研發(fā)還處于早期探索階段。

《AI+新藥研發(fā)市場(chǎng)發(fā)展現(xiàn)狀及趨勢(shì)報(bào)告》，內(nèi)容如下：

一、行業(yè)洞察：需求旺盛，研發(fā)面臨3大困境

1、醫(yī)藥市場(chǎng)需求穩(wěn)步增長(zhǎng)，發(fā)展?jié)摿Υ?/p>

從全球醫(yī)藥市場(chǎng)銷售額看，2017年已經(jīng)突破12000億美元，預(yù)計(jì)到2021年銷售總額可達(dá)到14750億美元，2012~2021年的年均復(fù)合增長(zhǎng)率為4.9%。而同時(shí)期中國(guó)醫(yī)藥市場(chǎng)的銷售額將從2012年的770億美元增長(zhǎng)到2021年的1780億美元，年均復(fù)合增長(zhǎng)率達(dá)到9.8%，是全球醫(yī)藥市場(chǎng)的2倍。這表明全球醫(yī)藥市場(chǎng)在穩(wěn)步增長(zhǎng)，而中國(guó)醫(yī)藥市場(chǎng)的增長(zhǎng)更快，具備更好的發(fā)展?jié)摿Α?/p>

2017年，全球藥企TOP10處方藥銷售總額3284億美元，平均值為330億美元，有3家藥企的銷售額超過(guò)400億美元。根據(jù)醫(yī)療健康領(lǐng)域全球領(lǐng)先的行業(yè)及市場(chǎng)調(diào)研公司Evaluate估計(jì)，2024年全球藥企TOP10的處方藥銷售總額將達(dá)到4206億美元，增長(zhǎng)幅度為28%，排名第一的諾華的銷售額將達(dá)到532億美元。而從各大藥企的年均復(fù)合增長(zhǎng)率看，2017~2024年，年均復(fù)合增長(zhǎng)率的均值為4%，增長(zhǎng)最快的為阿斯利康。這表明未來(lái)全球的藥品市場(chǎng)規(guī)模將保持較快增長(zhǎng)，企業(yè)需要持續(xù)加大新藥研發(fā)來(lái)滿足市場(chǎng)需求。

2、新藥研發(fā)面臨3大困境，亟待破局

新藥研發(fā)主要包括藥物發(fā)現(xiàn)、臨床前研究、臨床研究以及審批與上市4個(gè)階段。藥物發(fā)現(xiàn)階段主要涉及疾病選擇、靶點(diǎn)發(fā)現(xiàn)和化合物合成；臨床前研究階段則以化合物篩選、晶型預(yù)測(cè)、化合物驗(yàn)證為主，包括藥物的構(gòu)效關(guān)系分析、穩(wěn)定性分析、安全性評(píng)價(jià)和ADMET分析等；臨床研究階段以患者招募、臨床試驗(yàn)和藥物重定向?yàn)橹?，涉及用藥方案、藥效試?yàn)、患者觀察記錄、優(yōu)化改進(jìn)等；審批與上市階段主要是政府藥品主管機(jī)構(gòu)對(duì)藥企研發(fā)的新藥進(jìn)行審批，是新藥流入市場(chǎng)的最后關(guān)口。

從新藥研發(fā)的流程可以看出，一款藥物從靶點(diǎn)發(fā)現(xiàn)——化合物合成——制劑生產(chǎn)——臨床試驗(yàn)——批準(zhǔn)上市所經(jīng)歷的復(fù)雜過(guò)程，需要大量的人力、物力和財(cái)力投入。正因?yàn)槿绱?，新藥研發(fā)面臨研發(fā)周期長(zhǎng)、研發(fā)成功率低以及研發(fā)費(fèi)用高3大困境。

研發(fā)周期長(zhǎng)

根據(jù)美國(guó)藥物研究和制造商協(xié)會(huì)PhRMA的統(tǒng)計(jì)，藥物研發(fā)階段要對(duì)5000-10000種化合物進(jìn)行篩選，其中僅有250種能夠進(jìn)入臨床前研究階段，僅有5種進(jìn)入臨床研究階段。藥物發(fā)現(xiàn)和臨床前研究階段耗時(shí)約3-6年，I/II/III 期臨床試驗(yàn)需耗時(shí)6-7年，提交上市申請(qǐng)后經(jīng)過(guò)0.5-2年時(shí)間獲批后方能進(jìn)行規(guī)?；a(chǎn)。根據(jù)德勤會(huì)計(jì)事務(wù)所的分析報(bào)告，現(xiàn)階段新藥研發(fā)的平均耗時(shí)約為14年。

研發(fā)成功率低

可以看出，風(fēng)險(xiǎn)一直伴隨著新藥研發(fā)的全過(guò)程，特別是II~III期臨床試驗(yàn)階段，研發(fā)成功率處于低谷，即使是仿制藥，其研發(fā)成功率也不足50%。從三大類新藥研發(fā)的成功率看，原研化藥的成功率最低，僅為6.2%，原研生物藥的研發(fā)成功率也不過(guò)為11.5%。因此，可以說(shuō)新藥研發(fā)是個(gè)高失敗率的過(guò)程，任何一款新藥的上市都是千萬(wàn)次失敗嘗試的結(jié)果。

研發(fā)費(fèi)用高

新藥研發(fā)的“雙十宿命論“（研發(fā)周期超過(guò)10年，研發(fā)費(fèi)用超過(guò)10億美元）一直以來(lái)成為各大藥企不可逾越的痛點(diǎn)。從各年研發(fā)費(fèi)用看，全球處方藥研發(fā)總費(fèi)用都在1300億美元以上，2012~2017年，研發(fā)總費(fèi)用平均值為1485億美元，增長(zhǎng)率達(dá)到3.8%；2018~2021年，研發(fā)總費(fèi)用平均值為1800億美元，2021年研發(fā)總費(fèi)用將達(dá)到1880億美元，比2012年增長(zhǎng)了38%。而從各年研發(fā)費(fèi)用占銷售收入的比重看，2012~2021年，研發(fā)費(fèi)用占比均值達(dá)到20%，雖然在2017年以后將呈現(xiàn)逐年下降的趨勢(shì)，但仍然占到19%。這表明，新藥研發(fā)費(fèi)用投入高，蠶食了藥企能夠獲得的利潤(rùn)空間。

動(dòng)脈網(wǎng)·蛋殼研究院整理了2017年全球藥企研發(fā)費(fèi)用TOP10名單，10家藥企研發(fā)費(fèi)用總額達(dá)到765.3億美元，平均每家投入76.5億美元。羅氏的研發(fā)費(fèi)用高居榜首，是唯一一家超過(guò)百億美金的藥企。而從各大藥企研發(fā)投入占制藥業(yè)務(wù)收入比重看，平均值高達(dá)24.6%，且有6家的比重超過(guò)25%。這表明，各大藥企的研發(fā)費(fèi)用較高，成為藥企的重要成本支出。

各大傳統(tǒng)藥企在面臨研發(fā)周期長(zhǎng)、研發(fā)成功率低以及研發(fā)費(fèi)用高的困境下，都在努力嘗試通過(guò)技術(shù)創(chuàng)新來(lái)加快新藥研發(fā)速度、提高成功率和降低成本，以能更好地滿足日益增長(zhǎng)的用藥需求。這為AI技術(shù)在新藥研發(fā)領(lǐng)域的應(yīng)用帶來(lái)了契機(jī)。

二、技術(shù)破局：AI助力，解決新藥研發(fā)困境

1、AI應(yīng)用于新藥研發(fā)多個(gè)環(huán)節(jié)，提高研發(fā)效率

AI主要應(yīng)用其強(qiáng)大的發(fā)現(xiàn)關(guān)系能力和計(jì)算能力助力新藥研發(fā)，在發(fā)現(xiàn)關(guān)系方面，包括藥物與疾病的鏈接關(guān)系、疾病與基因的鏈接關(guān)系等。AI具備自然語(yǔ)言處理、圖像識(shí)別、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)能力，不僅能夠更快地發(fā)現(xiàn)顯性關(guān)系，而且能夠挖掘那些不易被藥物專家發(fā)現(xiàn)的隱性關(guān)系，構(gòu)建藥物、疾病和基因之間的深層次關(guān)系。在計(jì)算方面，AI具備的強(qiáng)大認(rèn)知計(jì)算能力，可以對(duì)候選化合物進(jìn)行虛擬篩選，更快的篩選出具有較高活性的化合物，為后期臨床試驗(yàn)做準(zhǔn)備。蛋殼研究院通過(guò)對(duì)國(guó)內(nèi)外近80家AI企業(yè)的研究發(fā)現(xiàn)，AI在新藥研發(fā)領(lǐng)域主要應(yīng)用于靶點(diǎn)發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測(cè)、患者招募、優(yōu)化臨床試驗(yàn)設(shè)計(jì)和藥物重定向7大場(chǎng)景。

AI在化合物合成和篩選方面比傳統(tǒng)手段可節(jié)約40%~50%的時(shí)間，每年為藥企節(jié)約260億美元的化合物篩選成本。在臨床研究階段，可節(jié)約50%~60%的時(shí)間，每年可節(jié)約280億美元的臨床試驗(yàn)費(fèi)用。也即是說(shuō)，AI每年能夠?yàn)樗幤蠊?jié)約540億美元的研發(fā)費(fèi)用。

靶點(diǎn)發(fā)現(xiàn)

傳統(tǒng)靶點(diǎn)研究以直觀的方式定性推測(cè)生理活性物質(zhì)結(jié)構(gòu)與活性的關(guān)系，進(jìn)而發(fā)現(xiàn)機(jī)體細(xì)胞上藥物能夠發(fā)揮作用的受體結(jié)合點(diǎn)（靶點(diǎn)）。藥物學(xué)家參考相關(guān)科研文獻(xiàn)和個(gè)人經(jīng)驗(yàn)去推測(cè)靶點(diǎn)，需用2~3年的時(shí)間，而且發(fā)現(xiàn)靶點(diǎn)的可能性極低。AI通過(guò)自然語(yǔ)言處理技術(shù)（NLP）學(xué)習(xí)海量醫(yī)學(xué)文獻(xiàn)和相關(guān)數(shù)據(jù)，通過(guò)深度學(xué)習(xí)去發(fā)現(xiàn)藥物和疾病之間的作用關(guān)系，找到有效靶點(diǎn)，縮短靶點(diǎn)發(fā)現(xiàn)周期。

化合物合成

化合物合成主要通過(guò)分析小分子化合物的藥物特性，包括與靶點(diǎn)結(jié)合的能力、藥物動(dòng)力學(xué)、藥物代謝學(xué)等等，挖掘藥物活性、藥效較好的化合物，然后按照特定路徑進(jìn)行合成設(shè)計(jì)。在該環(huán)節(jié)，藥物學(xué)家和化學(xué)家會(huì)對(duì)數(shù)千萬(wàn)種化合物依次進(jìn)行計(jì)算機(jī)模擬試驗(yàn)，需要耗費(fèi)幾年時(shí)間才能找到活性較好的化合物進(jìn)行合成，成本通常在上百億美元。而AI利用其機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的能力，模擬小分子化合物的藥物特性，能夠在數(shù)周內(nèi)挑選出最佳的模擬化合物進(jìn)行合成試驗(yàn)，而且能夠?qū)⒚總€(gè)化合物的測(cè)試成本控制在0.01美分，大幅降低了化合物合成的成本。

化合物篩選

每一種藥物作用的靶向蛋白和受體并不專一，如果作用于非靶向蛋白和受體就會(huì)引起副作用。對(duì)于尚未進(jìn)入動(dòng)物試驗(yàn)和人體試驗(yàn)階段的新藥，需要提前對(duì)其安全性和副作用進(jìn)行檢測(cè)判斷，已篩選出安全性較高的藥物。目前，主要采用高通量篩選方式進(jìn)行化合物篩選，在同一時(shí)間由機(jī)器人進(jìn)行數(shù)以百萬(wàn)計(jì)的試驗(yàn)，其篩選成本該打數(shù)百億美元。而AI可以從兩方面切入化合物篩選場(chǎng)景，一是利用深度學(xué)習(xí)和計(jì)算能力開發(fā)虛擬篩選技術(shù)以取代高通量篩選，二是利用圖像識(shí)別技術(shù)優(yōu)化高通量篩選過(guò)程。這樣，每年可以節(jié)約260億美元的化合物篩選費(fèi)用。

晶型預(yù)測(cè)

小分子晶型不同，藥物穩(wěn)定性和溶解度就不同，因此，穩(wěn)定的晶型結(jié)構(gòu)關(guān)系到藥品質(zhì)量，特別是對(duì)于已上市藥品，如果發(fā)生轉(zhuǎn)晶現(xiàn)象，將會(huì)給藥企帶來(lái)災(zāi)難性的損失。而小分子存在多晶型現(xiàn)象，有的晶型穩(wěn)定性強(qiáng)但溶解度差，有的晶型溶解度好但穩(wěn)定性差。如果單純依賴人工去獲得穩(wěn)定性強(qiáng)且溶解度好的晶型，不但需要耗費(fèi)大量時(shí)間進(jìn)行試驗(yàn)嘗試，而且成功的可能性也極低。AI的出現(xiàn)，可以在很大程度上改善晶型預(yù)測(cè)效果，其依靠深度學(xué)習(xí)能力和認(rèn)知計(jì)算能力，處理大量的臨床試驗(yàn)數(shù)據(jù)，能在幾小時(shí)甚至幾分鐘內(nèi)找到藥效最好的晶型。

患者招募

新藥在進(jìn)入審批前，需要進(jìn)行3個(gè)階段的臨床試驗(yàn)，找到合適的患者是臨床試驗(yàn)得以開展的前提和基礎(chǔ)。試驗(yàn)管理人員需要從海量的病例中找出那些符合藥物試驗(yàn)的患者，并且通知受試者，該過(guò)程需要大量的時(shí)間去篩選病歷。而AI依靠深度學(xué)習(xí)能力，能夠從海量的臨床試驗(yàn)的數(shù)據(jù)中提取相關(guān)信息，將試驗(yàn)結(jié)果與病人情況進(jìn)行自動(dòng)配對(duì)，提高精準(zhǔn)匹配效率，在較短時(shí)間內(nèi)完成試驗(yàn)招募入組工作。

優(yōu)化臨床試驗(yàn)設(shè)計(jì)

藥物臨床研究階段包括試驗(yàn)方案設(shè)計(jì)、試驗(yàn)流程管理、試驗(yàn)數(shù)據(jù)管理統(tǒng)計(jì)分析等內(nèi)容，如果僅僅依靠人工，不僅工作量大，而且容易出錯(cuò)。AI具備的機(jī)器學(xué)習(xí)和認(rèn)知計(jì)算能力，能夠廣泛應(yīng)用到試驗(yàn)研究設(shè)計(jì)、試驗(yàn)流程管理、試驗(yàn)數(shù)據(jù)統(tǒng)計(jì)分析等各個(gè)環(huán)節(jié)，提升整個(gè)臨床試驗(yàn)的效率。

藥物重定向

老藥新用是目前尋找藥物的常用方式，它的實(shí)現(xiàn)方式是將市面上已曝光的藥物及人身上的1萬(wàn)多個(gè)靶點(diǎn)進(jìn)行交叉研究及匹配。依靠AI強(qiáng)大的自然語(yǔ)言處理能力和深度學(xué)習(xí)能力，從散亂無(wú)章的海量信息中，提取出能夠推動(dòng)藥物研發(fā)的知識(shí)和新的可以被驗(yàn)證的假說(shuō)，將給試驗(yàn)的速度帶來(lái)指數(shù)級(jí)的提升。AI在藥物重定向環(huán)節(jié)的應(yīng)用，可以省去靶點(diǎn)發(fā)現(xiàn)和藥理作用評(píng)估等環(huán)節(jié)，有望將藥物研發(fā)成本降至3億美元甚至更低，研發(fā)周期也縮短至6.5 年。

2、AI在新藥研發(fā)的應(yīng)用場(chǎng)景企業(yè)圖譜

根據(jù)前文所訴，AI在新藥研發(fā)領(lǐng)域的7大應(yīng)用場(chǎng)景，蛋殼研究院通過(guò)實(shí)地調(diào)研和案頭研究，整理出共計(jì)78家涉足新藥研發(fā)AI企業(yè)（圖譜中列出了各個(gè)應(yīng)用場(chǎng)景的代表性企業(yè)）。靶點(diǎn)發(fā)現(xiàn)環(huán)節(jié)的IBM Watson Health、Nimbus Therapeutics、冰洲石科技等，化合物合成環(huán)節(jié)的深度智耀、Virvio、Nuritas等。其中，靶點(diǎn)發(fā)現(xiàn)環(huán)節(jié)的AI企業(yè)數(shù)量多達(dá)39家，占企業(yè)總數(shù)的50%。

3、AI+新藥研發(fā)七大應(yīng)用場(chǎng)景實(shí)例研究

為了方便讀者更好地理解AI在新藥研發(fā)相關(guān)環(huán)節(jié)的應(yīng)用，我們選取了7大應(yīng)用場(chǎng)景的代表性企業(yè)進(jìn)行案例剖析，主要涉及企業(yè)的概況介紹、主要產(chǎn)品以及企業(yè)的融資情況。

IBM Watson Health

IBM Watson Health開發(fā)了一款藥物發(fā)現(xiàn)軟件—— Watson for Drug Discovery，它是一個(gè)新的云端平臺(tái)，旨在幫助生命科學(xué)家發(fā)現(xiàn)新的藥物靶點(diǎn)和替代性的藥物的適應(yīng)癥。利用它的NLP、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)能力，已經(jīng)閱讀了2500 萬(wàn)份 Medline 上的論文摘要，一百多萬(wàn)篇醫(yī)學(xué)雜志文章的全文及 400 萬(wàn)份專利文件，而且所有資料都會(huì)定期更新（而研究員每年平均只能閱讀300篇左右的醫(yī)學(xué)論文）。這可以較好地幫助科學(xué)家發(fā)現(xiàn)新聯(lián)系，并揭示那些隱藏較深的聯(lián)系，更快地發(fā)現(xiàn)靶點(diǎn)。

2016年12月，IBM Watson Health與輝瑞達(dá)成合作協(xié)議，輝瑞將使用 Watson 分析大量的異構(gòu)數(shù)據(jù)，共同致力于癌癥藥物研發(fā)。

AccutarBio

2016年，AccutarBio（冰洲石科技）自主研發(fā)的藥物數(shù)據(jù)AI平臺(tái)，已經(jīng)完成了基于十幾萬(wàn)晶體學(xué)數(shù)據(jù)的學(xué)習(xí)運(yùn)算，搜尋能夠與化合物相結(jié)合的靶點(diǎn)，為先導(dǎo)化合物的篩選與合成奠定基礎(chǔ)。通過(guò)該平臺(tái)可以將靶點(diǎn)發(fā)現(xiàn)耗費(fèi)的時(shí)間從數(shù)年降低至幾月、幾天甚至幾個(gè)小時(shí)，為藥物發(fā)現(xiàn)帶來(lái)突破性進(jìn)展。

AccutarBio目前已在上海、紐約布局了AI計(jì)算實(shí)驗(yàn)室、生化實(shí)驗(yàn)室。公司已完成兩輪共計(jì)1500萬(wàn)美元的融資，投資方包括真格基金、IDG資本和依圖科技。

深度智耀

深度智耀致力于用AI賦能新藥研發(fā)全流程，覆蓋范圍從新藥早期研發(fā)到產(chǎn)品上市。

在新藥早期研發(fā)階段，包括 AI 驅(qū)動(dòng)的藥物合成、藥物設(shè)計(jì)、藥物活性預(yù)測(cè)等產(chǎn)品。特別是在2018年7月，深度智耀對(duì)外宣布內(nèi)部代號(hào)為“菩提”的AI藥物合成系統(tǒng)，其通過(guò)大量學(xué)習(xí)公開的專利和論文數(shù)據(jù)庫(kù)，能夠協(xié)助化學(xué)家進(jìn)行化合物合成，即化學(xué)家只需要輸入一個(gè)化學(xué)結(jié)構(gòu)式，“菩提”系統(tǒng)就能在瞬間推送出數(shù)條優(yōu)化的合成路線供其選擇，而且還包括部分通過(guò)人工分析無(wú)法獲得的高質(zhì)量合成路線，該系統(tǒng)能夠?qū)⒒衔锖铣森h(huán)節(jié)的效率提高50% 以上。

在臨床研究階段，包括 AI 驅(qū)動(dòng)的藥物警戒系統(tǒng)、注冊(cè)事務(wù)系統(tǒng)、寫作翻譯系統(tǒng)、臨床數(shù)據(jù)編程系統(tǒng)等產(chǎn)品。其中，AI 藥物警戒系統(tǒng)（Deep-PV）和AI 自動(dòng)翻譯寫作申報(bào)系統(tǒng)已經(jīng)實(shí)現(xiàn)大規(guī)模商業(yè)化。Deep-PV依靠自然語(yǔ)言處理技術(shù)，實(shí)現(xiàn)個(gè)例藥物不良反應(yīng)/不良事件報(bào)告的快速無(wú)人化采集、翻譯、編碼、評(píng)估和評(píng)價(jià)，支撐藥企臨床研究以及上市后的藥物安全監(jiān)測(cè)。另外，公司的AI 自動(dòng)翻譯寫作申報(bào)系統(tǒng)實(shí)現(xiàn)集醫(yī)學(xué)寫作、醫(yī)學(xué)翻譯和注冊(cè)申報(bào)“三位一體”的人機(jī)交互自進(jìn)化平臺(tái)，改變以往上述三大環(huán)節(jié)的割裂狀況，重構(gòu)了傳統(tǒng)的數(shù)據(jù)文件整合模式。

公司目前已有 50 多家合作客戶，客戶既包括排名前十的跨國(guó)藥企，也包括國(guó)內(nèi)一線藥企以及中小藥企，合作方式包括 SaaS 服務(wù)、本地部署、戰(zhàn)略咨詢等。

在融資方面，公司已累計(jì)獲得3輪融資，目前已完成1500萬(wàn)美元的B輪融資，由紅杉中國(guó)獨(dú)家投資。

Virvio

Virvio公司成立于2014年，致力于利用深度學(xué)習(xí)算法模擬蛋白質(zhì)合成，用于滿足分子靶標(biāo)和適應(yīng)癥的要求，其合成的蛋白質(zhì)結(jié)構(gòu)超穩(wěn)定性和可制造性。

針對(duì)美國(guó)每年56000例的流感死亡人數(shù)和市場(chǎng)上流感疫苗的高耐藥性、低效率的狀況，Virvio蛋白質(zhì)合成平臺(tái)模擬出一款名為HB36.6的蛋白質(zhì)結(jié)構(gòu)，能夠加強(qiáng)對(duì)諸如H1N1和H5N1型流感的免疫能力，降低感染風(fēng)險(xiǎn)，將很快應(yīng)用到藥物制備。

Insilico Medicine

Insilico Medicine公司使用其獨(dú)有的生成對(duì)抗網(wǎng)絡(luò)（GAN）和強(qiáng)化學(xué)習(xí)（RL）等新型算法來(lái)加快化合物的篩選進(jìn)程，采用先進(jìn)的端對(duì)端技術(shù)，對(duì)化合物的活性、安全性等方面進(jìn)行分析對(duì)比，以篩選出最佳的臨床前候選藥物分子，為進(jìn)入臨床研究做準(zhǔn)備。

公司在2018年6月與藥明康德達(dá)成戰(zhàn)略合作，利用其AI生成的新藥研發(fā)管線在藥明康德新藥研發(fā)服務(wù)平臺(tái)上進(jìn)行測(cè)試，以期篩選出理想的臨床前藥物候選分子。目前公司已完成C輪融資，累計(jì)融資額達(dá)到2000萬(wàn)美元。

Atomwise

Atomwise公司開發(fā)的AtomNet化合物篩選系統(tǒng)，是一款基于卷積神經(jīng)網(wǎng)絡(luò)的AI系統(tǒng)，旨在運(yùn)用超級(jí)計(jì)算能力和復(fù)雜的算法模擬制藥過(guò)程，來(lái)預(yù)測(cè)新藥的效果，能夠在幾天時(shí)間內(nèi)完成對(duì)新藥的評(píng)估，為制藥公司、創(chuàng)業(yè)公司和研究機(jī)構(gòu)提供化合物篩選服務(wù)。

Atomwise是較早開展商業(yè)商業(yè)化落地應(yīng)用的公司，在2012年5月，與默沙東公司簽署合作協(xié)議，幫助其完成藥物研發(fā)早期的化合物篩選工作。2015年，Atomwise利用 AI 技術(shù)，在不到一天的時(shí)間內(nèi)對(duì)現(xiàn)有的7000多種藥物進(jìn)行了分析測(cè)試，成功地尋找出能控制埃博拉病毒的兩種候選藥物，并且成本不超過(guò) 1000 美元（傳統(tǒng)技術(shù)需要數(shù)年時(shí)間和數(shù)十億美元成本）。

目前，Atomwise已完成A輪融資，累計(jì)融資額達(dá)到5134.5萬(wàn)美元。

晶泰科技

晶泰科技開發(fā)的“藥物固相篩選與分析系統(tǒng)”是基于AI的深度學(xué)習(xí)和認(rèn)知計(jì)算能力，能夠在短時(shí)間內(nèi)通過(guò)對(duì)醫(yī)學(xué)文獻(xiàn)、臨床試驗(yàn)數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行處理、學(xué)習(xí)和計(jì)算，預(yù)測(cè)各種晶型在穩(wěn)定性、熔點(diǎn)、溶解度、溶出速率等方面的差異，以及由此而導(dǎo)致在臨床過(guò)程中出現(xiàn)的毒副作用與安全性問(wèn)題，在短時(shí)間內(nèi)篩選出穩(wěn)定性和溶解度最佳的晶型結(jié)構(gòu)。

2018年5月9日，晶泰科技與輝瑞制藥簽訂戰(zhàn)略研發(fā)合作協(xié)議，輝瑞將借助晶泰科技的AI技術(shù)，建立小分子模擬算法平臺(tái)，驅(qū)動(dòng)小分子藥物創(chuàng)新。目前，晶泰科技已完成B+輪融資，累計(jì)融資總額超過(guò)6100萬(wàn)美元。

零氪科技

零氪科技研發(fā)的精準(zhǔn)臨床招募系統(tǒng)——Link Recruitment?，基于國(guó)內(nèi)最大規(guī)模的醫(yī)療大數(shù)據(jù)資源庫(kù)，能夠快速完成在臨床試驗(yàn)文件里提取相關(guān)數(shù)據(jù)，評(píng)估出病人到底適合哪一種治療方法，并自動(dòng)上傳相關(guān)患者病歷與臨床試驗(yàn)數(shù)據(jù)庫(kù)登記的相關(guān)試驗(yàn)進(jìn)行實(shí)時(shí)精準(zhǔn)匹配和動(dòng)態(tài)更新，通知受試者及時(shí)參加相關(guān)試驗(yàn)。

公司已先后與國(guó)內(nèi)多家三甲醫(yī)院達(dá)成合作，為藥品臨床試驗(yàn)科室提供患者招募服務(wù)，后續(xù)還將尋求更多的第三方臨床試驗(yàn)機(jī)構(gòu)，擴(kuò)大客戶群。截止目前，公司已完成D輪融資，累計(jì)融資總額超過(guò)10億元人民幣，投資方包括了中國(guó)投資有限責(zé)任公司、寬帶資本、薈橋資本、千驥資本、長(zhǎng)嶺資本、TEMASEK、NEA等機(jī)構(gòu)。

Trials.ai

藥品臨床試驗(yàn)效率低下的原因主要是試驗(yàn)方案設(shè)計(jì)不科學(xué)和缺乏對(duì)受試者的動(dòng)態(tài)監(jiān)控。Trials.ai是一家位于圣迭戈的AI公司，致力于通過(guò)改善試驗(yàn)設(shè)計(jì)方案和試驗(yàn)流程管控來(lái)加速臨床試驗(yàn)進(jìn)程和提高試驗(yàn)效率。公司開發(fā)的臨床試驗(yàn)管理系統(tǒng)整合了方案設(shè)計(jì)、流程監(jiān)控、用藥依從性、數(shù)據(jù)分析等功能，能夠?qū)崿F(xiàn)對(duì)整個(gè)臨床試驗(yàn)的全流程管理。

方案設(shè)計(jì)：系統(tǒng)會(huì)根據(jù)每種藥品的屬性、藥企的要求、受試者的情況等進(jìn)行方案設(shè)計(jì)，并在方案中約定各方的權(quán)利和義務(wù)，最大限度地減少違約風(fēng)險(xiǎn)。

流程監(jiān)控：系統(tǒng)能夠?qū)φ麄€(gè)試驗(yàn)流程進(jìn)行動(dòng)態(tài)監(jiān)控，如果出現(xiàn)意外情況，系統(tǒng)會(huì)主動(dòng)向管理人員發(fā)出報(bào)警，以便及時(shí)處理。

用藥依從性：臨床試驗(yàn)經(jīng)常會(huì)發(fā)生受試者不按要求用藥的情況，且試驗(yàn)管理者無(wú)法及時(shí)掌握相關(guān)情況。系統(tǒng)能夠?qū)κ茉囌叩娜粘；顒?dòng)實(shí)現(xiàn)智能管理，按時(shí)提醒他們用藥，并將相關(guān)情況反饋給管理者，從而保證試驗(yàn)的效果。

數(shù)據(jù)分析：系統(tǒng)能夠?qū)τ盟帞?shù)據(jù)、進(jìn)程數(shù)據(jù)、受試者反饋數(shù)據(jù)實(shí)現(xiàn)智能分析并給出建議，供管理者參考決策，通過(guò)數(shù)據(jù)來(lái)全面反映試驗(yàn)效果。

云勢(shì)軟件

云勢(shì)軟件在2018年4月發(fā)布新一代AI驅(qū)動(dòng)的新藥發(fā)現(xiàn)引擎——GeniusMED，該系統(tǒng)從大量數(shù)據(jù)源中整合了與藥品、疾病、基因、蛋白質(zhì)等相關(guān)的多種藥物研發(fā)數(shù)據(jù)，構(gòu)建了一個(gè)大規(guī)模的綜合性藥物研發(fā)知識(shí)庫(kù)。并結(jié)合臨床試驗(yàn)數(shù)據(jù)，匹配藥物靶點(diǎn)與新適應(yīng)癥的結(jié)合，發(fā)現(xiàn)藥物的新用途。

GeniusMED整合藥物信息和疾病信息兩大系統(tǒng)，形成藥物相似性網(wǎng)絡(luò)、疾病相似性網(wǎng)絡(luò)和已知的藥物——疾病關(guān)聯(lián)性網(wǎng)絡(luò)。借助AI的深度學(xué)習(xí)能力和認(rèn)知計(jì)算能力，將已上市或處于研發(fā)管線的藥物與疾病進(jìn)行匹配，發(fā)現(xiàn)新靶點(diǎn)，擴(kuò)大藥物的治療用途。目前，公司利用GeniusMED系統(tǒng)已經(jīng)驗(yàn)證了3款用于治療阿爾茨海默癥的候選藥物和2款用于治療紅斑狼瘡的候選藥物。公司在今年 6 月與默沙東公司達(dá)成合作，在 80 個(gè)化合物中尋找可能的新適應(yīng)癥。

公司業(yè)務(wù)除了藥物重定向以外，還涉足靶點(diǎn)發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測(cè)等業(yè)務(wù)。目前，公司已完成B輪融資。

BenevolentAI

BenevolentAI公司推出的JACSAI系統(tǒng)，憑借其自然語(yǔ)言處理能力和深度學(xué)習(xí)能力，在短時(shí)間內(nèi)能夠集中處理大量的非結(jié)構(gòu)化數(shù)據(jù)，包括疾病數(shù)據(jù)、藥物數(shù)據(jù)、試驗(yàn)數(shù)據(jù)等等，并發(fā)現(xiàn)他們之間的新聯(lián)系，找到藥物的新適應(yīng)癥，實(shí)現(xiàn)藥物重定向，幫助科學(xué)家發(fā)現(xiàn)藥物更有價(jià)值的適應(yīng)癥。

2014 年6 月，BenevolentAI 宣布與一家美國(guó)的制藥公司達(dá)成合作，并將兩款經(jīng)過(guò)新適應(yīng)癥（阿爾茨海默氏癥）驗(yàn)證的新藥賣給這家美國(guó)公司，這兩款藥物處于中標(biāo)候選化合物評(píng)估階段，此次交易高達(dá)8 億美。2017 年5 月，BenevolentAI對(duì)一款名為bavisant的臨床試驗(yàn)失敗藥物進(jìn)行重定向分析，發(fā)現(xiàn)其對(duì)帕金森患者日間過(guò)渡嗜睡癥狀具有較好的治療效果。目前，公司已累計(jì)獲得2.07億美元的融資。

4、制藥巨頭與AI企業(yè)聯(lián)姻，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)

一方面，制藥巨頭一直面臨著新藥研發(fā)周期長(zhǎng)、研發(fā)成功率低和研發(fā)費(fèi)用高的痛點(diǎn)，而AI技術(shù)在新藥研發(fā)過(guò)程的應(yīng)用可以有效地緩解上述痛點(diǎn)，每年為它們節(jié)約數(shù)百億美元的研發(fā)成本。另一方面，AI企業(yè)雖然具備技術(shù)優(yōu)勢(shì)，但他們?nèi)鄙偎幬镅邪l(fā)的相關(guān)數(shù)據(jù)、成熟的研發(fā)管線以及資深的藥物專家，而這恰好是傳統(tǒng)制藥巨頭所具備的優(yōu)勢(shì)。因此，雙方的聯(lián)姻能較好地彌補(bǔ)彼此存在的短板，形成互補(bǔ)。

動(dòng)脈網(wǎng)·蛋殼研究院根據(jù)公開資料搜集整理了26家制藥巨頭與AI企業(yè)的合作情況（統(tǒng)計(jì)時(shí)間區(qū)間：2012年1月—2018年8月），AI技術(shù)主要應(yīng)用在靶點(diǎn)發(fā)現(xiàn)和化合物篩選兩大環(huán)節(jié)，占比分別達(dá)到42%和35%。如2016年12月，輝瑞與IBM Watson達(dá)成合作，后者將利用AI技術(shù)為輝瑞加速藥物靶點(diǎn)的發(fā)現(xiàn)。2017年6月，日本制藥巨頭武田制藥與Numerate簽署合作協(xié)議，Numerate將其最新的AI技術(shù)應(yīng)用到化合物篩選環(huán)節(jié)，縮短武田制藥的新藥研發(fā)時(shí)間（詳細(xì)合作情況見下表）。

三、資本青睞：AI+新藥研發(fā)企業(yè)投融資情況

截止2018年10月25日，國(guó)內(nèi)外共有53家AI+新藥研發(fā)公司（排出未公開融資額的公司）獲得融資，累計(jì)獲得融資總額共計(jì)13.1億美元。其中，國(guó)外有47家公司獲得融資，累計(jì)總額共計(jì)10.6美元，國(guó)內(nèi)有6家公司獲得融資，累計(jì)融資總額2.5億美元。

145%的AI企業(yè)累計(jì)融資額在1000萬(wàn)美元以下

從各大AI+新藥研發(fā)企業(yè)累計(jì)融資額看，45%的企業(yè)累計(jì)融資額都在1000萬(wàn)美元以下，累計(jì)融資額在1億美元以上的企業(yè)只有5家，這說(shuō)明AI+新藥研發(fā)領(lǐng)域?qū)儆谛屡d領(lǐng)域，未來(lái)資本的關(guān)注度會(huì)逐漸增強(qiáng)。

本報(bào)告剩余內(nèi)容：

三、資本青睞：AI+新藥研發(fā)企業(yè)投融資情況

2、地域分布——美國(guó)遙遙領(lǐng)先，中英不分伯仲

3、輪次分布——A輪及以前融資企業(yè)數(shù)量占比接近80%

4、應(yīng)用場(chǎng)景分布——靶點(diǎn)發(fā)現(xiàn)領(lǐng)域的融資企業(yè)數(shù)和累計(jì)融資總額雙雙奪魁

四、未來(lái)發(fā)展：數(shù)據(jù)體系、人才隊(duì)伍和商業(yè)模式的優(yōu)化升級(jí)

1、構(gòu)建完整的數(shù)據(jù)體系，解決前提和基礎(chǔ)

2、打造強(qiáng)大的專家隊(duì)伍，解決人才瓶頸

3、創(chuàng)新商業(yè)模式，豐富企業(yè)盈利來(lái)源

附錄：78家AI+新藥研發(fā)企業(yè)名單及融資情況

特別感謝云勢(shì)軟件創(chuàng)始人&CEO張英男先生、深度智耀創(chuàng)始人李星女士以及晶泰科技聯(lián)合創(chuàng)始人&大數(shù)據(jù)與人工智能研發(fā)中心負(fù)責(zé)人賴力鵬先生對(duì)本報(bào)告的大力支持。

參考資料：

1、Artificial intelligence and machine learning: revolutionizing drug development——IMED Annual Review 2017.

2、World Preview 2018, Outlook to 2024——Evaluate Pharma.

3、擁抱醫(yī)藥創(chuàng)新的新時(shí)代：創(chuàng)新藥產(chǎn)業(yè)深度報(bào)告暨2018 年投資策略——銀河證券.

4、醫(yī)藥生物行業(yè)深度報(bào)告（2016-11-10）：關(guān)于研發(fā)創(chuàng)新藥的一些問(wèn)題——東方財(cái)富證券.

5、人工智能在醫(yī)療健康領(lǐng)域的應(yīng)用（三）：藥物挖掘，https://vcbeat.net/YTgyN2QwMDc4ZWQyYTg1YWYzYTg1ZDkyZTAzYzU3MGU=