作者：梁映
原创：深眸财经（chutou0325）
自从腾讯、百度、阿里等大厂争先入局AI赛道后，各大药企也将AI药物研发提上了日程。
事实上，从2020年开始，AI医药就进入了高速发展期，并且这一势头丝毫没有减弱的迹象。根据智药邦的统计，2022年上半年，AI药物研发领域共发生了52项投资活动，投资总金额超过180亿人民币，其中27%的投资活动金额过亿。
国内的AI技术已经在医疗领域的影像板块实现了一定的商业化，AI+CT可以对肺结节、肺结核等肺部疾病进行有效筛查，各大三甲医院已经在临床上进行了广泛应用。
但AI药物研发领域才刚起步，而AI药物研发，才是AI在医疗市场上最大的蛋糕。这也难怪腾讯、阿里、百度等大厂，早早就瞄准了AI药物研发赛道。不过一个有趣的事实是，医疗数据在某种意义上比算法模型更为重要。
而这，也就给了各大药企一个切入AI药物研发赛道的好机会。
1.AI药研这块香饽饽香在哪儿
在人口老龄化和人工智能的催化下，AI制药正在逐渐成为刚需。
谈到AI入局医疗赛道，似乎是一个近几年才发生的事。事实上，早在2010年就有一批技术公司开始尝试用AI技术进行药物研发。但直到近几年，AI研制的第一批药物才真正投入到了临床使用。
药物研发包括药物发现、临床前研究、临床研究、审批上市四个阶段。在药物研发阶段，人工智能通过对医学资料的深度学习能够迅速发现药物与疾病、疾病与基因之间的关系；在临床前研究阶段，人工智能技术通过处理大量试验数据，可以在几小时甚至几分钟内找到药效最好且最稳定的晶型结构。
AI深度参与的这两个阶段恰恰是药物研发中耗时最长，资金投入最大的两个阶段。药物研发是一个研发周期长、费用高、成功率低的过程。电影《我不是药神》中的格列宁的原型诺华公司生产的格列卫，售价2.5万元一瓶，NATCO的仿制药价格仅有980元。之所以正版售价高达两万多一瓶，是因为前期研发投入大。
而随着AI进入到药物研发领域，药品的成本有望大幅下降。资料显示，人工智能可以将新药研发的成功率提高2%，为整个生物制药行业节约数百亿美元的研发费用。
一方面，人口老龄化带来了更多的医疗需求。据《中国医药开发与生产能力评估报告》显示，到2050年我国60岁以上老年人口将达到2.8亿，占总人口的19.7%。老年人比例的增加意味着医疗行业需要应对更多的慢性病和其他需要长期护理的疾病。
另一方面，人口老龄化造成的劳动人口不足迫切需要人工智能参与到劳动生产中，缓解供需失衡。目前我国人口总量逐渐减少，而老年人口却呈现增长趋势。在不久的将来，医疗系统会面临医生、护士和其他相关人员短缺问题。
人工智能在数据处理、图像识别等方面的运用，将提高医疗系统的运行效率，降低运行成本。国内的AI技术已经在医学影像领域实现了一定规模的商业化应用。AI+CT影像能够对肺结节、肺结核、气胸、肺癌等肺部疾病进行有效筛查，各大三甲医院都开设了这一检查项目。
相比与AI在零售、文娱等其它领域的应用，AI在医疗领域的运用还处于早期阶段，但AI在医疗行业的市场却是最大的。数据显示， 2025 年，人工智能应用市场总值将达到 1,270 亿美元，医疗行业占五分之一。
很长一段时间里，国内高精尖的医疗设备都将依赖于国外进口，比如核磁共振仪，CT扫描仪等等；关税及高昂的费用，最终转嫁到了患者们的身上。
所以，依托于我国AI技术在世界范围内的领先性，加快AI技术在药物研发等领域的发展，也能让国内医疗行业在下一个十年抢占一定的行业话语权。
2.模型重要，数据更重要
AI药物研发领域的领先玩家是美国。美国大量医疗 AI 公司都集中在药物研发领域，全球50% 以上的 AI 药物研发公司都集中在美国。美国的 Schrodinger 和 RelayTherapeutics AI药物研发领域最早上市的公司。
2020 年 11 月，Google 旗下 DeepMind 的 AlphaFold2 解决了生物学难题 - 蛋白折叠。2021 年 7 月，谷歌与欧洲分子生物学实验室（EMBL）利用 AlphaFold2 基于氨基酸序列预测了 350,000 个蛋白质的三维结构，几乎涵盖了人类基因组表达的约 20,000 个蛋白质。
这让各界开始重视起了AI在药物研发领域的应用，在这之后，AI医药研发的融资活动越来越频繁。
2020 年，英国 Al 制药企业 Exscientia 通过 Al 人工智能研发的新药候补化合物正式在日本进入第一阶段临床试验，这也是世界首次使用人工智能 AI 开发药物的临床试验。2021 年上半年，Exscientia 公司有两款药物宣布进入人体临床。
据《ai药物研发发展研究报告2021》显示，2020年至2021年底，全球约有近30项依托AI技术研发的候选药物已获批进入临床。
国内的AI制药虽然起步晚，但实力依旧不容小觑。作为人工智能领域与制药领域的交叉，AI药物研发受到国家对创新药研究和人工智能发展的双重鼓励，也取得了一定的进展。
中科学院上海药物研究所和上海科技大学联合研究团队综合利用虚拟筛选和酶学测试相结合的策略，发现了一批可能对新型 肺炎有治疗作用的老药和中药。华中科技大学同济医学院等医院和研究所与华为云联合科研团队，利用人工智能技术筛选出五种可能对2019-nCoV 有效的抗病毒药物。
在业界广泛流传的话：数据与特征决定了机器学习的上限，模型和算法只是无限逼近这个上限。算法和数据是训练模型的的基础，如果只有算法而没有数据，AI模型没有办法没有办法有效地工作。但是医疗行业的有效数据非常少。
首先，医疗数据尚未形成统一的统计标准。医疗信息虽然已经采取了数字化管理，但管理的标准并不统一，当前除了主流HIS、CIS、PACS 等系统，其它不同厂商也会为不同医院单独设计信息化管理实施系统，且不同版本之间的数据无法互相授权。 另外，在医生的实际工作过程中，病历数据的记录往往是个性化、缺乏统一标准； 因此，人工智能目前难以理顺整个诊断逻辑，进行深度学习。
其次，有价值的数据难以获取。目前训练AI的数据主要是各种文献数据库，公开的项目模拟数据及部分临床数据等公开数据，这类数据获取难度低但质量高低不齐；而高质量的数据多集中在三甲医院，仅对内开放，获取难度高。
药物研发对AI的信息整合能力提出了更高的要求。相比其他领域，医疗领域的数据要复杂得多。同样的一个症状，可能是由不同的病因导致的，并且同样的病因在不同患者身上可能会有不同的表现。
这就要求AI在分析已有数据的基础上，能够对未知事物的发展进行一定的推理判断，以适应复杂的临床环境。而目前的AI还处在从感知智能向认知智能过渡的发展阶段。
3.谁先吃到AI药研的蛋糕
国内的AI制药赛道上已经诞生了首家独角兽。
AI制药企业晶泰科技D轮融资4 亿美金，估值超过 130 亿人民币，投资方包括腾讯、红杉资本、软银集团、中信资本等。
晶泰科技搭建智能药物研发一体化平台，通过向药企提供智能化药物研发服务而盈利，这也是大部分AI制药的初创公司所采用的盈利模式。他们的优势往往在于创始人的专业背景，目前大部分初创公司都将重心放在了药物发现阶段的化合物筛选、靶点发现、化合物合成。
这些初创公司在人工智能方面拼不过科技巨头，在医药知识领域方面又打不过传统药企。因此从某一具体的制药流程切入，专注于细分领域才能有更大的赢面。
有趣的是，不少初创AI制药公司背后的投资方往往是大型科技公司和医药公司。
第二类玩家则是科技巨头。科技公司在资金和AI技术上具有明显的竞争优势，世界云计算排名前列的谷歌、阿里、百度、腾讯都不约而同地瞄准了医疗赛道。腾讯成立覆盖临床前新药研发全流程的云深制药；华为设立覆盖基因组、药物研发和临床研究的EIHealth ……
只是医疗行业的羹也并不是那么好分。
在医疗数据不足的情况下，大厂们即使搭建好了算法模型，也无法让AI模型通过大数据的学习得到成长。
因此科技巨头们往往会选择与药企强强联合，一方提供技术、一方提供数据，华为与云南白药、百度与赛诺菲皆是如此。
第三类玩家则是在医疗行业积淀深厚的大型药企。
由于人工智能的技术门槛高，药企难以在短期内拥有技术优势，因此会选择与科技巨头合作。科技公司负责搭建算法模型，药企则负责利用数据训练模型。
不过，资金实力雄厚的药企还是更乐意自己掌控全局，不少药企会通过自建AI团队或收购初创AI技术公司的方式补足技术短板。以药明康德为例，前后参与Strateos(Transcriptic) 、 EngineBiosciences等多家AI药物研发初创公司的投资。
医药研发是个周期长、投入资金量大的事情，即使人工智能逐渐渗透到各个制药环节，很多决策依旧需要药化专家帮忙，所需要的时间只是相对变短。因此，对企业而言，雄厚的财力是支撑其前期研发必不可收的基础。
同时，AI药物研发作为人工智能与医疗行业的交叉点，也面临着行业磨合的阵痛。
有媒体报道，大部分药化专家对AI制药持怀疑态度，尝试过后预测率如果不能达到百分百便会不再信任AI技术。显然，在算法和数据之外，行业内部也还处于互相了解阶段。
这也意味着，谁先达成共识，谁就先吃到AI药研的蛋糕。
