今天小編分享的科技經驗：制藥界的61億美元瓶頸：AI來解？，歡迎閲讀。
當下，誕生于深度學習領網域的各種全新軟體技術和數據處理方法，在經歷學界多年積累優化後獲得性能飛躍。AI 方法在不同領網域層出不窮的新應用頭角嶄露，吸引了來自各行各業頂尖團隊的深切關注。
人們正不懈挖掘 AI 方法解決技術前沿難題的潛力。而在醫學界，先行者又越過了重要一關。
英矽智能宣布，他們成功将旗下第一個由 AI 研發的小分子藥物 ISM3091 授權給全球知名生物制藥公司 Exelixis，獲得 8000 萬美元的預付款，此外還将獲得基于後續進度的裏程碑和銷售抽成。
ISM3091 這款藥物由英矽智能生成式人工智能平台設計，是全球潛在同類最佳（Best in class）USP1 抑制劑。其不僅在今年 4 月獲得了 FDA 的臨床試驗批準，還成為了亞太地區首個成功對外授權的 AI 研發藥物，也成為今年國内首付款最高的小分子藥物。
值得一提的是，Exelixis 對于英矽智能并不是一個普通的合作夥伴，他們曾成功研發出廣泛應用于多種癌症的 " 萬金油 " 卡博替尼，幾年内就将其從一款孤兒藥發展成了治療腎髒、肝癌和甲狀腺癌的主流癌症治療產品。
AI 輔助新藥研發的研發模式和圍繞研發成果的交易，似已掀起一股風潮，從美國向全球擴散。AI 在藥物研發過程中究竟起到何種促進，AI 輔助研發的藥物有多大機會成功上市，這些都成為新的關注焦點。
AI 如何提升藥物研發效率？
在 2022 年 3 月的《今日藥物發現》上，一項研究概述了輝瑞使用人工智能取得的成功。
該研究發現，這家制藥公司使用人工智能和其他行業領先的技術和策略，實現了 21% 的端到端臨床成功率——遠高于同行 11% 的平均成功率。
今年剛發布的最新研究顯示，大型制藥公司從零開始将一種藥物上市的平均成本已超過 61 億美元。而此前市場估計的這一數字普遍在26-28 億美元。
面對不斷上升的研發成本，醫藥界不得不将目光聚焦到 AI 領網域。算法、數據、算力是 AI 輔助藥物研發的三個核心。
在算法上，融入 AI 工程方法的藥物研發，按照技術演進可區分三種模式。
第一種模式，利用計算機直接輔助藥物設計，這個階段基本上還是使用基于一些規則或統計方法，篩選已知的化合物庫，" 智能 " 相對不足。
第二種模式，是用機器學習（ML）來預測分子結構和分子的某種生物活性之間的關系，更多基于數據驅動。這一模式下，藥物開發過程具備了一定的 " 人機互動 "。
當前流行的第三種，基于第二種模式的理論基礎，加入處于爆發性提升中的生成式 AI 技術，同時實現藥物研發的效率提升和新藥設計思路的拓展。
而當前，人工智能算法在藥物發現中的主要應用是：藥物靶點的識别和驗證、化合物的虛拟篩查、全新藥物設計、藥物再定位以及治療反應生物标志物的識别。
英矽智能向見智研究介紹，目前業界已經運用生成式 AI 在靶點新穎性、可信度和商業可行性之間探索一個精妙平衡。
通過生成式 AI 技術成功找到了具備優秀成藥潛力的新分子結構。新技術的加持為藥物設計帶來了空前的靈活性，遠超依賴傳統使用 AI 方法的先前項目；不僅如此，設計成果通過傳統藥物化學評價的機會也有大幅提升。更進一步地，使用不同 AI 方法進行了多維度的優化，顯著降低藥物在目标靶點之外的生化影響。
如果基于傳統藥物庫進行篩選組合，這一目标的實現會變得極其困難，近乎 " 不可能任務 "。但現在，生成式 AI 就像點金石，幫助科研人員構造出近乎完美的 " 鑽石 " 級分子，無需再從零開始碰運氣。這一全新研發過程，本身也在實現飛輪般的正向循環，每一次取得的成功，都将反過來助力系統效率的提升。
結果就是，在生成式 AI 模型助力下的新藥研發，其選定的分子質量獲得總體提高，研發成本也大幅降低。
一部分跟上技術潮流的創新藥企已經紛紛看到，AI 能在研發初期階段提供巨大的幫助，讓整個藥物開發過程更加高效和經濟。即使是穩健的老牌制藥巨頭也無法拒絕這一新技術趨勢的吸引力，因為傳統藥物研發也逐漸顯現可選開發品種受限的困境。
為了獲得寶貴的管線覆蓋優勢，即使與外部 AI 藥研公司合作也能構成雙赢局面——藥企得到更多的藥物品種，AI 藥研公司則取得費用或裏程碑付費合同。
另一方面，當老牌藥企選擇了此類合作，雖然後續開發是基于 AI 選定的目标展開，但研發流程仍是通過細胞和動物模型檢驗、進行大規模毒理實驗，最後進入人體臨床試驗。因此，相比傳統研發方法，與提供 AI 模型服務的藥研公司合作，只存在短期内即可驗證的效率優劣，而不會對新藥的研發生產周期引入其它風險。
不過，類似合作不一定涉及數據共享。使用 AI 模型的藥企，大多會避免将數據開放給外部合作方；外部的 AI 技術服務商更不可能讓客户接觸寶貴數據。雙方會小心地維系以維系數據在合作關系中的 " 系統内外 " 區隔。
因為數據問題的存在，按照新藥研發企業和 AI 模型服務之間的不同關系，可以劃分出三種不同的商業模式：AI SaaS（軟體即服務）、AI CRO（合同研究組織）和 AI biotech（生物技術公司）。
其中，AI SaaS提供 AI 藥研平台和 SaaS 化軟體的私有部署和使用服務給用户，實現客户數據利用；AI CRO直接對客户提供基于自有數據構建的 AI 模型所輸出的藥物發現結果；而 AI biotech利用自有數據并自研 AI 技術，通過二者自主研發新藥。
三種模式各有利弊，創新藥企在三者裏選擇，只為讓 AI 技術匹配自身禀賦實現最高效用。
推動藥物上市是下一個行業标志事件
AI 在藥物研發的潛力不斷展現，其中不少案例在臨床試驗中已逐漸接近後期。這不僅提高了業界對于 AI 藥物商業化的信心，也推動交易價格不斷攀升。
在此次英矽智能創亞太地區記錄的 8000 萬美金首付款對外授權之外，業界還有多項大額首付款的開發權益交易。
制藥巨頭阿斯利康也在 AI 領網域展開新動作。其子公司 Alexion 本月與 Verge Genomics，一家專注于利用 AI 研發神經科學藥物的生物技術企業，達成了一項長達四年的合作協定。
根據協定，Verge Genomics 将得到高達 4200 萬美元的預付款和公司股權，以及有可能額外獲得的高達 8.4 億美元裏程碑付款。更進一步，該公司還将從合作開發的任何產品全球銷售中獲得版税。
更早前的 22 年 12 月，武田制藥以 40 億美元的首付款和高達 20 億美元的潛在銷售裏程金，收購 Nimbus Therapeutics 使用AI 開發的 TYK2 抑制劑 NDI-034858。這筆交易震驚了業界。
NDI-034858 在最近的銀屑病 IIb 期試驗中表現出色，武田表示正在考慮拓展适用于多種自身免疫性疾病。
這筆天量首付款已成為足以代表大型藥企立場的标志性決策。這不僅是 Nimbus Therapeutics 在 AI 藥物發現領網域的一次重要勝利，也進一步佐證了 AI 在加速藥物研發和提高成功率方面備受行業的期待。
制藥巨頭們這一系列動作被市場解讀為新型 AI 技術在藥物研發領網域影響力激增的訊号。而技術承諾距離兑現仍差關鍵一步，全市場無不期待第一款 AI 藥物通過臨床成功上市，實現商業化目标。在那一刻之前，一切的許諾和溢價僅僅只能落在紙面上。
新時代開啓，而數據為王
AI 領網域的一系列大額授權交易，毫不意外地帶來了相關公司的融資潮。
近期獲得英偉達 5000 萬美元投資的 Recursion 早已是行業矚目的新鋭。公司自創立起，一直着力于通過良好數據實現優勢。截至目前，Recursion 已擁有超過 25PB 的相關醫藥生化數據用于模型訓練和改進，這些數據成為公司無與倫比的核心資產。
在一個滿載自動化器械的倉庫裏，公司每周都有數百萬次科學實驗在進行，不斷地為已有的數據庫增添新條目。Recursion 公司的 CEO 和聯合創始人 Chris Gibson 透露，他們的目标是建立一個描述生物學和化學如何互動和工作的基礎模型。這樣的模型有潛力從根本上改變藥物研發全過程。
優質數據至上同樣镌刻在國内 AI 制藥公司的基因中。
自 2011 年以來，英矽智能就開始了一場與時間競跑的數據收集之旅。公司向見智研究表示，自 12 年前開始收集公開的受資助醫藥研發相關數據（數據基于海外受資助醫藥研發項目在法定要求下的可靠披露），同時也一直珍視和精煉自身研發生產過程中產生的巨量數據。這些多年的積累，成為公司現階段的護城河。
AI 融資潮席卷，拼硬體成為另一個必選項
在今年 7 月與英偉達達成合作後，Recursion 宣布使用 Nvidia 雲服務，向客户分發基于自家模型的 AI 藥物開發服務。
Recursion 的 CEO Gibson 表示，除數據之外，公司于 2021 年投資 2500 萬美元購買 GPU 建造的超級計算機也帶來了無可替代的先發優勢。
當時，投資 GPU 在制藥界被認為是一種奇怪的選擇。然而，公司 CEO 堅信 AI 制藥将成為一場 " 淘金熱 "。從業者們很快會發現自己其實就站在金礦上，而足以基于大量數據開發出先進模型的超級計算機，會成為 Recursion 的 " 鐵鎬和鏟子 "。
英矽智能也在類似決策上展現出不輸于前者的前瞻性。
今年 6 月，英矽智能在港交所提交了招股説明書，成為焦點的除了其 AI 技術外，還有它先進的大規模實驗室。盡管建設 AI 大模型實驗室這一決策曾遭到了不少質疑和反對，但公司創始人 Alex Zhavoronkov 毫不猶豫地堅持推進了相關計劃。
現在回望，這個大膽的舉措為公司帶來了巨大回報。該實驗室產生整理了大量獨有的内部數據，并将公司的 AI 平台打磨得極其出色。誕生在實驗室中的高質量數據成了已有數據資產的重要補充，進一步提升公司的 AI 能力。如今，實驗室已經轉變為一個高效的數據工廠。
而最令人印象深刻的是，英矽智能現在已經能夠實現完全自動化的靶點和化合物選擇，以消除人為誤差和偏見的技術模式，提供對内和對外的研發支持。
在 AI 領網域，算法、數據和算力始終被視為三大支柱。而眼下，随着 AI 輔助藥物研發的不斷發展，這三者在制藥行業裏發揮的作用也日漸凸顯。當前創新藥企對三者的不懈追求，表明前沿的 AI 技術正在為新藥研發行業奠定全新的投入產出範式。
或許在不遠的未來，行業内所有公司都将面臨類似的抉擇。是選擇 AI SaaS 的軟體服務模式，還是走 AI CRO 的純粹外包路線，亦或是自己發展成為一家具備 AI 技術研發能力的生物科技公司？完美答案并不存在，但毫無疑問，AI 已來。
