近年来，在创新药发展的一片繁荣背后，创新药的困境也在慢慢浮现。一者，在已知有限的人体基因靶点下，潜在的药物靶点数量有限，不利于现如今药物研发大环境。二者，医药市场中“内卷”生成，同质化的靶点扎堆情况愈发严重，上百种PD-1、ADC和Car-T种子赛道拥挤。

       因此如何从靶点赛道中脱颖而出，从新药研发中脱颖而出，既成为了药企迫切的需求，也是AI制药存在的核心使命。

       2021年9月18日，由中国国际智能产业博览会组委会主办，南岸区人民政府、重庆经济技术开发区管理委员会、药智网、中国药业杂志社承办的2021大健康产业高质量发展大会暨第六届中国医药研发•创新峰会（PDI）正在举行。同日下午，名为“药物研发创新与AI”的主题会议以大会分论坛的形式召开。

       期间不仅有多位计算机及制药领域的专家分享了各自对“AI+制药”的核心报告，同时还以圆桌论坛的形式，集思广益，共同探讨“AI将如何推动药物研发创新升级？”

       AI制药开启药物研发新篇章

       新药研发面临研发周期长、研发成功率低以及研发费用高等三大困境。而其阶段主要包括药物发现、临床前研究、临床研究以及审批与上市四个阶段。其中药物发现阶段和临床前研究阶段则是药企最为忧心的阶段。

       同时，在整个过程中虽说越往后成本越高。但**、溶解度等阶段的关键性却反而在之后的实验研究之上，无数例子显示，传统方法往往在投入了大量时间、人力、金钱完成前期阶段后，却在之后的推进过程中发现并不适合成药，造成大量资源和机会的浪费。

       更多药企在此困境下努力尝试通过技术创新来加快新药研发速度、提高成功率和降低成本，却也为AI制药领域发展带来新的契机。

       重庆华森制药集团党委书记、董事长游洪涛表示，继过去的自然医药时代与现在的生物医药时代之后，制药时代即将迎来新的篇章。靶点与人工智能的结合也将加速这个时代的降临，29亿对碱基对中，编码数量目前也仅有3万多个，还有巨大的空间可以利用。而在这样大数据工作量下，大数据与人工智能所起到的作用也将远远超过人脑。其间商机可见一斑。

       最近生物医药、传统医药、AI人工智能相互融合产生了很多公司，比如OxfordNanopore这家公司市值60多万英镑，产生了很多独角兽企业，产生了新的赛道。

       AI制药发展制约条件

       人才：就目前而言，随着科技时代的来临，全球AI人才总体数量并不少，但能把AI与生物医药结合的专业性人才短缺却仍是行业面临的严峻挑战，两者不同专业的交叉与融合提升了对人才的需求的同时，高效产出人才量仍远远少于市场需求。重庆医科大学副教授张永红对此表示，对于交叉学科而言，专业知识倒还是其次，对于人才的训练更多的还是在于其思维模式的改变，将知识的结合能力成为了他们以后否在医药研发过程中解决个别瓶颈问题的关键。

       数据源：现如今，数据源、算法与算力是AI领域公认的三大要素，而对于AI+医药研发而言同样如此。而如果说算法与算力是大量专业人才可以解决的瓶颈问题，那么大量高质量数据源则是更为重要的一环。或由于隐私、或由于政策，生物技术领域的大数据往往并不能很好地进行建模，且往往还需要来考虑种属差异、剂量、体内暴露情况等多种因素的影响。国内创新药研发起步较晚，与国外相比，对于优质数据的积累还有一定距离。制药行业的专业门槛很高，而且链条很长。此外，医药领域的监管政策和体制改革也很频繁，使得获得连接历史药物数据变得困难。这些都会导致医药数据统计在完整度和精准度上的不足，从而影响相关决策。

       政策法规：某种程度上而言，AI在其他科技领域的应用已远超医药行业，对于监管机构会如何监管AI药物，就药物审评审批来说，化合物应该遵照“安全有效”的评价标准，审批和监管体系短时间内很难改变。启迪博大投资管理有限公司总经理，清华校友总会生命科学与医疗健康专委会秘书长余永平也坦言，理论上政策的改革其实比技术创新更难，因为它是生产关系的改变，所有生产关系的改变都触及到利益，而生产力的改变就是一个技术，相对前者反而简单，好用就好办。

       比起“跨界”，AI医药核心意义更在于“结合”

       虽说当今社会不断强调“打败你的不一定是同行，也许是跨界”，但由于医药领域与计算机AI领域的专业壁垒巨大，在大多数人看来往往是“懂药的不懂计算机、懂计算机的不懂药”。即使是深耕多年的医药领域专家也无法保证能在AI医药研发领域有所建树。

       重庆医科大学副教授张永红认为，与其跨界交叉，反而融合更有价值，将药学的知识跟计算机的关键节点联合，邀请计算机专家解决药学问题，将成为未来AI在药学领域起到关键作用的点。正如成都先导与腾讯AILab合作，共同设计开发了一款分子骨架跃迁算法，有望加快药物研发领域中的小分子设计环节，从而大大减少人力以及时间成本。

       中国科学院重庆绿色智能研究院大数据中心主任尚明生也表示，新药创新非常需要借助AI的力量，而对于计算机专业人才而言，也非常愿意贡献里面的算法工具作为其中来使用的力量，这就是结合的真正意义所在。

       比起缩短新药周期，“探索”更具意义

       资料显示，AI在化合物合成和筛选方面比传统手段可节约40%~50%的时间，每年为药企节约260亿美元的化合物筛选成本。在临床研究阶段，可节约50%~60%的时间，每年可节约280亿美元的临床试验费用。也即是说，AI每年能够为药企节约540亿美元的研发费用。

       但其实，正如成都先导药物开发有限公司董事长、CEO李进所言，AI对医药工业的促进作用不言而喻，随着数据越来越多，数据的质量越来越高，这个作用会越来越大。但是面对一些问题，针对一个靶点如果已经有已知化合物的作用，在这样的基础上AI的算法可能起到人想象不到的作用。因为我们每个人能够观察学习分析的数据量是有限的，而AI是没有限的。我们甚至看几百个分子都看得出来，但如果我摆几万个分子在里面，将来人就看不清楚了，那就要靠算法来做。

       “AI+医药”真正有意义或许并不局限于降低新药研发的时间、人力及金钱成本，更多的或许是发现原来很难、甚至不可能发现的靶点及成药机制，使不可能成为可能。

       玩家齐聚AI制药，共争上游

       2020年起，AI制药的初创公司如雨后春笋、投资机构蜂拥而至、很多高科技互联网公司也来占位、制药巨头、传统药企逐布局AI，领 先 的制药公司与AI驱动的生物技术公司和AI技术供应商之间的合作关系越来越多，AI主题会议激增，甚至很多科研团队开始转型，AI制药转瞬间成为医药行业最 具商业价值的方向之一，甚至被认为将有机会引起一场颠覆式的制药革命。

       AI制药公司大约有300家以上，根据主营业务布局领域或者公司主要技术平台从新药研发的环节角度对公司进行分类，先导化合物设计、优化及合成，化合物筛选，靶点发现环节布局公司最多，其次，ADMET预测、药物重定位（老药新用）也有较多公司布局。

       同时，出初创型企业外，业内各大龙头药企同样对“AI制药”领域充满兴趣并深度参与其中，国内方面，如药明康德、先声药业、豪森药业等均选择与AI企业进行合作。

       总结

       总而言之，AI或者说是计算机在各个领域能做的事情都很简单，关键在于AI与医药两者的结合，趋势若对，那剩下的事情无非“合作”两字。所以本次之所以组织本届会议，就是为了能够跨界交叉，将大家融合在一起，如果促进两个领域之间后续的合作，推动两个领域之间的协同发展，那就是价值所在。

       责任编辑|青霉素