人工智能生物制药最新进展(人工智能在制药行业的发展应用)

人工智能(AI)技术正在从成本和效率方面重塑制药行业。中国的AI制药起步比欧美晚一点，但发展很快，在数据和算法上更有优势。相关专家认为，AI制药将成为国内医药行业弯道超车的契机。应该以AI制药为切入点，加强对这一新兴领域的前瞻性政策支持，推动我国整个创新型医药产业的原始自主创新，最终实现中国的创新。中国AI制药行业的“后发优势”近年来，中国本土AI制药公司不断涌现，涉及新药研发全链条，涵盖靶点识别与认证、药物发现、临床前研究和临床研究多个阶段。相关专家认为，目前欧美国家处于AI制药3.0前期，国内处于2.0前期。国内AI药企大多处于动物试验、药效和毒理学验证阶段。它们可能在今年晚些时候进入临床前候选化合物阶段，预计两到三年后进入3.0早期阶段。美国仍然主导着全球人工智能药物管道布局。据智库“智能药局”统计，截至6月20日，全球共有26家AI制药公司，约51个药物管道处于AI辅助的临床I期。其中80%以上是美国企业，中国企业只有三家，分别是英国硅智、无名王和冰洲石。上市的AI制药头部企业基本都是欧美企业，目前还没有中国企业。

日本药企武田亚太开发中心负责人王林博士在接受采访时表示，中国本土AI公司和生物技术公司的AI辅助药物研发实力提升很快。一些本土企业从专利开发平台发展起来，甚至开始探索国际上没有企业涉足的前沿领域，如小分子晶体结构预测、初级药物设计等。自2021年以来，大量国内资金开始进入艾新药R&D公司。当年有三家中国AI制药公司获得种子轮融资。近两年，有三个融资项目备受业内关注。首先，总部位于香港的赢驷智能去年成功融资2.55亿美元，用于推动AI研发候选药物进入临床试验，以及推动算法调整以寻找更多新靶点。同年4月，北京王石智慧科技有限公司也成功融资1亿美元。2020年9月，总部位于深圳的景泰科技也成功融资3.19亿美元。此外，腾讯、百度、字节跳动等国内互联网巨头也将其强大的AI计算能力转向药物开发设计领域。“中国在利用AI技术辅助新药研发方面具有得天独厚的优势，这将为国内医药行业带来弯道超车的历史机遇。如果你能灵活一点

应用这一新兴技术，国内制药企业将成为世界行业龙头，进入领先行列。”王林说道。一方面，充足的大数据是AI训练的关键。国内人口基数庞大，医院规模可观，更有利于大规模数据的收集和整合。其次，目前中国约有3000家CRO(合同外包研究机构)公司，这使得制药公司可以将多家CRO公司纳入药物研发，并行进行多项实验：比较不同的结果是AI学习和进步的必要过程，也可以降低成本，提高质量。但相关专家认为，中国在AI部分更具竞争力，但在制药部分略逊一筹。专注于智能药物设计平台的生物科技公司袁遗智慧创始人兼CEO潘路荣博士告诉记者，中国在AI算法水平上与欧美没有差距，甚至更差，但在数据理解和应用、生物学和转化医学基础建设、完善的知识体系、人才储备、整个医药行业、产业链和供应链的标准和质量管理等方面，中国与国外差距较大浙江工业大学智能医药研究院院长段宏亮也认为，中国的AI水平与美国相当，但医药行业落后。在AI与各行业的融合中，与医药行业的融合难度更大，不会一蹴而就。我们要尊重药物研发的规律，花时间打磨。“新旧融合”的挑战与风险虽然人工智能已经渗透到医疗研发的方方面面，但是一个新兴行业与一个传统行业的结合仍然面临着数据、算力、政策等诸多挑战与风险。有关专家认为，人工智能制药行业存在以下挑战和风险，这也是中国发展该行业需要重点关注的重点。和数据计算能力。业内专家任峰认为，未来AI制药竞争将从算法竞争过渡到数据竞争。第一个挑战是数据量。只有海量干净数据的持续输入，才能充分训练AI模型，提高其准确性。其次是数据标准化的问题。目前大部分数据来源于科研经费、出版物等公开数据，数据清洗和整合比AI建模更费时费力。浙江工业大学智能药学研究院院长段宏亮表示，目前国内大部分企业通过开放数据库获得的药物研发数据少且质量低，需要从化学和生物实验室生成和积累。此外，计算能力有限，蛋白质或分子构象的模拟需要高精度。目前即使是超级计算机也无法实现所有的组合。新药研发中的不确定性。潘荣荣表示，创新药物研发最大的风险和挑战是人类对疾病的认识还很简单。在过去的20年里，即使我们在各个亚疾病领域的生物学和病理学知识逐渐完善，在分子生物学和人类基因组学的帮助下，仍然有大量的未知。另外，从整体运作来看，新药研发的时间跨度长，所以很多好的科研项目由于资金、政策环境等外部影响无法继续开展。”如果设立项目的科学家不坚持面对过程中的各种质疑，面对资金、产业环境等各种阻碍继续前进，即使是正确的想法也可能半途而废。”潘鲁荣说，因此，政策和产业资本对于创新团队和科学家的支持非常重要。融合的领域是“水土不服”。AI制药是一个高度封闭和保密的行业和最开放的行业的碰撞。潘蓉蓉表示，AI与药学的结合是生物实验学科和计算机学科知识体系和方法论重新整合的过程。他们的性情截然相反：大型国际制药公司已经发展了数百年

复合型人才极度匮乏。受访专家均指出，复合型人才的缺乏是这个行业最大的痛点，而我国这类人才的短缺尤为严重。任峰说，了解传统药物研发、相信AI或者愿意用AI技术做创新药物研发的人还是少数。AI制药需要更多有传统经验，能以开放的视野接受AI技术的人。潘蓉蓉也认为，生物、化学、医学、AI技术等领域背景复杂的人才太少，专家团队也面临着不同领域的沟通和磨合问题。此外，国内在顶层设计方面AI人才匮乏。这样的人才不仅需要算法工程的背景，还需要AI系统工程和生物化学的跨学科培养，从而实现顶层架构，将技术落地。郭天南表示，中国在这一领域的人才培养体系有待完善。生物是科学家，发展路径是本科，科研，直教，出国。计算机专业可以直接找到高薪工作，AI相关机构收入会下降很多；懂业务的大多在传统企业。在国外很容易找到商业伙伴，但中国相对缺乏。高校教师或科研工作者自主创业面临体制机制阻力。国际政治环境影响合作。目前，疫情、政治因素等国际环境的不确定性给供应链、人才流动、会议组织等科研交流和国际合作带来了负面影响，阻碍了创新AI药物的研发。潘鲁荣表示，现在任何创新药物的研发都离不开全球产业链，外包R&D服务已经非常成熟。比如CRO服务，从早期的化学和生物合成，到体外实验和临床试验，都是由遍布全球的很多子公司承担，国内公司也承担了产业链中相当大的一部分。所以，要推动一个真正创新的药物研究项目，单靠一个国家的力量是不行的，最终还是国际合作的结果。激活国内AI制药行业相关专家建议刻不容缓。应从制度上全面激发AI制药产业活力，从人才培养、监管审批、园区建设、数据管理等角度给予支持，推动AI制药实现中国创新药物研发的“革命”。一是加强跨学科人才培养，吸引跨国人才。相关专家认为，AI制药是一个非常前沿的领域，中外人才差距很大，应采取措施充分调动全球人才资源。加快培养复合型人才。段宏亮表示，要打破计算机和生物医学专业的壁垒，着力培养复合型人才。郭天南建议，生物科学家，术业有专攻，视野狭窄，很难有动力跳到另一个行业去学习新的东西。可以建立机制，鼓励一些生物医学博士创业。另外，高校生命科学领域的博士名额太少。比如浙江大学，平均三年只能招一个学生，无法充分发挥顶尖大学大量教授的能力。要给体制内科研人员更多支持，有一批高级人才做转化项目。在资源配置和项目审核上，除了找领域内的权威专家，投资人也是一个评估团，相对来说更加客观和敏锐。充分调动跨国人才。任峰表示，目前AI制药领域海外人才比国内发达，希望能有更多优惠政策，方便海外高层次人才的引进。潘蓉也认为，要有弹性的工作时间，多元化的激励，以线上线下的协作模式，强力调动全球资源。目前，许多fo的核心R&D人员

比如在一些特定的领域，如果有合适的AI技术，可以建立虚拟动物模型进行实验，也可以作为临床前研究效果的一个公认的参考。任峰还表示，期待监管部门缩短AI新药临床试验审批等待时间。AI制药公司也期待配合监管部门制定和完善行业标准，让AI制药在国内发展更加规范。第三，推进跨学科产业园区建设。任峰表示，AI制药是一个交叉学科，期望由政府主导的人工智能、生物制药等交叉学科孵化园联合上下游产业，形成良好的产业生态圈。一些配套设施可以在园区内建设，如提供计算支持的超级计算中心和可以验证早期人工智能药物研发的共享实验室。第四，加强数据和隐私管理。王伟表示，AI制药涉及大量的数据支持和应用。相关企业在评估是否采用新兴的AI算法或数字工具时，首要考虑的应该是数据安全和隐私保护。潘蓉蓉也认为，医药领域数据的保密性和AI领域对数据的依赖性之间存在矛盾，需要新的加密技术、行业合作机制和创新的数据资产业务管理机制来解决。