摘要：近两年，AI技术在各领域大放异彩，赢得全球各界的目光，点燃全球追捧AI研发的热潮。AI技术辅助新药研发，作为医疗AI中市场潜力巨大的细分领域，也获得全球制药企业的青睐，目前已有800余家知名药企，其中不乏500强老牌巨头，如阿斯利康、强生等都在AI制药领域推进

转自：凯莱英Asymchem

近两年，AI技术在各领域大放异彩，赢得全球各界的目光，点燃全球追捧AI研发的热潮。AI技术辅助新药研发，作为医疗AI中市场潜力巨大的细分领域，也获得全球制药企业的青睐，目前已有800余家知名药企，其中不乏500强老牌巨头，如阿斯利康、强生等都在AI制药领域推进多个创新合作项目。国内而言，也有近百家企业，包括恒瑞医药、石药集团等传统药企，纷纷跨领域与AI创新公司开展合作，通过战略合作、股权投资等不同形式积极拥抱AI。

2010年到2021年间，全球由AI参与的药物研发项目数量从6个增长到158个，2022年全球有近41家AI制药企业、80条药物管线成功进入临床阶段，其中41条推进到Ⅰ期，超过了总数的一半；Ⅱ期项目超过29个之多，都充分彰显了AI在临床应用中可观的推进速度。

据Research And Markets数据显示，2022年全球AI制药市场规模为10.4亿美元，预计2026年市场规模将达到29.94亿美元，年平均复合增长率高达30%。国内方面，AI药物研发行业起步稍晚，业内预计，2023年市场规模将达到4.14亿元。

图.2022年-2026年全球AI制药市场规模及增速

AI制药之所以引发全球热潮，最大的优势是有望降低新药研发成本。AI制药可定义为一种以医药大数据为学习研究土壤，运用NLP、CV、知识图谱、机器学习、深度学习等AI技术参与制药过程，以计算、预测、寻找合适的、新兴的有机物化学反应、潜在药物分子并观察药物临床效果的技术手段。因此，AI制药可通过自然语言处理、机器学习及大数据等人工智能技术，提高优化新药研发的效率及质量，降低临床失败概率及研发成本。

一般而言，传统的药物创新研发遵循着“倒摩尔定律”，即大约每九年，药物研发的成本会翻倍。Pharma projects 数据显示，全球的新药研发成本由2010年的11.9亿美元上升至2020年的25.1亿美元。但AI技术完全逆而行之，凭借数据和算法模型建立的优势，有助于避免研发过程中的人为因素干扰，有望缩短药物早期发现所需时间，显著节约成本。据统计，使用AI技术能够将药物发现时间缩短40%，药物临床试验时间节约50%-60%，同时将临床新药研发的成功率从12%提高到约14%，总体上达到减少药物研发成本的目的。

目前，AI制药主要应用于靶点发现、化合物合成、化合物筛选、药物晶型预测、患者招募、药物重定向与临床试验设计优化等场景。AI制药企业布局的领域中，近一半都是从事早期药物开发，其次是数据处理、临床开发、端到端药物开发、临床前发展和药物再利用等。从AI制药参与的临床适应症方向来看，肿瘤、免疫学、神经病学领域占比最大，分别为37%、21%和14%。

图. AI制药参与的临床适应症分布

图. AI制药企业布局领域分布

梳理AI制药全产业链，上游为人工智能技术和生物医疗设备等，前者包括芯片、服务器硬件设备、数据收集和处理平台、云计算平台等，后者包括冷冻电镜、自动化实验室等设备；中游为药物研发过程的全环节，包括靶点发现、老药新用、化合物筛选、分子设计以及优化、晶型预测、ADMET预测、临床前实验结果预测等领域，产品类型主要包括小分子药物、大分子药物、新药研发、细胞基因疗法等；下游客户包括CXO在内的药物制造开发企业。

凭借全球东风，AI制药相关初创公司近两年大量涌现，并成功获得资本青睐。数据显示，2022年全球AI制药赛道相关融资总事件达144起，同比增长87%，总金额为62.02亿美元，同比增长36%。其中，中国43起。

2023年全球AI+药物研发相关融资总事件达104件，总金额为36亿美元。其中美国的AI药物研发融资事件为48起，中国32起，其他国家和地区为24起，投融资活动仍然主要活跃在中国、美国和欧洲（欧洲则集中在英国）。中国的投融资活动则主要集中于珠三角、京津冀以及长三角等医药产业较为发达的地区。

图. 全球AI制药企业融资事件数量

虽然AI制药前景一片光明 ，但我们也要注意当下存在的潜在问题：AI黑盒算法存在安全风险，时至今日仍有原理不够透明、运行机制无法解释的弊端。

AI算法的黑盒问题产生的原因是深度学习等主流算法模型内部结构复杂，运行过程自主性强、人工无法干预，所以在数据输入、模型训练、结果输出等方面存在用户无法真实了解其内部工作原理的问题，导致结果也不能完全掌控。

另一方面，深度学习的特点是基于大量数据及模型训练，而药物开发、疾病诊断及治疗计划领域的数据质量具有诸多问题，如各医疗机构、实验室生成数据的实验条件和记录数据的格式或注释往往不相同，存在数值不一致、数据缺失、误差等问题，难以被计算机统一识别，加之医药领域普遍存在“数据孤岛”，大多数高质量和核心数据掌握在少数企业中，保密性极强，公开可能性较小，制约了“AI+医药”行业的整体发展。

总体而言，AI制药处于挑战与机遇并存的局面，不仅考验技术创新，也对行业合作、数据共享、伦理规范提出了更高层次的要求，期待AI制药领域的难题能及早一一破解，迎来真正的行业大爆发。

References

1.https://baijiahao.baidu.com/s?id=1800375985631400000

3.https://www.sohu.com/a/769025314_260616

来源：新浪财经