【產業鏈圖譜 | 人工智能產業鏈圖譜_人工智能產業鏈全景圖】

【研究報告 | 人工智能行業研究報告】

摘要：大多數情況下，藥物發現者利用高通量篩選方式進行目標化合物篩選，以提高藥物發現率，由于不斷試錯的成本較高，更多的藥企開始引入人工智能技術開發虛擬篩選技術，以期取代或增強傳統高通量篩選的方法。近年來，人工智能在新藥研發、疾病風險預測和慢性病管理等細分領域也開始大放異彩。本文主要分析人工智能在新藥研發領域的應用場景及其存在的局限性。

新藥研發企業將人工智能技術滲入藥物研發系統，可以在藥物研發過程中減少時間、人力和物力的投入，大幅度的降低藥物的研發成本，同時還能基于基因、疾病等建立的數據模型預測研發過程中的有效性、安全性和副作用等。隨著人工智能技術的不斷整合，藥物研發企業有望在研發過程中逐漸的實現“去風險”，同時提高全球醫療信息領域的效率，越來越多的人都相信AI技術有助于破解生物學奧秘，并促進人類健康。預計未來3到5年，人工智能技術將在新藥研發領域取得突破性的進展。

人工智能新藥研發領域主要有三類公司，為推動新技術的應用都在進行不同的嘗試

目前在人工智能新藥研發領域主要有三類公司：大型藥企、AI技術公司和藥物研究機構，它們都在為人工智能在醫療領域的應用進行各種嘗試。

大型藥企以其海量的藥物研發數據與人工智能公司尋求探索合作，如國內藥明康德投資了AI藥物研發公司Insilico Medicine，布局用強化學習和生成對抗網絡(GAN)進行分子發現的技術;日本武田藥業與AAIH聯盟發起人Numerate的小分子藥物的合作，AAIH聯盟旨在推進人工智能在醫療領域的應用。不同的AI技術公司都有各自的業務切入口，分別在新藥研發的不同環節中尋求突破，一旦發現細小的環節可行，便逐漸的向環節的上下游拓展業務，這些公司并不研發和生產新藥，而是向醫療機構或大型藥企提供技術服務。藥物研究機構自身擁有較高的研發水平，也在尋找新的商業機會，該類機構也是屬于一個服務性的公司平臺，在制劑、代謝、安全性評價等方面向全球的藥企提供研發支持。如上海藥物研究所蘇州科技成果轉化中心正在搭建自己的數據平臺，計劃基于該平臺成立公司，以謀求商業合作。

人工智能在新藥研發領域的有7大應用場景，靶點發現階段的企業較多

據動脈網蛋殼研究院對國內外近80家人工智能企業的研究發現，AI在新藥研發領域主要應用于靶點發現、化合物合成、化合物篩選、晶型預測、患者招募、優化臨床試驗設計和藥物重定向7大場景，其中靶點發現的公司最多，幾乎是全部應用場景公司的50%，詳情請見圖1。

圖1 人工智能應用的7大場景企業數量分布

(資料來源：動脈網蛋殼研究院)

目前從AI在新藥研發領域的整體應用看，主要集中在靶點發現階段，即主要集中在新藥研發早期，化合物合成、化合物篩選、晶型預測等環節的企業數量較少。在蛋殼研究院整理的78家涉足人工智能新藥研發企業來看，涉足藥物靶點發現環節的藥企代表企業有IBM Watson Health、NimbusTherapeutics和冰洲石科技等，化合物篩選代表企業有Atomwise、Recursion Pharmaceuticals公司和Healx公司等，化合物合成環節的代表企業有深度智耀、Nuritas和Virvio等。詳細企業圖譜如圖2所示。

圖2 人工智能在新藥研發的應用場景企業圖譜

(資料來源：動脈網蛋殼研究院)

人工智能存在局限性，對新藥研發幫助的效果尚待驗證

人工智能作為計算機領域的前沿技術，其應用價值也逐步被放大，甚至出現取代人類工作的言論。利弊同存，雖然人工智能可以更準確的識別目標、更高效的處理數據，但這些技能的存在都是受到IT從業者對新藥研發各種參數重要性判斷的局限。任何技術都會產生假象，如何平衡有時需要依賴從業者的直覺和經驗，而這些無法計入編程。一種工具決絕不了所有問題，如何能將AI技術最大化利用，還需要更多的研究和投入。

新藥研發所面臨的挑戰數不勝數，人工智能可以解決的部分有限。用計算機設計新藥的程序已經存在了好幾十年。但在醫藥行業，研發產出率非但沒有上升，反而還逐年下降。藥物發現的時間沒有縮短，成本也沒有變得更低。這并不是說這些程序阻礙了新藥的研發，而是說它們尚未給行業帶來大幅的可喜改觀。即使人們對人工智能新藥研發的熱度不減，但我們也應理性看待這個新型技術，目前人工智能新藥研發技術還處于初級的發展階段，這項技術是否對新藥研發領域有所幫助，還需要一段時間的積累或成果來證明。

結語

總體來看，人工智能在新藥研發領域存在巨大潛力，雖然，目前還未研發出基于人工智能技術的新藥，不過大力發展大數據新藥創制已經成為全球制藥行業的新趨勢。希望彼時，人工智能為制藥業甚至整個社會帶來革命性的變化，中國的人工智能也能夠在新藥研發領域大放異彩，帶來造福患者的新藥。