AI製藥，未來趨勢還是虛幻泡沫？

21世紀經濟報道記者 季媛媛 上海報道

當前，藥物研發領域正經歷着前所未有的變革，而人工智能（AI）技術的興起無疑是這場變革中最引人矚目的驅動力之一。作爲二十一世紀最具革命性的技術之一，AI不僅在藥物發現的領域中嶄露頭角，更以其獨特的優勢在藥物研發的早期階段扮演着核心角色。

最近，AI製藥初創企業Chai Discovery宣佈成功完成3000萬美元的種子輪融資，投資方包括OpenAI和知名投資公司Thrive Capital。據悉，此次融資後，Chai Discovery的估值達到了1.5億美元，資金將被用於進一步加強公司在AI與藥物研發技術上的投入，以加快新藥的研發進程。這是OpenAI首次投資於AI製藥公司。

從製藥企業的角度來看，禮來公司最近也宣佈與Genetic Leap達成了一項基因療法藥物開發的合作協議。禮來將利用Genetic Leap的人工智能平臺，針對禮來選定的靶點開發寡核苷酸藥物。根據協議條款，除了分級特許權使用費外，Genetic Leap還將從禮來獲得高達4.09億美元的預付款、開發、臨牀、監管和商業里程碑付款。

而在今年6月，禮來剛剛與OpenAI公司合作，利用AI技術開發抗菌藥物。這一合作建立在兩家公司之間成功的試點項目基礎之上，Genetic Leap的專有AI平臺能夠開發靶向RNA的寡核苷酸或小分子藥物。

據估計，全球目前約有343家AI藥物研發企業，其中超過一半的公司位於美國，英國和歐盟分別佔據12.5%和13.4%，亞洲大約12.8%，其中中國約佔4.7%。此外，全球AI藥物研發市場中，北美市場最大，亞太地區排名第三。摩根士丹利去年發佈的一份報告顯示，AI製藥的全球市場規模短期內已經達到500億美元，並有望繼續增長。

然而，在藥企加速佈局AI製藥的同時，該產業也面臨着“冰火兩重天”的現實。多家AI製藥企業傳出了裁員和管線調整的消息。例如，此前Recursion和Exscientia宣佈已達成最終合併協議，這成爲AI製藥界迄今爲止最大的併購案。有業內人士分析，這次併購的原因在於，“它們至今都沒有產生令人矚目的臨牀數據，合併是爲了共同應對挑戰。”

AI製藥究竟是未來的“風口”還是暫時的“泡沫”呢？

在醫療中滲透

隨着數據、算法和計算能力的提升，人工智能（AI）在醫療領域的廣泛應用已成爲現實。目前，AI技術的革新呈現出兩大趨勢：一方面，AIGC（人工智能生成內容）正從結構化處理向專業化和交互式內容生成邁進；另一方面，傳統AI與AIGC預計將並行發展，協同作用，共同推動AI技術在各個領域的價值最大化。

畢馬威中國生命科學行業主管合夥人於子龍在接受21世紀經濟報道記者採訪時表示，與以往相比，生成式AI與醫療領域的結合帶來了顯著優勢：首先，生成式AI能夠基於原始數據生成合成數據，用於最終結果的生成，從而增強醫療數據，大幅降低醫療成本，並通過精準診斷和治療減少不必要的檢查和用藥。其次，生成式AI能夠提升醫療服務的效率和質量，爲患者提供更優質的就醫體驗。最後，生成式AI還能輔助醫生進行更精確的手術操作，提高手術成功率。

於子龍指出，隨着技術的不斷融合，未來AI在醫療領域的應用很可能是傳統AI與生成式AI技術的結合體，這種集成將結合兩者的優點，以解決更加複雜和多維的問題。例如，在醫療健康領域，結合傳統AI的自動化決策能力和生成式AI的自然語言生成能力，可以提供既精準又個性化的患者醫療服務體驗。AI的強大賦能作用主要體現在以下三個方面：

首先，與實驗研究相關。在諸如蛋白質結構預測、小分子藥物研發、多肽藥物設計、mRNA藥物研發、藥效團驅動的分子設計、基因和表型的多模態知識圖譜、預訓練模型和高精度生理生化仿真模型等領域，不同的大型模型已經能夠支持實驗人員的研究工作，縮短研發週期，降低研發成本，提升藥物研發人員的工作效率。

其次，與醫藥情報相關。新藥研發流程要求對大量且更新迅速的醫藥資料進行深度挖掘和理解，且新藥從研發到上市的全程需要涵蓋市場調研、競品分析、風險評估等環節，這要求極高的信息處理能力和行業知識。然而，醫藥文獻的海量信息、專業術語的複雜性和語言的多樣性構成了巨大挑戰。不過，現有的大型模型已經在文獻專利與科研、競爭情報、醫保和商保等領域發揮了巨大作用，顯著提升了信息處理效率。

最後，臨牀醫療方面，一些大型模型能夠實現報告自動生成與解析、醫療知識圖譜、文檔與病例理解、醫療問答、診後管理與康復指導、垂直專業知識問答、藥物靶點相互作用、疾病診斷和預測等功能。目前，大模型的應用場景已經十分豐富，能夠改善診斷、治療和疾病預防，提高醫療保健的質量和效率。

畢馬威中國醫療健康和生命科學行業數字化賦能合夥人季剛也指出，生成式AI在生命科學和醫療健康行業的應用場景正在迅速拓展，覆蓋藥物發現、輔助診斷、個性化治療、醫患服務等多個方面，展現出加快藥物開發、早期發現疾病、提供個性化醫療及健康管理、提升診療體驗等優勢。

毫無疑問，人工智能已經深入醫療領域的各個層面。

“風口”已至？

AI與醫療的結合正迅速發展，今年3月，英偉達的首席執行官黃仁勳公開表達了對“AI+生命健康”領域的堅定信心。他的一句“AI+醫藥”可能成爲“下一個黃金賽道”，極大地鼓舞了全球AI製藥行業的士氣。

黃仁勳指出，數字生物學和生成人工智能正在革新藥物發現、手術、醫學成像和可穿戴設備等領域。英偉達官網顯示，“NVIDIA 初創加速計劃”已經培育了超過1800家醫療健康初創公司。特別值得注意的是，近兩年來，英偉達在AI製藥領域的投資佈局尤爲積極。

此外，英偉達已與羅氏、阿斯利康、安進等多家跨國藥企建立了人工智能製藥的合作關係，這也使得衆多業內人士對“AI製藥”領域抱有較大的信心。

目前，藥物研發的傳統流程包括藥物發現、臨牀前研究、臨牀試驗和上市銷售等環節。隨着藥物研發數據的快速增長和數字化轉型，以及人工智能技術的飛速進步，AI在新藥發現環節的應用變得越來越普遍，其優勢也日益凸顯。數據、算法和算力的發展，使得AI大規模進入藥品研發領域成爲可能。

於子龍認爲，藥企若想進入AI製藥領域，必須關注一些關鍵因素。例如，需要與專注於人工智能的製藥公司合作。鑑於AI驅動的製藥公司在當前行業中的關鍵作用，藥企應通過戰略合作、收購或內部開發來充分利用這些公司的能力。同時，需要構建集成的AI系統。AI並非萬能鑰匙，必須明確具體的科學和業務挑戰，並將AI納入研究系統，以有效應對這些挑戰。此外，還需要與生態系統合作伙伴共同創造解決方案。與其只專注於內部開發，不如着重與生態系統合作伙伴共同創造解決方案，以拓展能力，加強創新。

“在大規模投資工具或平臺開發之前，需要創建概念驗證算法。在企業中實施變革管理策略，爲AI整合做好準備。清晰闡述AI的好處，爲AI用戶提供相關培訓，並在AI融入新的研發流程時調整崗位責任說明。”於子龍表示，企業需要考慮整體技術棧，維持設計良好的技術棧，以推動AI技術的快速應用。

於子龍進一步指出，在創新藥領域，AI值得投資的應用有三大方向：先進的AI技術、大型語言模型的整合，以及支持AI應用的基礎設施升級。

一方面，生物製藥公司將運用先進的AI技術，如擴散式生成模型，來提高藥物開發的效率和精確度。這些模型將與蛋白質摺疊技術相結合，以更快的速度、更低的成本實現藥物機制預測、表型篩選和藥物靶向識別；另一方面，越來越多的生物科技公司開始採用ChatGPT等大型語言模型，簡化數據交互，提升使用便捷性。在生物科學領域，大型語言模型被用作先進的搜索引擎，通過解讀DNA或蛋白質序列推動潛在新藥靶點的產生。

“當然，隱私問題和工具整合方面的挑戰也需要得到解決。此外，雲服務爲預訓練AI模型提供了基礎設施，以簡化藥物研發流程。”於子龍說。

“泡沫”背後

AI製藥產業的發展正迎來高速成長的初期階段，這一階段得益於政策支持、資本投入以及創新機制的靈活性。然而，在這一積極趨勢下，仍需正視其面臨的諸多挑戰。

有批評者對AI在藥物研發中的成功概率持懷疑態度，他們認爲，該技術的潛力被過度誇大。例如，Exscientia在2020年利用AI開發的首個治療強迫症藥物因未達到預期效果而終止。同樣，擁有AI藥物發現平臺的Benevolent AI在主要候選藥物失敗後，不得不裁員180人，幾乎佔其員工總數的一半。

在醫療領域，儘管AI技術發展迅速並取得了一定成果，但在商業化應用方面仍面臨技術、數據、法規和市場接受度等多重障礙。季剛在接受21世紀經濟報道記者採訪時指出，AI醫療商業化落地的障礙主要集中在技術、數據、法規和市場接受度等方面。

“在醫療領域，AI技術長期運行的投入產出比可以通過自動化和優化流程來減少成本，新推出的AI服務或產品能夠開闢新的收入來源，而更快的市場響應能力有助於企業在競爭激烈的市場中獲得更高的市場份額。”季剛進一步解釋道，儘管AI技術在醫療領域具有巨大的潛力，但要實現商業化落地，還需要克服技術、數據、法規和市場接受度等方面的多重障礙。

法規是AI醫療商業化落地的關鍵障礙之一。由於醫療領域對技術的監管要求較高，確保AI技術的安全性和有效性至關重要。因此，AI醫療企業必須密切關注法規變化，並及時調整戰略以確保合規運營。在市場接受度方面，儘管AI醫療具有巨大潛力，但患者和醫生可能對新技術持有疑慮和牴觸情緒。這就需要通過教育、宣傳和示範等手段，提高市場對AI醫療的認知和接受度。

從政策監管的角度來看，我國已經通過了包括《生成式人工智能服務管理暫行辦法》在內的多項法規，對生成式AI進行監管。

於子龍認爲，目前生成式AI在醫療醫藥領域的監管正處於深化階段。例如，《生成式人工智能服務管理暫行辦法》鼓勵使用安全可信的芯片、軟件、工具、算力和數據資源，並強調了從業者在內容安全、隱私與個人信息保護、算法透明、倫理和知識產權、競爭法等方面的合規責任，以促進生成式人工智能的健康發展和規範應用。這標誌着我國首個針對生成式人工智能產業的規範性政策。

“此外，產業也需要從法律角度分析人工智能在開發、應用、責任承擔等方面存在的不足，並提出相應的完善措施，以在不抑制人工智能發展的同時保護患者合法權益。”於子龍也強調，通過完善相關法律法規，可以更好地規範AI技術在醫療領域的應用，確保其安全性和有效性，從而推動AI製藥產業的健康發展。