文｜阿爾法工場
盡管AI為藥物醫(yī)學(xué)帶來了諸多可能，但在商業(yè)化的道路上，國內(nèi)AI藥企仍然需要探索。
AI與醫(yī)療的結(jié)合，將會給人類帶來哪些突破？
最近，谷歌微調(diào)后的Med-PaLM，開始了在醫(yī)學(xué)問題上的一路狂飆。
在挑戰(zhàn)了美國醫(yī)學(xué)基準(zhǔn)測試（MedQA），取得了86.5%的成績，遠遠超出其他同類大模型。
經(jīng)過專業(yè)臨床醫(yī)生評判，Med-PaLM對實際問題的回答準(zhǔn)確率與真人相差無幾。
除了Med-PaLM模型，研究團隊還推出了自建醫(yī)療模型測評數(shù)據(jù)集。
目前，這樣的成果已經(jīng)登上了著名的學(xué)術(shù)雜志《Nature》。
實際上，在Med-PaLM發(fā)力之前，AI+醫(yī)療的賽道，就早已被國外的各大投資機構(gòu)所看好。
一份來自來自Grand View Research的報告，預(yù)測了全球人工智能在醫(yī)療領(lǐng)域的市場規(guī)模將從2022年的154億美元增長到2030年的1,078億美元，年復(fù)合增長率為37.5%。
報告還分析了新冠之后人工智能在醫(yī)療領(lǐng)域的需求和應(yīng)用的積極影響。
而這些分析，之所以對AI+醫(yī)療如此樂觀，一個最大的原因，就是近些年AI在藥物研發(fā)方面越來越重要的作用。
01 被看好的“狹路”
實際上，與最近才興起的大模型+問診的模式相比，AI+藥物研發(fā)的方向，早已被深耕多年。
具體來說，AI可以通過分析大量的生物數(shù)據(jù)和文獻，找出與疾病相關(guān)的藥物靶點，以及與藥物靶點匹配的候選分子。
這樣就可以縮小藥物研發(fā)的范圍，提高效率和成功率。
同時，AI還可以通過模擬和預(yù)測藥物分子與靶點之間的相互作用，提出改進和創(chuàng)新藥物化學(xué)結(jié)構(gòu)的建議。從而提高藥物的效力、安全性、穩(wěn)定性等方面的表現(xiàn)。
然而，雖然AI+藥物研發(fā)的方向，看上去確實是片前景廣闊的天地，可就國內(nèi)市場而言，國內(nèi)AI藥企的盈利模式，目前還不清晰，而且十分依賴風(fēng)投，難以實現(xiàn)自我造血。
如果自己下場做藥，又需要投入更多的時間和金錢，承擔(dān)更多的商業(yè)風(fēng)險。
但即便如此，還是有少數(shù)AI藥企，在市場上站穩(wěn)了腳跟，國內(nèi)的英矽智能就是這樣的企業(yè)之一。
英矽智能科技(上海)有限公司，是一家2019年成立的端到端的AI藥企。
其旨在通過自主研發(fā)的Pharma.AI平臺，利用生成對抗網(wǎng)絡(luò)、深度強化學(xué)習(xí)、預(yù)訓(xùn)練模型等技術(shù)，從靶點發(fā)現(xiàn)、分子設(shè)計、臨床預(yù)測等方面，加速藥物的發(fā)現(xiàn)和開發(fā)。
其成立至今，最為人關(guān)注的事件，莫過于獲得了全球首例完全由AI驅(qū)動發(fā)現(xiàn)的特發(fā)性肺纖維化（IPF）疾病新靶點。
通過這樣的案例，行業(yè)才真正認(rèn)識到，通過人工智能完成新藥發(fā)現(xiàn)是可能的。
而這一里程碑的實現(xiàn)，和其創(chuàng)始人的背景以及技術(shù)理念，有著莫大關(guān)系。
現(xiàn)年44歲的拉脫維亞人Aleksandrs Zavoronkovs博士（以下簡稱Alex），是英矽智能的創(chuàng)始人兼CEO，也是最早嘗試用AI制藥的科學(xué)家之一。
作為一位在生物技術(shù)、再生醫(yī)學(xué)和衰老經(jīng)濟學(xué)領(lǐng)域工作的科學(xué)家，他曾在加拿大多倫多大學(xué)、約翰霍普金斯大學(xué)和莫斯科國立大學(xué)等機構(gòu)從事研究工作。
發(fā)表了137篇關(guān)于人工智能、衰老和藥物發(fā)現(xiàn)的論文總引用次數(shù)達到了11745次，他還申請了9項關(guān)于AI制藥的專利。
而同樣的，英矽智能的聯(lián)席首席執(zhí)行官任峰，也是一位經(jīng)驗豐富的藥物化學(xué)家。
任峰博士是一位有著十余年小分子創(chuàng)新藥物研發(fā)經(jīng)歷的藥物化學(xué)家。
他于2007年在美國哈佛大學(xué)化學(xué)系獲得博士學(xué)位，曾在葛蘭素史克擔(dān)任多個藥物研發(fā)領(lǐng)導(dǎo)職務(wù)，后加入美迪西，全面負責(zé)化學(xué)部和生物部的研發(fā)服務(wù)業(yè)務(wù)。
2021年2月，任峰加入英矽智能，出任首席科學(xué)官、全球藥物研發(fā)負責(zé)人。
在成為首席科學(xué)官之后，任峰找Alex詳談了一下，而一個關(guān)鍵性的決定，就在這次交流中誕生了。
在新藥研發(fā)前線摸爬滾打的14年，讓任峰對藥物研發(fā)的艱辛深有體會。
傳統(tǒng)的藥物發(fā)現(xiàn)，首先是對數(shù)萬個小分子進行測試篩選，然后進一步合成和測試數(shù)百個分子。
其中只有大約1/10的候選藥物能夠最終通過臨床試驗。平均耗時10年，花費十?dāng)?shù)億美元。
傳統(tǒng)的模式效率已經(jīng)太低，必須要找到新的工具。
結(jié)果Alex聽后表示：這個新的工具，英矽智能已經(jīng)有了，那就是其自研的管線和AI平臺——Pharma.AI。
02 AI藥師
實際上，在當(dāng)時的市場上，除了英矽智能，還有不計其數(shù)的AI藥企，都想借助人工智能技術(shù)來加速藥物研發(fā)，降低藥物研發(fā)的成本和風(fēng)險。
但是，并不是每一家AI藥企都能真正做到這一點。
例如，BenevolentAI曾經(jīng)是英國最大的AI藥企，估值高達20億美元，但由于研發(fā)進展緩慢、資金緊張、遭遇了大規(guī)模裁員、估值縮水。
而讓英矽智能在AI賽道上站穩(wěn)腳跟的原因之一，正是其自主研發(fā)的Pharma.AI平臺。
而Pharma.AI平臺最大的特點，就是可以讓研發(fā)人員SQL語言來指定AI任務(wù)，而不需要編寫復(fù)雜的程序或調(diào)用外部的庫或框架。
Pharma.AI的子系統(tǒng)之一：panda Omics
舉例來說，你想要用AI系統(tǒng)來生成一個新的藥物分子，你只需要用SQL語言寫出你想要的分子的特征，例如“結(jié)構(gòu)類似于阿司匹林，活性高于阿司匹林”，而不需要告訴計算機怎么去設(shè)計和生成這個分子。
這樣，就可以省去用戶編寫復(fù)雜的程序，或調(diào)用外部庫或框架的麻煩。
做到了這點，成本才能真正降低，研究進度才能真正加快。
其次，Pharma.AI的特點，還在于其可以實現(xiàn)從靶點發(fā)現(xiàn)、分子生成、臨床前評估到臨床試驗結(jié)果預(yù)測等環(huán)節(jié)一站式研發(fā)，而不必依賴于外部的數(shù)據(jù)或算法，這樣可以保證數(shù)據(jù)的質(zhì)量和一致性。
這是個十分重要的環(huán)節(jié)，因為相當(dāng)一部分AI藥企，實際上都倒在了數(shù)據(jù)質(zhì)量和可復(fù)現(xiàn)性問題上。
由于藥物研發(fā)涉及到大量的生物數(shù)據(jù)和化學(xué)數(shù)據(jù)，這些數(shù)據(jù)的質(zhì)量、完整性、標(biāo)準(zhǔn)化和可獲取性都會影響AI算法的效果和可靠性。
而在數(shù)據(jù)方面，英矽智能成立之初，就組建了一支專業(yè)團隊，負責(zé)收集公開發(fā)表的所有數(shù)據(jù)，包括組學(xué)數(shù)據(jù)、化合物文獻專利數(shù)據(jù)、化合物的結(jié)構(gòu)、性質(zhì)數(shù)據(jù)等。
之后，這支數(shù)據(jù)團隊會對公開數(shù)據(jù)庫中的轉(zhuǎn)錄組學(xué)數(shù)據(jù)進行篩選、標(biāo)準(zhǔn)化和處理，轉(zhuǎn)化成機器可讀的格式，來進行機器學(xué)習(xí)。
在學(xué)習(xí)中，Pharma.AI會通過小塊學(xué)習(xí)來訓(xùn)練自己的模型，避免數(shù)據(jù)之間的相互污染，提高模型的命中率，最后留下有效的算法。
目前，基于Pharma.AI平臺，制藥行業(yè)從項目啟動到IND籌備研究階段平均耗時，可以從4.5年壓縮到12個月以內(nèi)。
客觀地說，英矽智能在AI制藥領(lǐng)域取得的種種優(yōu)勢，實際上給行業(yè)內(nèi)所有類似的AI藥企提了個醒，那就是：
AI制藥，之所以道阻且長，是因為其涉及的領(lǐng)域，本身就是一種復(fù)合型的學(xué)科，其涵蓋了生物技術(shù)、藥物化學(xué)、人工智能等多個領(lǐng)域的交叉知識。
僅精通藥理機制，或AI算法單方面的知識，都是不足以實現(xiàn)藥物的商業(yè)價值的。
雖然有些遠見的Alex，早已在數(shù)據(jù)和算法方面進行了布局，但在新藥商業(yè)化的邏輯中，除了靶點發(fā)現(xiàn)、化合物篩選等AI技術(shù)平臺擅長的領(lǐng)域，還有臨床試驗、商業(yè)化等多個有待跨越的“死亡之谷”，也都是AI制藥公司不擅長的。
這也是任峰這樣的“制藥老將”對這家公司轉(zhuǎn)型的重要性所在。
然而，即使在數(shù)據(jù)、算法、制藥等環(huán)節(jié)順利過關(guān)斬將，英矽智能在商業(yè)化的道路上，仍然要面臨諸多不確定性與風(fēng)險。
03 坎坷的商業(yè)化
在商業(yè)模式上，國內(nèi)AI藥物研發(fā)企業(yè)主要分為AI SaaS、AI CRO、AI biotech三種模式，即出售軟件、服務(wù)和研發(fā)藥物，分別占了商業(yè)模式總數(shù)的25%、23%和8%。
簡單來說，AI SaaS是提供AI平臺的方式，為制藥企業(yè)賦能；AI CRO則是用AI直接幫交付先導(dǎo)化合物；而AI biotech則是直接自研管線，包完了AI制藥的整個流程。
藥物研發(fā)流程示意
在實際生產(chǎn)中，醫(yī)藥行業(yè)的 SaaS做下來其實非常不容易，因為這不僅需要圍繞客戶的管線去打磨一套產(chǎn)品，而且為了應(yīng)對實際部署后模型會產(chǎn)生偏差，AI藥企還需要人員去現(xiàn)場調(diào)試參數(shù)。
總體來說，SaaS做下來根本不賺錢，訂單額度較小，但維護壓力較大。
而AI CRO模式，則需要面對技術(shù)驗證和風(fēng)險分擔(dān)的雙重難題，在目前，行業(yè)還沒有統(tǒng)一和公認(rèn)的驗證方法和標(biāo)準(zhǔn)，來衡量AI技術(shù)在藥物研發(fā)中的各個環(huán)節(jié)的貢獻。
人工智能生產(chǎn)出來的藥物，不知道要幾個月和多少成本去做驗證，這是AI CRO模式最大的難點。
雖然英矽智能主要以AI SaaS服務(wù)為主，但其自身也有原創(chuàng)AI藥物研發(fā)平臺，和完整的藥物研發(fā)管線。
對于英矽智能來說，燒錢搞自研藥物雖然辛苦，但實際上也為自身帶來了勝于雄辯的廣告效應(yīng)。
因為醫(yī)藥產(chǎn)業(yè)是一個極為嚴(yán)謹(jǐn)?shù)男袠I(yè)，而研發(fā)又是一個失敗率很高的環(huán)節(jié)，稍有不慎就會價值清零，因為相當(dāng)一部分大藥企，并不愿意輕易將研發(fā)交給AI制藥這樣的新技術(shù)。
在此情況下，英矽智能唯一破局之道，就是通過自研去向市場證明自身的AI制藥技術(shù)是能夠幫助藥企進入到臨床階段。
雖然憑借著獨特的自研管線，2021年至2022年間，英矽智能的營收從471.3萬美元猛增至3014.7萬美元，增幅達到了539.6%。
但從營收結(jié)構(gòu)上來說，英矽智能的營收增長主要依賴于與大型制藥企業(yè)的合作，其中復(fù)星醫(yī)藥和賽諾菲是最大的兩個客戶，分別占了2022年營收的40.6%和36.7%。
從實力上來說，大藥企要數(shù)據(jù)有數(shù)據(jù)、要人才有人才，如果他們要親自下場用AI研發(fā)新藥，很多AI制藥公司恐怕就都沒有機會了。
這種情況對有自研管線的AI公司挑戰(zhàn)最大。
同時，英矽智能向外界透露，盡管在分子活性方面AI制藥公司已經(jīng)非常擅長，但是在藥代動力學(xué)（與藥物在人體中的代謝有關(guān)）和毒理等需要從人體試驗中獲得數(shù)據(jù)的項目，則相對不容易獲取。
因為與人體試驗相關(guān)的數(shù)據(jù)主要還都集中在大藥企的手里。
而這一痛點，也是所有AI藥企繞不開的問題，因為AI制藥雖然能夠大幅縮短研發(fā)時間，降低巨大的人力和材料成本，但這種加速無論如何不能跳過臨床階段的。
而如果無法改變臨床階段進展緩慢的問題，就根本談不上所謂的顛覆。
從這點來看，盡管AI為藥物醫(yī)學(xué)帶來了諸多可能，但在商業(yè)化的道路上，AI藥企的未來仍然充滿不確定性。