廣州熱線

前言

經(jīng)過“熱身”階段后，“人工智能+新藥研發(fā)”目前已經(jīng)進入快速成長期，非常引人注目。

動脈網(wǎng)·蛋殼研究院對最近2年半以來國內(nèi)外人工智能+新藥研發(fā)創(chuàng)新企業(yè)進行全面盤點，推出《AI+新藥研發(fā)市場發(fā)展現(xiàn)狀及趨勢報告》，總共整理分析了78家人工智能+新藥研發(fā)創(chuàng)新企業(yè)，覆蓋靶點發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測、患者招募、優(yōu)化臨床試驗設(shè)計、藥物重定向七大環(huán)節(jié)。

而且，部分企業(yè)已和羅氏、輝瑞、賽諾菲、默沙東等傳統(tǒng)制藥巨頭合作，共同推進人工智能在新藥研發(fā)領(lǐng)域的應(yīng)用。從融資情況看，已有53家企業(yè)獲得融資，累計融資總額達到13.1億美元。這表明，人工智能+新藥研發(fā)已經(jīng)進入快速成長期。

本報告有如下重要發(fā)現(xiàn)：

1、人工智能的應(yīng)用為藥企每年節(jié)約540億美元的研發(fā)費用

2、靶點發(fā)現(xiàn)環(huán)節(jié)的人工智能企業(yè)數(shù)量最多，占企業(yè)總數(shù)的50%

3、傳統(tǒng)制藥巨頭與人工智能創(chuàng)新企業(yè)共同推進人工智能在新藥研發(fā)領(lǐng)域的應(yīng)用

4、全球53家人工智能+新藥研發(fā)企業(yè)累計獲得13.1億美元融資

5、數(shù)據(jù)體系、人才隊伍和商業(yè)模式的優(yōu)化升級成為人工智能+新藥研發(fā)企業(yè)未來的發(fā)展方向

值得一提的是，動脈網(wǎng)·蛋殼研究院曾在2016年5月發(fā)布《人工智能在醫(yī)療健康領(lǐng)域的應(yīng)用（三）：藥物挖掘》報告，梳理了國內(nèi)外人工智能企業(yè)在新藥研發(fā)領(lǐng)域的發(fā)展情況，出現(xiàn)了Atomwise、Numerate、晶泰科技、云勢軟件等十余家代表性企業(yè)，整個人工智能+新藥研發(fā)還處于早期探索階段。

《AI+新藥研發(fā)市場發(fā)展現(xiàn)狀及趨勢報告》，內(nèi)容如下：

一、行業(yè)洞察：需求旺盛，研發(fā)面臨3大困境

1、醫(yī)藥市場需求穩(wěn)步增長，發(fā)展?jié)摿Υ?/p>

從全球醫(yī)藥市場銷售額看，2017年已經(jīng)突破12000億美元，預(yù)計到2021年銷售總額可達到14750億美元，2012~2021年的年均復(fù)合增長率為4.9%。而同時期中國醫(yī)藥市場的銷售額將從2012年的770億美元增長到2021年的1780億美元，年均復(fù)合增長率達到9.8%，是全球醫(yī)藥市場的2倍。這表明全球醫(yī)藥市場在穩(wěn)步增長，而中國醫(yī)藥市場的增長更快，具備更好的發(fā)展?jié)摿Α?/p>

2017年，全球藥企TOP10處方藥銷售總額3284億美元，平均值為330億美元，有3家藥企的銷售額超過400億美元。根據(jù)醫(yī)療健康領(lǐng)域全球領(lǐng)先的行業(yè)及市場調(diào)研公司Evaluate估計，2024年全球藥企TOP10的處方藥銷售總額將達到4206億美元，增長幅度為28%，排名第一的諾華的銷售額將達到532億美元。而從各大藥企的年均復(fù)合增長率看，2017~2024年，年均復(fù)合增長率的均值為4%，增長最快的為阿斯利康。這表明未來全球的藥品市場規(guī)模將保持較快增長，企業(yè)需要持續(xù)加大新藥研發(fā)來滿足市場需求。

2、新藥研發(fā)面臨3大困境，亟待破局

新藥研發(fā)主要包括藥物發(fā)現(xiàn)、臨床前研究、臨床研究以及審批與上市4個階段。藥物發(fā)現(xiàn)階段主要涉及疾病選擇、靶點發(fā)現(xiàn)和化合物合成；臨床前研究階段則以化合物篩選、晶型預(yù)測、化合物驗證為主，包括藥物的構(gòu)效關(guān)系分析、穩(wěn)定性分析、安全性評價和ADMET分析等；臨床研究階段以患者招募、臨床試驗和藥物重定向為主，涉及用藥方案、藥效試驗、患者觀察記錄、優(yōu)化改進等；審批與上市階段主要是政府藥品主管機構(gòu)對藥企研發(fā)的新藥進行審批，是新藥流入市場的最后關(guān)口。

從新藥研發(fā)的流程可以看出，一款藥物從靶點發(fā)現(xiàn)——化合物合成——制劑生產(chǎn)——臨床試驗——批準上市所經(jīng)歷的復(fù)雜過程，需要大量的人力、物力和財力投入。正因為如此，新藥研發(fā)面臨研發(fā)周期長、研發(fā)成功率低以及研發(fā)費用高3大困境。

研發(fā)周期長

根據(jù)美國藥物研究和制造商協(xié)會PhRMA的統(tǒng)計，藥物研發(fā)階段要對5000-10000種化合物進行篩選，其中僅有250種能夠進入臨床前研究階段，僅有5種進入臨床研究階段。藥物發(fā)現(xiàn)和臨床前研究階段耗時約3-6年，I/II/III 期臨床試驗需耗時6-7年，提交上市申請后經(jīng)過0.5-2年時間獲批后方能進行規(guī)?；a(chǎn)。根據(jù)德勤會計事務(wù)所的分析報告，現(xiàn)階段新藥研發(fā)的平均耗時約為14年。

研發(fā)成功率低

可以看出，風險一直伴隨著新藥研發(fā)的全過程，特別是II~III期臨床試驗階段，研發(fā)成功率處于低谷，即使是仿制藥，其研發(fā)成功率也不足50%。從三大類新藥研發(fā)的成功率看，原研化藥的成功率最低，僅為6.2%，原研生物藥的研發(fā)成功率也不過為11.5%。因此，可以說新藥研發(fā)是個高失敗率的過程，任何一款新藥的上市都是千萬次失敗嘗試的結(jié)果。

研發(fā)費用高

新藥研發(fā)的“雙十宿命論“（研發(fā)周期超過10年，研發(fā)費用超過10億美元）一直以來成為各大藥企不可逾越的痛點。從各年研發(fā)費用看，全球處方藥研發(fā)總費用都在1300億美元以上，2012~2017年，研發(fā)總費用平均值為1485億美元，增長率達到3.8%；2018~2021年，研發(fā)總費用平均值為1800億美元，2021年研發(fā)總費用將達到1880億美元，比2012年增長了38%。而從各年研發(fā)費用占銷售收入的比重看，2012~2021年，研發(fā)費用占比均值達到20%，雖然在2017年以后將呈現(xiàn)逐年下降的趨勢，但仍然占到19%。這表明，新藥研發(fā)費用投入高，蠶食了藥企能夠獲得的利潤空間。

動脈網(wǎng)·蛋殼研究院整理了2017年全球藥企研發(fā)費用TOP10名單，10家藥企研發(fā)費用總額達到765.3億美元，平均每家投入76.5億美元。羅氏的研發(fā)費用高居榜首，是唯一一家超過百億美金的藥企。而從各大藥企研發(fā)投入占制藥業(yè)務(wù)收入比重看，平均值高達24.6%，且有6家的比重超過25%。這表明，各大藥企的研發(fā)費用較高，成為藥企的重要成本支出。

各大傳統(tǒng)藥企在面臨研發(fā)周期長、研發(fā)成功率低以及研發(fā)費用高的困境下，都在努力嘗試通過技術(shù)創(chuàng)新來加快新藥研發(fā)速度、提高成功率和降低成本，以能更好地滿足日益增長的用藥需求。這為AI技術(shù)在新藥研發(fā)領(lǐng)域的應(yīng)用帶來了契機。

二、技術(shù)破局：AI助力，解決新藥研發(fā)困境

1、AI應(yīng)用于新藥研發(fā)多個環(huán)節(jié)，提高研發(fā)效率

AI主要應(yīng)用其強大的發(fā)現(xiàn)關(guān)系能力和計算能力助力新藥研發(fā)，在發(fā)現(xiàn)關(guān)系方面，包括藥物與疾病的鏈接關(guān)系、疾病與基因的鏈接關(guān)系等。AI具備自然語言處理、圖像識別、機器學習和深度學習能力，不僅能夠更快地發(fā)現(xiàn)顯性關(guān)系，而且能夠挖掘那些不易被藥物專家發(fā)現(xiàn)的隱性關(guān)系，構(gòu)建藥物、疾病和基因之間的深層次關(guān)系。在計算方面，AI具備的強大認知計算能力，可以對候選化合物進行虛擬篩選，更快的篩選出具有較高活性的化合物，為后期臨床試驗做準備。蛋殼研究院通過對國內(nèi)外近80家AI企業(yè)的研究發(fā)現(xiàn)，AI在新藥研發(fā)領(lǐng)域主要應(yīng)用于靶點發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測、患者招募、優(yōu)化臨床試驗設(shè)計和藥物重定向7大場景。

AI在化合物合成和篩選方面比傳統(tǒng)手段可節(jié)約40%~50%的時間，每年為藥企節(jié)約260億美元的化合物篩選成本。在臨床研究階段，可節(jié)約50%~60%的時間，每年可節(jié)約280億美元的臨床試驗費用。也即是說，AI每年能夠為藥企節(jié)約540億美元的研發(fā)費用。

靶點發(fā)現(xiàn)

傳統(tǒng)靶點研究以直觀的方式定性推測生理活性物質(zhì)結(jié)構(gòu)與活性的關(guān)系，進而發(fā)現(xiàn)機體細胞上藥物能夠發(fā)揮作用的受體結(jié)合點（靶點）。藥物學家參考相關(guān)科研文獻和個人經(jīng)驗去推測靶點，需用2~3年的時間，而且發(fā)現(xiàn)靶點的可能性極低。AI通過自然語言處理技術(shù)（NLP）學習海量醫(yī)學文獻和相關(guān)數(shù)據(jù)，通過深度學習去發(fā)現(xiàn)藥物和疾病之間的作用關(guān)系，找到有效靶點，縮短靶點發(fā)現(xiàn)周期。

化合物合成

化合物合成主要通過分析小分子化合物的藥物特性，包括與靶點結(jié)合的能力、藥物動力學、藥物代謝學等等，挖掘藥物活性、藥效較好的化合物，然后按照特定路徑進行合成設(shè)計。在該環(huán)節(jié)，藥物學家和化學家會對數(shù)千萬種化合物依次進行計算機模擬試驗，需要耗費幾年時間才能找到活性較好的化合物進行合成，成本通常在上百億美元。而AI利用其機器學習和深度學習的能力，模擬小分子化合物的藥物特性，能夠在數(shù)周內(nèi)挑選出最佳的模擬化合物進行合成試驗，而且能夠?qū)⒚總€化合物的測試成本控制在0.01美分，大幅降低了化合物合成的成本。

化合物篩選

每一種藥物作用的靶向蛋白和受體并不專一，如果作用于非靶向蛋白和受體就會引起副作用。對于尚未進入動物試驗和人體試驗階段的新藥，需要提前對其安全性和副作用進行檢測判斷，已篩選出安全性較高的藥物。目前，主要采用高通量篩選方式進行化合物篩選，在同一時間由機器人進行數(shù)以百萬計的試驗，其篩選成本該打數(shù)百億美元。而AI可以從兩方面切入化合物篩選場景，一是利用深度學習和計算能力開發(fā)虛擬篩選技術(shù)以取代高通量篩選，二是利用圖像識別技術(shù)優(yōu)化高通量篩選過程。這樣，每年可以節(jié)約260億美元的化合物篩選費用。

晶型預(yù)測

小分子晶型不同，藥物穩(wěn)定性和溶解度就不同，因此，穩(wěn)定的晶型結(jié)構(gòu)關(guān)系到藥品質(zhì)量，特別是對于已上市藥品，如果發(fā)生轉(zhuǎn)晶現(xiàn)象，將會給藥企帶來災(zāi)難性的損失。而小分子存在多晶型現(xiàn)象，有的晶型穩(wěn)定性強但溶解度差，有的晶型溶解度好但穩(wěn)定性差。如果單純依賴人工去獲得穩(wěn)定性強且溶解度好的晶型，不但需要耗費大量時間進行試驗嘗試，而且成功的可能性也極低。AI的出現(xiàn)，可以在很大程度上改善晶型預(yù)測效果，其依靠深度學習能力和認知計算能力，處理大量的臨床試驗數(shù)據(jù)，能在幾小時甚至幾分鐘內(nèi)找到藥效最好的晶型。

患者招募

新藥在進入審批前，需要進行3個階段的臨床試驗，找到合適的患者是臨床試驗得以開展的前提和基礎(chǔ)。試驗管理人員需要從海量的病例中找出那些符合藥物試驗的患者，并且通知受試者，該過程需要大量的時間去篩選病歷。而AI依靠深度學習能力，能夠從海量的臨床試驗的數(shù)據(jù)中提取相關(guān)信息，將試驗結(jié)果與病人情況進行自動配對，提高精準匹配效率，在較短時間內(nèi)完成試驗招募入組工作。

優(yōu)化臨床試驗設(shè)計

藥物臨床研究階段包括試驗方案設(shè)計、試驗流程管理、試驗數(shù)據(jù)管理統(tǒng)計分析等內(nèi)容，如果僅僅依靠人工，不僅工作量大，而且容易出錯。AI具備的機器學習和認知計算能力，能夠廣泛應(yīng)用到試驗研究設(shè)計、試驗流程管理、試驗數(shù)據(jù)統(tǒng)計分析等各個環(huán)節(jié)，提升整個臨床試驗的效率。

藥物重定向

老藥新用是目前尋找藥物的常用方式，它的實現(xiàn)方式是將市面上已曝光的藥物及人身上的1萬多個靶點進行交叉研究及匹配。依靠AI強大的自然語言處理能力和深度學習能力，從散亂無章的海量信息中，提取出能夠推動藥物研發(fā)的知識和新的可以被驗證的假說，將給試驗的速度帶來指數(shù)級的提升。AI在藥物重定向環(huán)節(jié)的應(yīng)用，可以省去靶點發(fā)現(xiàn)和藥理作用評估等環(huán)節(jié)，有望將藥物研發(fā)成本降至3億美元甚至更低，研發(fā)周期也縮短至6.5 年。

2、AI在新藥研發(fā)的應(yīng)用場景企業(yè)圖譜

根據(jù)前文所訴，AI在新藥研發(fā)領(lǐng)域的7大應(yīng)用場景，蛋殼研究院通過實地調(diào)研和案頭研究，整理出共計78家涉足新藥研發(fā)AI企業(yè)（圖譜中列出了各個應(yīng)用場景的代表性企業(yè)）。靶點發(fā)現(xiàn)環(huán)節(jié)的IBM Watson Health、Nimbus Therapeutics、冰洲石科技等，化合物合成環(huán)節(jié)的深度智耀、Virvio、Nuritas等。其中，靶點發(fā)現(xiàn)環(huán)節(jié)的AI企業(yè)數(shù)量多達39家，占企業(yè)總數(shù)的50%。

3、AI+新藥研發(fā)七大應(yīng)用場景實例研究

為了方便讀者更好地理解AI在新藥研發(fā)相關(guān)環(huán)節(jié)的應(yīng)用，我們選取了7大應(yīng)用場景的代表性企業(yè)進行案例剖析，主要涉及企業(yè)的概況介紹、主要產(chǎn)品以及企業(yè)的融資情況。

IBM Watson Health

IBM Watson Health開發(fā)了一款藥物發(fā)現(xiàn)軟件—— Watson for Drug Discovery，它是一個新的云端平臺，旨在幫助生命科學家發(fā)現(xiàn)新的藥物靶點和替代性的藥物的適應(yīng)癥。利用它的NLP、機器學習和深度學習能力，已經(jīng)閱讀了2500 萬份 Medline 上的論文摘要，一百多萬篇醫(yī)學雜志文章的全文及 400 萬份專利文件，而且所有資料都會定期更新（而研究員每年平均只能閱讀300篇左右的醫(yī)學論文）。這可以較好地幫助科學家發(fā)現(xiàn)新聯(lián)系，并揭示那些隱藏較深的聯(lián)系，更快地發(fā)現(xiàn)靶點。

2016年12月，IBM Watson Health與輝瑞達成合作協(xié)議，輝瑞將使用 Watson 分析大量的異構(gòu)數(shù)據(jù)，共同致力于癌癥藥物研發(fā)。

AccutarBio

2016年，AccutarBio（冰洲石科技）自主研發(fā)的藥物數(shù)據(jù)AI平臺，已經(jīng)完成了基于十幾萬晶體學數(shù)據(jù)的學習運算，搜尋能夠與化合物相結(jié)合的靶點，為先導(dǎo)化合物的篩選與合成奠定基礎(chǔ)。通過該平臺可以將靶點發(fā)現(xiàn)耗費的時間從數(shù)年降低至幾月、幾天甚至幾個小時，為藥物發(fā)現(xiàn)帶來突破性進展。

AccutarBio目前已在上海、紐約布局了AI計算實驗室、生化實驗室。公司已完成兩輪共計1500萬美元的融資，投資方包括真格基金、IDG資本和依圖科技。

深度智耀

深度智耀致力于用AI賦能新藥研發(fā)全流程，覆蓋范圍從新藥早期研發(fā)到產(chǎn)品上市。

在新藥早期研發(fā)階段，包括 AI 驅(qū)動的藥物合成、藥物設(shè)計、藥物活性預(yù)測等產(chǎn)品。特別是在2018年7月，深度智耀對外宣布內(nèi)部代號為“菩提”的AI藥物合成系統(tǒng)，其通過大量學習公開的專利和論文數(shù)據(jù)庫，能夠協(xié)助化學家進行化合物合成，即化學家只需要輸入一個化學結(jié)構(gòu)式，“菩提”系統(tǒng)就能在瞬間推送出數(shù)條優(yōu)化的合成路線供其選擇，而且還包括部分通過人工分析無法獲得的高質(zhì)量合成路線，該系統(tǒng)能夠?qū)⒒衔锖铣森h(huán)節(jié)的效率提高50% 以上。

在臨床研究階段，包括 AI 驅(qū)動的藥物警戒系統(tǒng)、注冊事務(wù)系統(tǒng)、寫作翻譯系統(tǒng)、臨床數(shù)據(jù)編程系統(tǒng)等產(chǎn)品。其中，AI 藥物警戒系統(tǒng)（Deep-PV）和AI 自動翻譯寫作申報系統(tǒng)已經(jīng)實現(xiàn)大規(guī)模商業(yè)化。Deep-PV依靠自然語言處理技術(shù)，實現(xiàn)個例藥物不良反應(yīng)/不良事件報告的快速無人化采集、翻譯、編碼、評估和評價，支撐藥企臨床研究以及上市后的藥物安全監(jiān)測。另外，公司的AI 自動翻譯寫作申報系統(tǒng)實現(xiàn)集醫(yī)學寫作、醫(yī)學翻譯和注冊申報“三位一體”的人機交互自進化平臺，改變以往上述三大環(huán)節(jié)的割裂狀況，重構(gòu)了傳統(tǒng)的數(shù)據(jù)文件整合模式。

公司目前已有 50 多家合作客戶，客戶既包括排名前十的跨國藥企，也包括國內(nèi)一線藥企以及中小藥企，合作方式包括 SaaS 服務(wù)、本地部署、戰(zhàn)略咨詢等。

在融資方面，公司已累計獲得3輪融資，目前已完成1500萬美元的B輪融資，由紅杉中國獨家投資。

Virvio

Virvio公司成立于2014年，致力于利用深度學習算法模擬蛋白質(zhì)合成，用于滿足分子靶標和適應(yīng)癥的要求，其合成的蛋白質(zhì)結(jié)構(gòu)超穩(wěn)定性和可制造性。

針對美國每年56000例的流感死亡人數(shù)和市場上流感疫苗的高耐藥性、低效率的狀況，Virvio蛋白質(zhì)合成平臺模擬出一款名為HB36.6的蛋白質(zhì)結(jié)構(gòu)，能夠加強對諸如H1N1和H5N1型流感的免疫能力，降低感染風險，將很快應(yīng)用到藥物制備。

Insilico Medicine

Insilico Medicine公司使用其獨有的生成對抗網(wǎng)絡(luò)（GAN）和強化學習（RL）等新型算法來加快化合物的篩選進程，采用先進的端對端技術(shù)，對化合物的活性、安全性等方面進行分析對比，以篩選出最佳的臨床前候選藥物分子，為進入臨床研究做準備。

公司在2018年6月與藥明康德達成戰(zhàn)略合作，利用其AI生成的新藥研發(fā)管線在藥明康德新藥研發(fā)服務(wù)平臺上進行測試，以期篩選出理想的臨床前藥物候選分子。目前公司已完成C輪融資，累計融資額達到2000萬美元。

Atomwise

Atomwise公司開發(fā)的AtomNet化合物篩選系統(tǒng)，是一款基于卷積神經(jīng)網(wǎng)絡(luò)的AI系統(tǒng)，旨在運用超級計算能力和復(fù)雜的算法模擬制藥過程，來預(yù)測新藥的效果，能夠在幾天時間內(nèi)完成對新藥的評估，為制藥公司、創(chuàng)業(yè)公司和研究機構(gòu)提供化合物篩選服務(wù)。

Atomwise是較早開展商業(yè)商業(yè)化落地應(yīng)用的公司，在2012年5月，與默沙東公司簽署合作協(xié)議，幫助其完成藥物研發(fā)早期的化合物篩選工作。2015年，Atomwise利用 AI 技術(shù)，在不到一天的時間內(nèi)對現(xiàn)有的7000多種藥物進行了分析測試，成功地尋找出能控制埃博拉病毒的兩種候選藥物，并且成本不超過 1000 美元（傳統(tǒng)技術(shù)需要數(shù)年時間和數(shù)十億美元成本）。

目前，Atomwise已完成A輪融資，累計融資額達到5134.5萬美元。

晶泰科技

晶泰科技開發(fā)的“藥物固相篩選與分析系統(tǒng)”是基于AI的深度學習和認知計算能力，能夠在短時間內(nèi)通過對醫(yī)學文獻、臨床試驗數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù)進行處理、學習和計算，預(yù)測各種晶型在穩(wěn)定性、熔點、溶解度、溶出速率等方面的差異，以及由此而導(dǎo)致在臨床過程中出現(xiàn)的毒副作用與安全性問題，在短時間內(nèi)篩選出穩(wěn)定性和溶解度最佳的晶型結(jié)構(gòu)。

2018年5月9日，晶泰科技與輝瑞制藥簽訂戰(zhàn)略研發(fā)合作協(xié)議，輝瑞將借助晶泰科技的AI技術(shù)，建立小分子模擬算法平臺，驅(qū)動小分子藥物創(chuàng)新。目前，晶泰科技已完成B+輪融資，累計融資總額超過6100萬美元。

零氪科技

零氪科技研發(fā)的精準臨床招募系統(tǒng)——Link Recruitment?，基于國內(nèi)最大規(guī)模的醫(yī)療大數(shù)據(jù)資源庫，能夠快速完成在臨床試驗文件里提取相關(guān)數(shù)據(jù)，評估出病人到底適合哪一種治療方法，并自動上傳相關(guān)患者病歷與臨床試驗數(shù)據(jù)庫登記的相關(guān)試驗進行實時精準匹配和動態(tài)更新，通知受試者及時參加相關(guān)試驗。

公司已先后與國內(nèi)多家三甲醫(yī)院達成合作，為藥品臨床試驗科室提供患者招募服務(wù)，后續(xù)還將尋求更多的第三方臨床試驗機構(gòu)，擴大客戶群。截止目前，公司已完成D輪融資，累計融資總額超過10億元人民幣，投資方包括了中國投資有限責任公司、寬帶資本、薈橋資本、千驥資本、長嶺資本、TEMASEK、NEA等機構(gòu)。

Trials.ai

藥品臨床試驗效率低下的原因主要是試驗方案設(shè)計不科學和缺乏對受試者的動態(tài)監(jiān)控。Trials.ai是一家位于圣迭戈的AI公司，致力于通過改善試驗設(shè)計方案和試驗流程管控來加速臨床試驗進程和提高試驗效率。公司開發(fā)的臨床試驗管理系統(tǒng)整合了方案設(shè)計、流程監(jiān)控、用藥依從性、數(shù)據(jù)分析等功能，能夠?qū)崿F(xiàn)對整個臨床試驗的全流程管理。

方案設(shè)計：系統(tǒng)會根據(jù)每種藥品的屬性、藥企的要求、受試者的情況等進行方案設(shè)計，并在方案中約定各方的權(quán)利和義務(wù)，最大限度地減少違約風險。

流程監(jiān)控：系統(tǒng)能夠?qū)φ麄€試驗流程進行動態(tài)監(jiān)控，如果出現(xiàn)意外情況，系統(tǒng)會主動向管理人員發(fā)出報警，以便及時處理。

用藥依從性：臨床試驗經(jīng)常會發(fā)生受試者不按要求用藥的情況，且試驗管理者無法及時掌握相關(guān)情況。系統(tǒng)能夠?qū)κ茉囌叩娜粘；顒訉崿F(xiàn)智能管理，按時提醒他們用藥，并將相關(guān)情況反饋給管理者，從而保證試驗的效果。

數(shù)據(jù)分析：系統(tǒng)能夠?qū)τ盟帞?shù)據(jù)、進程數(shù)據(jù)、受試者反饋數(shù)據(jù)實現(xiàn)智能分析并給出建議，供管理者參考決策，通過數(shù)據(jù)來全面反映試驗效果。

云勢軟件

云勢軟件在2018年4月發(fā)布新一代AI驅(qū)動的新藥發(fā)現(xiàn)引擎——GeniusMED，該系統(tǒng)從大量數(shù)據(jù)源中整合了與藥品、疾病、基因、蛋白質(zhì)等相關(guān)的多種藥物研發(fā)數(shù)據(jù)，構(gòu)建了一個大規(guī)模的綜合性藥物研發(fā)知識庫。并結(jié)合臨床試驗數(shù)據(jù)，匹配藥物靶點與新適應(yīng)癥的結(jié)合，發(fā)現(xiàn)藥物的新用途。

GeniusMED整合藥物信息和疾病信息兩大系統(tǒng)，形成藥物相似性網(wǎng)絡(luò)、疾病相似性網(wǎng)絡(luò)和已知的藥物——疾病關(guān)聯(lián)性網(wǎng)絡(luò)。借助AI的深度學習能力和認知計算能力，將已上市或處于研發(fā)管線的藥物與疾病進行匹配，發(fā)現(xiàn)新靶點，擴大藥物的治療用途。目前，公司利用GeniusMED系統(tǒng)已經(jīng)驗證了3款用于治療阿爾茨海默癥的候選藥物和2款用于治療紅斑狼瘡的候選藥物。公司在今年 6 月與默沙東公司達成合作，在 80 個化合物中尋找可能的新適應(yīng)癥。

公司業(yè)務(wù)除了藥物重定向以外，還涉足靶點發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測等業(yè)務(wù)。目前，公司已完成B輪融資。

BenevolentAI

BenevolentAI公司推出的JACSAI系統(tǒng)，憑借其自然語言處理能力和深度學習能力，在短時間內(nèi)能夠集中處理大量的非結(jié)構(gòu)化數(shù)據(jù)，包括疾病數(shù)據(jù)、藥物數(shù)據(jù)、試驗數(shù)據(jù)等等，并發(fā)現(xiàn)他們之間的新聯(lián)系，找到藥物的新適應(yīng)癥，實現(xiàn)藥物重定向，幫助科學家發(fā)現(xiàn)藥物更有價值的適應(yīng)癥。

2014 年6 月，BenevolentAI 宣布與一家美國的制藥公司達成合作，并將兩款經(jīng)過新適應(yīng)癥（阿爾茨海默氏癥）驗證的新藥賣給這家美國公司，這兩款藥物處于中標候選化合物評估階段，此次交易高達8 億美。2017 年5 月，BenevolentAI對一款名為bavisant的臨床試驗失敗藥物進行重定向分析，發(fā)現(xiàn)其對帕金森患者日間過渡嗜睡癥狀具有較好的治療效果。目前，公司已累計獲得2.07億美元的融資。

4、制藥巨頭與AI企業(yè)聯(lián)姻，實現(xiàn)優(yōu)勢互補

一方面，制藥巨頭一直面臨著新藥研發(fā)周期長、研發(fā)成功率低和研發(fā)費用高的痛點，而AI技術(shù)在新藥研發(fā)過程的應(yīng)用可以有效地緩解上述痛點，每年為它們節(jié)約數(shù)百億美元的研發(fā)成本。另一方面，AI企業(yè)雖然具備技術(shù)優(yōu)勢，但他們?nèi)鄙偎幬镅邪l(fā)的相關(guān)數(shù)據(jù)、成熟的研發(fā)管線以及資深的藥物專家，而這恰好是傳統(tǒng)制藥巨頭所具備的優(yōu)勢。因此，雙方的聯(lián)姻能較好地彌補彼此存在的短板，形成互補。

動脈網(wǎng)·蛋殼研究院根據(jù)公開資料搜集整理了26家制藥巨頭與AI企業(yè)的合作情況（統(tǒng)計時間區(qū)間：2012年1月—2018年8月），AI技術(shù)主要應(yīng)用在靶點發(fā)現(xiàn)和化合物篩選兩大環(huán)節(jié)，占比分別達到42%和35%。如2016年12月，輝瑞與IBM Watson達成合作，后者將利用AI技術(shù)為輝瑞加速藥物靶點的發(fā)現(xiàn)。2017年6月，日本制藥巨頭武田制藥與Numerate簽署合作協(xié)議，Numerate將其最新的AI技術(shù)應(yīng)用到化合物篩選環(huán)節(jié)，縮短武田制藥的新藥研發(fā)時間（詳細合作情況見下表）。

三、資本青睞：AI+新藥研發(fā)企業(yè)投融資情況

截止2018年10月25日，國內(nèi)外共有53家AI+新藥研發(fā)公司（排出未公開融資額的公司）獲得融資，累計獲得融資總額共計13.1億美元。其中，國外有47家公司獲得融資，累計總額共計10.6美元，國內(nèi)有6家公司獲得融資，累計融資總額2.5億美元。

145%的AI企業(yè)累計融資額在1000萬美元以下

從各大AI+新藥研發(fā)企業(yè)累計融資額看，45%的企業(yè)累計融資額都在1000萬美元以下，累計融資額在1億美元以上的企業(yè)只有5家，這說明AI+新藥研發(fā)領(lǐng)域?qū)儆谛屡d領(lǐng)域，未來資本的關(guān)注度會逐漸增強。

本報告剩余內(nèi)容：

三、資本青睞：AI+新藥研發(fā)企業(yè)投融資情況

2、地域分布——美國遙遙領(lǐng)先，中英不分伯仲

3、輪次分布——A輪及以前融資企業(yè)數(shù)量占比接近80%

4、應(yīng)用場景分布——靶點發(fā)現(xiàn)領(lǐng)域的融資企業(yè)數(shù)和累計融資總額雙雙奪魁

四、未來發(fā)展：數(shù)據(jù)體系、人才隊伍和商業(yè)模式的優(yōu)化升級

1、構(gòu)建完整的數(shù)據(jù)體系，解決前提和基礎(chǔ)

2、打造強大的專家隊伍，解決人才瓶頸

3、創(chuàng)新商業(yè)模式，豐富企業(yè)盈利來源

附錄：78家AI+新藥研發(fā)企業(yè)名單及融資情況

特別感謝云勢軟件創(chuàng)始人&CEO張英男先生、深度智耀創(chuàng)始人李星女士以及晶泰科技聯(lián)合創(chuàng)始人&大數(shù)據(jù)與人工智能研發(fā)中心負責人賴力鵬先生對本報告的大力支持。

參考資料：

1、Artificial intelligence and machine learning: revolutionizing drug development——IMED Annual Review 2017.

2、World Preview 2018, Outlook to 2024——Evaluate Pharma.

3、擁抱醫(yī)藥創(chuàng)新的新時代：創(chuàng)新藥產(chǎn)業(yè)深度報告暨2018 年投資策略——銀河證券.

4、醫(yī)藥生物行業(yè)深度報告（2016-11-10）：關(guān)于研發(fā)創(chuàng)新藥的一些問題——東方財富證券.

5、人工智能在醫(yī)療健康領(lǐng)域的應(yīng)用（三）：藥物挖掘，https://vcbeat.net/YTgyN2QwMDc4ZWQyYTg1YWYzYTg1ZDkyZTAzYzU3MGU=