人工智能(AI)技術(shù)正在從成本、效率等方面重塑制藥行業(yè)。我國AI制藥起步較歐美起步稍晚,但發(fā)展迅速,更具數據、算法等優(yōu)勢。相關(guān)專(zhuān)家認為,AI制藥將成國內醫藥產(chǎn)業(yè)彎道超車(chē)機遇,應以AI制藥為切入點(diǎn),對這一新興領(lǐng)域加強前瞻性政策扶持,推動(dòng)整個(gè)中國創(chuàng )新藥行業(yè)的原始、自主創(chuàng )新,最終做到中國創(chuàng )新的出海。
我國AI制藥產(chǎn)業(yè)的“后發(fā)優(yōu)勢”
近年來(lái),中國本土AI制藥企業(yè)不斷涌現,涉及新藥研發(fā)全鏈條,涵蓋了靶點(diǎn)識別和認證、藥物發(fā)現、臨床前研究和臨床研究多個(gè)階段。相關(guān)專(zhuān)家認為,目前歐美國家處于A(yíng)I制藥3.0階段初期,國內處于2.0早期。國內AI制藥公司大部分處于動(dòng)物試驗、藥效和毒理驗證階段,今年晚些時(shí)候可能進(jìn)入臨床前候選化合物階段,預計二至三年后陸續進(jìn)入3.0 早期階段。
美國在全球AI藥物管線(xiàn)布局上仍占主導,據智庫“智藥局”統計,截至6月20日,全球共有26家AI制藥企業(yè)、約51個(gè)由AI輔助進(jìn)入臨床Ⅰ期的藥物管線(xiàn)。其中,80%以上為美國企業(yè),僅有英矽智能、未知君、冰洲石3家中國企業(yè)。已上市的AI制藥頭部企業(yè)也基本為歐美企業(yè),尚未有中國企業(yè)。
日本制藥企業(yè)武田亞太開(kāi)發(fā)中心負責人王璘博士接受記者采訪(fǎng)時(shí)說(shuō),中國本土AI企業(yè)和生物科技公司在A(yíng)I輔助藥物研發(fā)方面,實(shí)力提升迅速。部分本土企業(yè)發(fā)展出自有專(zhuān)利的開(kāi)發(fā)平臺,甚至開(kāi)始探索在全球尚未有企業(yè)涉足的前沿領(lǐng)域,如小分子晶體結構預測、原發(fā)藥物設計等。
2021年起,國內開(kāi)始有大量資金進(jìn)入AI新藥研發(fā)公司,當年一個(gè)月內有3家中國AI制藥公司獲種子輪融資。近兩年來(lái),行業(yè)里頗受關(guān)注的融資項目有3個(gè)。首先是總部位于香港的英矽智能去年成功融資2.55億美元,用于推進(jìn)AI研發(fā)候選藥物進(jìn)入臨床試驗,以及推進(jìn)算法調整發(fā)現更多新靶點(diǎn)。北京望石智慧科技有限公司也在同年4月成功融資1億美元。2020年9月,總部位于深圳的晶泰科技也順利融資3.19億美元。此外,騰訊、百度、字節跳動(dòng)等國內互聯(lián)網(wǎng)巨頭,也將其雄厚AI算力轉向藥物開(kāi)發(fā)設計領(lǐng)域。
“中國在利用AI技術(shù)輔助新藥研發(fā)方面有得天獨厚優(yōu)勢,將給國內醫藥產(chǎn)業(yè)帶來(lái)彎道超車(chē)的歷史機遇。如果能靈活應用該新興技術(shù),國內醫藥企業(yè)或將在全球范圍內成為行業(yè)翹楚,進(jìn)入領(lǐng)先行列?!蓖醐U說(shuō)。
一方面,充足的大數據是訓練AI的關(guān)鍵,國內人口基數龐大,醫院規??捎^(guān),更利于搜集整合大規模數據。其次,中國目前有大約3000家CRO(即合同外包研究組織)公司,為藥企在藥物開(kāi)發(fā)中同時(shí)納入多個(gè)CRO公司平行開(kāi)展多項試驗創(chuàng )造了可能:比對不同結果正是AI學(xué)習進(jìn)步的必要過(guò)程,還可降低成本,提升質(zhì)量。
不過(guò),相關(guān)專(zhuān)家認為, 我國在A(yíng)I部分更具競爭力,在制藥部分略遜一籌。主攻智能藥物設計平臺的生物技術(shù)公司圓壹智慧創(chuàng )始人兼CEO潘麓蓉博士對記者說(shuō),我國在A(yíng)I算法層面與歐美完全無(wú)差距,甚至有過(guò)之而無(wú)不及,但對數據的理解和應用,生物學(xué)、轉化醫學(xué)的基礎建設,知識體系的健全、人才儲備,以及整個(gè)制藥行業(yè)的標準與質(zhì)量管理、產(chǎn)業(yè)鏈和供應鏈等與國外差距較大。浙江工業(yè)大學(xué)智能制藥研究院院長(cháng)段宏亮也認為,中國AI水平可跟美國媲美,但醫藥行業(yè)落后較多。AI在與各行業(yè)融合中,與制藥行業(yè)融合難度更大,不會(huì )一蹴而就,應尊重藥物研發(fā)規律,花時(shí)間打磨。
“新舊融合”的挑戰與風(fēng)險
盡管人工智能已滲透到醫藥研發(fā)的各個(gè)環(huán)節,但一個(gè)新興行業(yè)與傳統行業(yè)的結合仍面臨數據、算力、政策等諸多挑戰與風(fēng)險。相關(guān)專(zhuān)家認為,AI制藥產(chǎn)業(yè)存在以下挑戰和風(fēng)險,這也是我國發(fā)展該產(chǎn)業(yè)需聚焦的關(guān)鍵點(diǎn)。
數據和算力問(wèn)題。業(yè)內專(zhuān)家任峰認為,未來(lái)AI制藥競爭會(huì )從算法競爭過(guò)渡到數據競爭。首要挑戰是數據量,只有海量干凈數據的持續輸入,才能充分訓練AI模型,提升其準確性。其次,是數據標準化問(wèn)題,目前大多數據來(lái)自科研基金、出版物等公開(kāi)數據,數據清洗整合比AI建模更費時(shí)費力。浙江工業(yè)大學(xué)智能制藥研究院院長(cháng)段宏亮說(shuō),目前我國大部分企業(yè)通過(guò)公開(kāi)數據庫拿到的藥物研發(fā)數據量少質(zhì)低,需要從化學(xué)生物實(shí)驗室產(chǎn)生數據并積累。此外,算力存在局限,模擬一個(gè)蛋白或者分子空間構象對精度要求高,目前即便超級計算機也無(wú)法實(shí)現窮盡所有組合。
新藥研發(fā)的不確定性。潘麓蓉說(shuō),創(chuàng )新藥研發(fā)最大風(fēng)險和挑戰就是人類(lèi)對于疾病的理解依然淺顯,過(guò)去20年,即便我們在各細分疾病領(lǐng)域的生物學(xué)、病理學(xué)上的認知逐漸進(jìn)步,有了分子生物學(xué)和人類(lèi)基因組學(xué)的助力,但仍存大量未知。此外,從整體運作上看,新藥研發(fā)時(shí)間跨度長(cháng),因此很多科學(xué)上的好項目受到資金、政策環(huán)境等各外部影響無(wú)法繼續開(kāi)展?!叭绻㈨椀目茖W(xué)家沒(méi)有足夠堅持面對過(guò)程中種種質(zhì)疑,面對經(jīng)費、產(chǎn)業(yè)環(huán)境等各方面阻力繼續往前走,即便是對的想法也可能半途就放棄了?!迸寺慈卣f(shuō),因此政策和產(chǎn)業(yè)資本對于創(chuàng )新團隊和科學(xué)家的支持很重要。
領(lǐng)域融合“水土不服”。AI制藥是一個(gè)高度封閉和保密的行業(yè)與一個(gè)開(kāi)放性最強行業(yè)的碰撞。潘麓蓉說(shuō),AI和制藥的結合是生物實(shí)驗學(xué)科和計算機學(xué)科知識體系和方法論重新整合的過(guò)程,二者氣質(zhì)截然相反:國際大型藥企已發(fā)展數百載,知識經(jīng)驗和數據積淀豐厚卻壁壘森嚴。時(shí)至今日,制藥行業(yè)仍以專(zhuān)家經(jīng)驗為基礎,對擁抱數字化有天然抵觸。AI 領(lǐng)域卻強調“開(kāi)放”,訓練數據的廣度和質(zhì)量很重要。西湖大學(xué)生命科學(xué)學(xué)院博士生導師、西湖歐米(杭州)生物科技有限公司創(chuàng )始人郭天南也認為制藥是保守領(lǐng)域,目前巨頭制藥公司改變框架較難,傳統藥企做創(chuàng )新成本很高,反而新創(chuàng )建的公司會(huì )嶄露頭角,行業(yè)面臨重新洗牌。
復合人才極度缺乏。受訪(fǎng)專(zhuān)家均指出,復合人才缺乏是該行業(yè)最大痛點(diǎn),我國此類(lèi)人才短缺尤為嚴重。任峰說(shuō),既懂傳統藥物研發(fā),又相信AI或愿意用AI技術(shù)做創(chuàng )新藥研發(fā)的人還在少數。AI制藥需更多身懷傳統經(jīng)驗,又能以開(kāi)放視野接受AI技術(shù)的人加入。潘麓蓉也認為,生物、化學(xué)、醫學(xué)和AI技術(shù)復合背景人才太少,專(zhuān)家團隊也面臨不同領(lǐng)域的溝通磨合問(wèn)題。此外,我國關(guān)于頂層設計的AI人才匱乏,這類(lèi)人才不僅要有算法工程背景,還需具備AI系統工程和生物化學(xué)等交叉學(xué)科訓練,才能實(shí)現頂層架構,把技術(shù)落地。
郭天南說(shuō),我國該領(lǐng)域人才培養體系待完善。生物醫藥都是科學(xué)家,發(fā)展路徑是本科、保研、直博、出國;計算機專(zhuān)業(yè)本科直接找到高薪工作,做AI的進(jìn)入生命科學(xué)相關(guān)機構收入會(huì )下降很多;而懂商業(yè)的人大多在傳統企業(yè)。國外很容易找到商業(yè)合伙人,中國相對缺乏,高校教師或科研工作者創(chuàng )業(yè)面臨體制機制阻力。
國際政治環(huán)境影響合作。目前,疫情、政治因素等國際環(huán)境不確定性,給供應鏈、人才流動(dòng)、會(huì )議舉辦等科研交流和國際合作帶來(lái)負面影響,阻礙AI創(chuàng )新藥研發(fā)。潘麓蓉說(shuō),任何一個(gè)創(chuàng )新藥研發(fā)現在都離不開(kāi)全球產(chǎn)業(yè)鏈,外包研發(fā)服務(wù)已非常成熟。比如CRO服務(wù),從早期的化學(xué)、生物合成,到體外試驗,臨床試驗,都有非常多遍布全球的細分公司在承擔,國內也承擔了產(chǎn)業(yè)鏈上顯著(zhù)的一部分。所以要推動(dòng)一個(gè)真正的創(chuàng )新藥科研項目,不可能完全依靠一個(gè)國家的力量,最終是國際合作的結果。
亟待激活我國AI制藥產(chǎn)業(yè)
相關(guān)專(zhuān)家建議,應從體制上全面激發(fā)我國AI制藥產(chǎn)業(yè)活力,在人才培養、監管審批、園區建設、數據管理多角度予以扶持,推動(dòng)AI制藥實(shí)現我國的創(chuàng )新藥研發(fā)“革命”。
第一,強化交叉人才培養、吸引跨國人才。相關(guān)專(zhuān)家認為,AI制藥是非常前沿的領(lǐng)域,中外人才缺口較大,應采取措施充分調動(dòng)全球人才資源。
加快培養交叉人才。段宏亮說(shuō),需打破計算機和生物醫藥專(zhuān)業(yè)人才壁壘,重點(diǎn)培養復合型人才。郭天南建議,生物科學(xué)家領(lǐng)域專(zhuān),視野較窄,難有動(dòng)力跳到另一個(gè)行業(yè)學(xué)習新東西,可設機制鼓勵部分生物醫藥博士創(chuàng )業(yè)。此外,高校生命科學(xué)領(lǐng)域博士名額太少,例如浙江大學(xué)生命科學(xué)博導平均三年只能招一個(gè)學(xué)生,無(wú)法發(fā)揮大量頂尖高校教授能力,需在體制上給科研人員更多支持,有一批高級人才做轉化項目。在資源分配和項目評審中,除了找領(lǐng)域權威專(zhuān)家,投資人也是一個(gè)評價(jià)群體,相對更加客觀(guān)、敏銳。
充分調動(dòng)跨國人才。任峰說(shuō),目前AI制藥領(lǐng)域海外人才較國內發(fā)達,希望有更多優(yōu)惠政策便利引進(jìn)海外高層次人才。潘麓蓉也認為,需要有靈活的工作時(shí)間,多元的激勵方式,用線(xiàn)上線(xiàn)下的協(xié)作模式有力調動(dòng)全球資源。目前國外很多一線(xiàn)藥企核心研發(fā)人員都是華人,特別應爭取這個(gè)群體。在政策方面,可放寬相關(guān)簽證政策,吸引有特殊技能的工作者,保證他們較好的生活和科研環(huán)境。
第二,前瞻性加速監管審批。為滿(mǎn)足急需的臨床需求或在特殊條件下,國外有監管機構嘗試在充分的AI大數據支持基礎上,減免部分臨床前研究以加快新藥研發(fā)進(jìn)程,甚至直接加速至人體臨床試驗階段。王璘說(shuō),希望我國藥監局等監管部門(mén)在加快引進(jìn)有臨床價(jià)值的創(chuàng )新藥基礎上,繼續科學(xué)評估國外監管機構最新監管措施,結合國內實(shí)際情況和需求,制定更多前瞻性政策和法規。比如在某些特定領(lǐng)域,如有適合的AI技術(shù)可以建立虛擬動(dòng)物模型進(jìn)行試驗,也能認可其作為臨床前研究的效果參考。任峰也表示,期待監管部門(mén)縮短AI新藥臨床試驗申請審批等待時(shí)間,AI制藥企業(yè)也期望與監管部門(mén)合作制定和完善行業(yè)標準,讓AI制藥在國內發(fā)展得更規范。
第三,推動(dòng)跨學(xué)科產(chǎn)業(yè)園建設。任峰說(shuō),AI制藥是交叉學(xué)科,期待由政府主導建設的人工智能、生物制藥等跨學(xué)科孵化園區,將產(chǎn)業(yè)上下游聯(lián)合起來(lái),形成良好產(chǎn)業(yè)生態(tài)圈。園區可建設一些配套設施,如提供算力支持的超算中心、可驗證早期A(yíng)I藥物研發(fā)的共享實(shí)驗室等。
第四,加強數據和隱私管理。王璘說(shuō),AI制藥涉及大量數據支持和運用,相關(guān)企業(yè)在評估是否要采用新興AI算法或數字化工具時(shí),首要考量因素應是數據安全和隱私保護。潘麓蓉也認為,制藥領(lǐng)域數據的保密性和 AI 領(lǐng)域對數據的依賴(lài)性之間存在矛盾,需要新的加密技術(shù)、行業(yè)合作機制、創(chuàng )新的數據資產(chǎn)商業(yè)管理機制來(lái)解決。
相關(guān)稿件