AI在新药研发中能打破传统规律吗？

AI与新药研发的融合现状

AI在新药研发中的发展进程

近年来，随着Deepseek的出现，AI在新药研发中的进程加快。许多企业纷纷拥抱AI，如康龙化成、和铂医药等通过各种合作方式整合AI技术到新药研发中。并且，一些由AI赋能的新药已走到人体试验阶段，像云顶新耀的EVM16已完成首例患者给药。全球处于临床阶段且活跃的AI参与研发管线也有不少，这表明AI在新药研发中的融合在不断深入。

AI制药的早期成果与意义

2024年9月，英矽智能的ISM001-055在临床IIa期取得积极结果，成为全球首个AI药物概念验证案例。这一成果表明AI在药物研发中的重要性，它极大加速了药物开发进程，从靶点发现到临床前候选化合物提名仅耗时18个月。这意味着AI可能改变传统新药研发耗时长、成本高且成功率低的现状。

AI在新药研发各阶段的作用

临床前阶段的赋能

在临床前阶段，AI主要发挥多方面作用。华盖资本许小林指出，AI能加速靶点发现和化合物设计、降低实验失败率、优化资源分配。在亚洲地区约700家AI制药公司中，主要布局在早期药物开发和数据处理等环节。这一阶段虽然成本占比不高，但AI的效率提升有助于后续临床研究，从而降低整体研发成本和时间。

临床阶段面临的挑战

临床阶段是新药研发的关键环节，却也困难重重。从医药研发成本链看，临床试验虽占总成本80%，但成功率较低。AI在临床阶段面临诸多挑战，如复合型人才的需求。临床阶段需要医学人员深度介入，他们要涉及不同医学领域且兼具AI知识、临床经验、医学知识和法规背景。并且在中国和美国的IIa期临床试验对比中，也显示出在患者招募等方面存在差异。

AI赋能新药研发的关键要素

数据的核心地位

数据是AI赋能新药研发的核心要素。任峰表示，在药物研发过程中，Deepseek虽能赋能临床阶段部分工作，但在早期研发中，由于缺乏生物医药专用数据训练，无法用于发现新靶点等工作。目前，数据积累是瓶颈，一方面数据获取越来越难且成本增加，另一方面数据的清洗筛选等工作也需要长时间积累，同时数据的流通壁垒也制约着技术突破。

商业模式的探索

AI制药企业的商业模式是其持续发展的关键。目前主要有软件授权、战略合作和管线对外收入三种盈利模式。许小林指出，各模式利弊不同，卖软件模式现金流稳定但增长慢，对外授权依赖合作方研发进展存在不确定性，自主研发药物虽收益大但风险高。英矽智能多种模式并行，目前更看重后两者，行业仍在摸索适合的商业模式。

AI在新药研发中虽然展现出一定的潜力，但是距离颠覆传统新药研发规律还有很长的路要走。在这个过程中，需要克服临床阶段的诸多挑战，解决数据瓶颈问题，探索出成熟的商业模式等。

相关问答

AI在新药研发的临床前阶段主要有哪些作用？

AI在临床前阶段能加速靶点发现和化合物设计，降低实验失败率，优化资源分配。还在早期药物开发、数据处理等多环节发挥作用。

为什么AI在新药研发临床阶段面临挑战？

临床阶段需要复合型人才，涉及不同医学领域，要具备AI知识、临床经验、医学知识和法规背景，同时患者招募等工作也存在差异。

数据在AI新药研发中有多重要？

数据是核心要素。一方面获取难、成本高，另一方面需要清洗筛选，而且数据流通存在壁垒，这些都制约着AI在新药研发中的应用。

AI制药企业有哪些盈利模式？

主要有软件授权、战略合作、管线对外收入三种模式。软件授权现金流稳定但增长慢，战略合作依赖合作方进展，自主研发风险高收益大。

英矽智能在AI新药研发中有哪些成果？

英矽智能的ISM001-055在临床IIa期取得积极结果，从靶点发现到临床前候选化合物提名仅耗时18个月，2023年收入达5100万美元。

AI制药行业目前处于什么发展阶段？

目前处于比较初级的发展阶段，虽已在医药研发全链条展现重塑潜力，但在真正完成商业化上市前，仍会面临艰难时期。