摘 要 Abstract
“人工智能（AI）+ 医药”产业是指将AI、机器学习等新兴技术应用到医药研发领域，用计算技术解读数据、刻画生命活动。“AI+ 医药”产业有望改变传统生化技术红利消退、新药研发成本持续走高的全球性困境。全球医药头部企业都已经在药物研发的各环节布局AI 技术。我国生物医药产业正处在由仿制向创新迈进的关键爬坡期，供应端需要构建新技术驱动力。然而，想要真正实现“AI+ 医药”产业“大势所趋”的发展愿景，还存在一定的困难和问题，如数据权益分割、法律风险保障等。总之，“AI+医药”产业将成为中国未来重要的产业领域之一，但仅凭市场力量并不能使其流畅运行，衔接好各方利益，打造生态闭环是必要条件。
The AI + Pharmaceutical industry refers to the application of emerging technologies, such as Artificial Intelligence and Machine Learning, in pharmaceutical research and development, using computational techniques to interpret data and depict life activities. This industry is expected to change the global predicament of the dividend decline of traditional biochemical technology and continuously rising costs for new drug development. Global pharmaceutical giants have already laid out AI + technology at various stages of drug R&D. China's biopharmaceutical industry is currently transitioning from imitation to innovation, which requires new technology-driven forces on the supply side. However, the realization of the AI + Pharmaceutical industry vision also faces certain difficulties and issues, such as data equity division, legal risk protection, etc. In short, AI + Pharmaceutical industry will become one of China's important industries in the future. However, it cannot run smoothly by market forces alone. It is necessary to connect all parties' interests together and create an ecological closed loop.
1、产业的内涵与外延
1.1“ 人工智能（AI）+医药”新产业内涵界定
目前新型计算技术与医药领域交叉发展，使用新型计算技术解读数据、刻画生命活动的新兴科技，正加速改变整个医疗行业。生命科学已经进入数字化时代，随着信息技术和高端精密仪器的发展，无论是大到人体系统状态，还是小到分子结构信息，人类都已经有能力获得全方位数据。现代医学一直与“数据”和“计算”有着密切的联系，在学科与产业发展中，数字化一直是一个重要的推动力。当计算技术发展到能够理解复杂系统之间的深度因果关系网的时候，也意味着医学领域将出现一个能够产生学科新洞见的体系。由此“计算医学”这个概念开始由学界提出，并快速产生产业化价值。
但“计算医学”的边界仍不清晰。从学科角度，“计算医学”专业最早由美国约翰斯·霍普金斯大学（以下简称：霍普金斯大学）提出。2005 年，霍普金斯大学在生物工程学系下设立了计算医学专业[1]，学科设置覆盖了对医学数据处理和分析等多个应用方向。2021 年8 月， 浙江数字医疗卫生技术研究院、浙江树人大学和动脉网联合发布了《计算医学：数智时代的医学发展新范式》报告[2]，提出“ 广义上应用计算机和计算模型来支持医疗保健服务的医学研究的所有方面都可以被纳入到计算医学范畴”。在此定义下，白皮书构建了一个较为庞大和复杂的计算医学研究范围，包括数字解剖学、计算生理医学、基因组学数据以及个体化精准医学等，这几乎覆盖了与医疗数字化相关的所有产业领域。学科定义过于宽泛会模糊产业外延创新性特征，因此，进一步厘清“计算医学”在新技术条件下的学科内涵与业务外延，对理解产业发展机遇有重要意义。
“计算技术”与“医学学科”是两个快速发展的领域，技术、数据与需求之间形成多梯次交叉融合，进而产生了具有一定相似性的各种细分领域。从学科定义角度，使用广义概念有利于为科研创新提供更大的弹性空间，但是产业通常要面向特定需求提供特定形态的产品、服务，“计算医学”的细分产业内涵需要具有明晰的边界。当前，以AI、高性能计算为技术基础叠加以基因组学为核心的医疗临床数据，面向未被满足的临床需求，形成的“AI+医药”产业细分领域是当前这一阶段“计算医学”技术体系下最具创新特征的新兴业态。
《AI 驱动新药研发深度发展》[3] 对当前AI 在新药研发中应用场景的调研结果显示：“AI 应用于新药研发主要集中在化学小分子药、生物类似药和生物制剂的从头研发上，且多是基于研发周期进行‘单点式’突破，而应用于‘全过程’的较少” 。而从发展前景上来看，医药企业采用AI 技术实现“数据导向”的药物研发是一种普遍趋势[4]。
1.2 全球“AI+ 医药”产业的基本概况
新一代基因测序技术带来的数据廉价化趋势和AI 技术对非结构性数据的解读能力使业界认识到，利用AI 解读生物系统和发病机制、实现医药产业再造的机遇已经到来。从资本角度，本领域投融资项目数量从2013 年的不到100 件，增长到2020 年的近600 件。2021 年CB Insights报告显示，美国仍然是第一大投资“热土”，2015~2020 年在 AI制药领域有 50.6% 的融资交易发生在美国[5]。2021 年美国公司Insitro 的4 亿美元C 轮融资，成为全球AI 制药领域单笔融资金额最高的公司[6]。
从参与主体来看，制药企业、AI 生物科技企业、互联网科技企业、临床试验服务外包企业等是当前AI 新药研发的主要拥抱者。AI 生物科技初创企业是产业发展的核心驱动力量，通过技术优势切入一个或多个药物研发应用场景；大型药企则以组建自有技术团队或与AI 技术公司合作的方式布局AI 药物研发。“大型药企+AI 医药创新公司”的合作模式在AI 时代将成为主流。当前全球诸多大型制药公司开始与AI 初创公司开展合作。
从盈利模式来看，AI 医药创新企业正在以一种独特的方式深入参与到医药研发产业链中。根据公开信息，自 2019 年1 月辉瑞使用以色列AI 药物研发公司CytoReason 的AI 技术指导药物开发工作以来，双方已经在 20多种疾病的研发工作中展开合作[7]。同类型AI 医药创新企业与大型药企合作案例还包括：自2016 年起英国药物研发AI 技术服务提供商Exscientia 与赛诺菲开展的持续合作，2022 年合作进一步扩展为共同开发15 个肿瘤和免疫领域新型小分子创新药物，总价达到53 亿美元[8] ；复星医药与英矽智能的AI 制药合作等[9]。这种合作通常以一种较为复杂的许可交易方式（license out）开展，需要双方企业在所开发药物的市场规模、开发阶段性成果和对应价值等关键利益问题上达成一致，最终可能形成“预付款+ 里程碑付款+ 上市后权益”的结构性协议。
1.3 我国“AI+ 医药”产业发展现状
“AI+ 医药” 对我国医药产业转型升级有重要意义。当前，我国在新一代AI 技术与发达国家差距不大， 处于“ 并跑” 地位[10]。我国一直积极参与“AI+医药”底层技术研发的全球性项目，在该领域具备较好的技术积累。以中科院计算技术研究所参与“人类基因组计划”（Human Genome Project，HGP）为起点，在生命科学的布局已经有近30 年的积累。从产业角度看，我国“AI+医药”创新企业的兴起与全球前沿趋势几乎同步，与美国企业差距更多是在规模与业务成熟度方面，而不是在技术或业务形态上存在根本差异。
2、 国内产业需求、供应现状
2.1“AI+ 医药”产业发展的社会背景
未满足的临床需求是医药产业的核心增长动力。人口老龄化、疾病谱变化和健康意识的提高，三方面因素叠加导致居民健康需求从规模到内涵都发生着深刻改变。在“十三五”期间，居民人均预期寿命已经达到77.3 岁[11]，随着老龄人口比重不断增加，在“十四五”期间，我国的老龄化水平将从轻度进入中度。现有研究认为，人口老龄化与恶性肿瘤负担增加具有较强的相关性[12]。在我国癌症患者中，5 年期生存率低于20% 的有胆囊癌、胰腺癌、肝癌、前列腺癌和食管癌，肝癌、肺癌、食管癌新发患者数超过40万[13]。公众对相关医药产品的需求逐步扩大，作为国民经济的重要组成部分，医药制造业保持平稳的发展态势。
近年来，国家针对医药产业领域颁布了多层次、多维度政策，引导国内医药企业进行创新研发。在国家规划层面，国家工业和信息化部等九部门于2022 年联合发布了《“十四五”医药工业发展规划》；在专业细分监管领域，国家药品监督管理局药品审评中心发布了《以临床价值为导向的抗肿瘤药物临床研发指导原则》为代表的督促药企尽快转型升级的政策文件。在此背景下，各地陆续出台以“做强做大生物医药产业三年行动计划”“ 征集医药领域创新项目”等为代表的配套落地措施。
2.2 医药产业发展面临机遇与挑战
作为全球第二大药品交易市场，中国在新药研发领域依然面临严峻形势：新药研发原始创新不足，本土创新原研药数量落后于国外，罕见病药市场受国外垄断；新药研发方向重复现象严重，新药研发知识产权获国际专利授权比重低于欧美国家和日本。我国药物研发主要以仿制药（metoo）和仿创药（me better）为主，绝大部分企业的定位都在研发下游，以承接医药生产外包服务为主。国内企业基于新靶点的新药创制甚少，在靶点发现、候选药物、临床试验3 个阶段暴露的问题尤为突出。
问题一：药靶枯竭，难以支撑医药产业原始创新。依靠生物化学技术发现药靶红利的时代已经结束。我国面临药企扎堆热门靶点，缺乏原始创新（全新的靶点和药物作用机制）的产业困境。
问题二：候选药物的药效评估不充分，药企难以科学评估临床试验风险，只能依靠批量上马，以量求胜，因此造成巨大的研发资源浪费。
问题三：药物临床试验失败率高，导致创新药研发成功率极低。临床阶段被称为新药研发的“死亡之谷”。临床试验阶段是整个药物研发过程中投入最高（成本占比63%）、耗时最长（6.5 年）的阶段，但药物上市成功率仅有8%[14]。虽然，近年来进入Ⅰ期临床试验的候选药物数量呈上升趋势，但是，药物上市成功率却依然停留在8% 左右[15]。临床试验高失败率导致药企在前期候选药物开发的大幅投入无效。提高药物临床试验的成功率，可显著提升药物研发效率。
在药物开发过程中降低后期（临床试验Ⅱ期和Ⅲ期）的损耗率和时长是提高研发生产力的关键要求之一。药物临床试验失败的主要原因通常是对预期目标或预期人群缺乏足够的疗效[16]。丛斌院士[17] 提出，改变生命科学实验模式，减少实验动物的使用，尽量用更多的数字疾病模型替代动物疾病模型，其试验结果可能更接近于人的疾病特征。全面系统刻画人类数字生命和全息人体，研制尽可能还原人类疾病真实世界的数字化人体疾病模型，是生命科学领域的世界前沿。由AI 驱动的战略机遇期已经显现，这是我国医药领域现有产业形态“变道”的机会，具有重大意义。
2.3“AI+ 医药”新业态供应现状
目前，“AI+ 医药”创新公司的商业模式主要以面向药企解决研发效率低下的痛点为核心。
一是通过对生物学数据挖掘分析、模拟计算，提升新靶点和新药物的发现效率，推进开发高价值首创新药（first in class）的研发进程，解决药物创制新靶点枯竭、靶点同质化竞争等困局。二是仿真临床试验。计算医学平台能够提供仿真临床试验服务，为各类型药物预测新适应症、筛选优势人群、预测疗效提供帮助，大幅提升临床试验成功率。三是为已上市药物拓展适应症，延伸药物价值。
近年来，国内开展AI 新药研发的跨界合作案例也在日益增加，包括2018 年正大天晴与阿里云、药明康德与Insilico Medicine，2019 年先声药业与宝德、豪森药业和Atomwise[18]，2022 年晶泰科技与辉瑞 [19]。这些案例基本都持续了较长时间，且范围和金额不断扩大。
3、 产业发展趋势及挑战
3.1“AI+ 医药”对我国医药产业转型升级具有战略价值
当前，我国的新一代AI 技术较为“领先”，但数据技术与生物医药产业的实践则相对落后。我国生物医药产业正处在由仿制向创新迈进的关键爬坡期，仅依靠传统制药技术难以实现产业超越。虽然不断出现呼吁医药产业创新的声音，但是观察近2 年公开的临床试验，大部分药物研发仍然集中在一些热门靶点上。医药行业正在进行一场革命性变化，而数字化就是中国机会。AI+ 医药将为我国在医药领域“补短板、创未来”赢来极佳的时间窗口。
3.2 我国医药变道升级仍有待磨合
历经多年的探索发展，AI 新药研发即将迎来产业发展的黄金期。产业发展的重点在于以新药临床需求为导向，集中大数据力量助力攻关重大疾病致病机制、药物靶点/ 表型/ 分子分型研究、AI 新药研发新技术的自主创新、引进和普及。虽然“大型药企+AI 医药创新公司”的授权合作模式已经“走通”，合作案例逐年增加，但是这种研发服务尚不是医药产业的“标配”，还不能精准匹配到产业链上。
除了由于“AI 医药”本身业务内涵较新的原因以外，我国制药工业起步相对较晚，多数制药企业缺少研发能力（包括药物研发管线和人才）等因素，导致产业难以将新型服务纳入现有体系。
3.3 产业创新需要制度变革
AI 技术融合、改造和提升了原有医药研发流程和业态，需要管理政策和方式的同步升级，为新型产业形态提供支撑保障。一是注重保障新药研发中数据资产安全和保护知识产权，包括明晰产权结构，修改完善相关授权交易法律法规。二是完善组学数据获取和使用规则，激发数据活力。三是AI+ 医药是交叉领域，计算技术与医药科学之间存在巨大差异，需要建立跨学科的沟通和协作机制，避免过于苛刻的评价思维，建立AI 指导药物研发、临床试验设计的信心。
4 、结语
最后，AI 技术正在带来一场以“ 算力” 为核心的生产力革命。根据OpenAI 发布的“AI and Compute” 分析报告，2012~2018 年，AI 训练应用的算力需求每3~4 个月就会翻倍，截至2018 年，AI 算力增长超过30 万倍[20]。AI 有望破解药物研发长期以来的“反摩尔定律”（Eroom's Law）。生命系统形成的高维、高通量、多维融合的生物医学大数据，天然适合与AI 技术相结合。新型技术与临床需求、产业需求的双向奔赴，产生了无穷无尽的交叉合作机会，这将给整个医药行业带来不断升级的动力源泉。
