引言
AI 药物研发是将机器学习（Machine Learning）、自然语言处理（Natural Language Processing）及大数据等人工智能技术应用到药物研发各个环节，进而促进新药研发降本增效。目前主要应用于药物研发阶段的药物发现、临床前阶段，随着ChatGPT的不断应用，AI 向临床开发阶段的渗透有望持续加快。
1、市场规模
全球AI药物研发保持增长态势，北美是全球AI药物研发最大市场，美国集聚了一半以上的全球AI药物研发企业。全球AI药物研发市场北美地区占比最大，亚太地区排名第三，预计全球AI药物研发市场规模将在2025年达到38.8亿美元；目前全球AI药物研发企业约700家，其中超过50%的公司集中在美国，英国和欧盟分别占据12.5%和13.4%，亚洲大约12.8%，其中中国占据约4.7%。
图1：全球各地AI药物研发公司占比情况
来源：火石创造根据公开资料整理
2、融资能力
全球AI药物研发融资能力整体提升，中国药物研发AI大部分仍处于早期融资阶段。2022年全球AI+药物研发相关融资总事件达144起，总金额为62.02亿美元（约人民币426.7亿元）。相较于2021年的整体共计77起，总金额共计45.6亿美元的融资情况呈现双双上涨的态势。其中，美国AI药物研发融资事件71起、中国43起，其他国家和地区30起，投融资活动主要活跃在中国、美国和欧洲。
图2：2016-2021年全球和中国AI药物研发领域投融资情况
来源：火石创造根据公开资料整理
3、在研产品
从在线AI药物研发方向来看，AI辅助药物研发布局分布在药物发现、临床前研究、临床试验和药品销售的各个阶段。其中布局最多的环节是先导化合物的设计优化合成，其次是化合物筛选、靶点发现和药物重定位，晶型预测、剂型设计环节布局的公司相对较少。目前，国内AI药物研发领域中小分子化合物虚拟筛选，新靶点发现以及药物优化设计和药物重定向是目前较为热门的方向。国内外还暂无利用AI技术实现新药上市的成功案例。
图3：中国AI药物研发各领域分布情况
来源：BiopharmaTrend.com
从在研AI药物产品聚焦疾病领域来看，主要聚焦在癌症和精神类疾病，占比超过50%；其次是心脑血管、肝肾肠胃和呼吸系统，占比大约30%；其余涉及的领域包括糖尿病、眼病、白血病、感染类疾病、免疫类疾病、药物副作用领域，个别企业布局了遗传疾病及罕见病等小众赛道。其中较为知名的有AbCellera与礼来联合研发的LY-CoV555，AI Therapeutics与耶鲁大学合作开发LAM-002管线等。LY-CoV555是全球首个进入临床阶段的新冠病毒中和抗体，并于2020年11月获美国FDA的紧急使用授权（EUA）。
图4: 全球AI药物研发集聚领域
来源：火石创造根据公开资料整理
从在研产品研发进程来看，美国在全球AI药物管线布局上仍占主导，截至2022年6月，全球共有26家AI药物研发企业、约51个由AI辅助进入临床Ⅰ期的药物管线。其中，80%以上为美国企业，已上市的AI药物研发头部企业也基本为欧美企业，尚未有中国企业。目前，部分中国企业已发展出自有专利的开发平台，甚至开始探索在全球尚未有企业涉足的前沿领域，如小分子晶体结构预测、原发药物设计等。
2022 年中国AI药物研发取得突破进展。截至2022年，80家中国AI药企中，已有14家成功将管线推进至临床阶段，大部分都处于临床Ⅰ期阶段。其中，英矽智能首个完全基于AI的管线ISM001-005进入临床Ⅰ期，并完成了首批健康受试者给药。这也是中国首个进入临床的AI研发药物。
2023年年初，在新西兰临床I期试验中取得积极顶线数据，在安全性、耐受性、药代动力学（PK）方面均表现良好。而在中国的临床试验则将进入临床Ⅱ期。在临床试验方面，2022年有四家AI制药企业获得批件，分别是劲风生物、宇耀生物、费米子和德睿智药。其中埃格林医药针对子宫内膜癌适应症的EG-007管线，已经推进至临床Ⅲ期，是目前国内进展最快的一条管线。
表1：2022年中国AI药物研发部分管线进展
来源：火石创造根据公开资料整理
4、市场主体
当前国内外AI制药市场的主要入局者有三类，即大型药企、AI制药初创企业和互联网头部企业，其中大型药企又分为传统药企和CRO企业。从AI药物研发产业链来看，上游为AI模型数据集供应及云计算平台，其中数据集提供的医药数据是行业的关键竞争壁垒，云计算平台则是用于保障底层架构的算力供给。 产业链中游为AI药物研发企业和IT企业，其中AI药物研发企业主要以医药研发外包形式与下游企业进行合作，在医药数据集的基础上依托内部的训练工具及AI开发工具等进行模型的搭建和训练；IT企业则通过自建AI药物研发平台及提供算力、计算框架服务方式参与AI药物研发。下游为传统药企，中游AI药物研发企业会将其药物研发阶段的服务直接出售给传统药企，因此传统药企是AI药物研发的直接需求者。
从主要玩家参与方式来看，主要有以下几种特征：
头部药企：主要通过自建团队和业务合作两种方式进入AI药物研发赛道。其中，与AI药物研发企业合作是主要的业务模式，头部药企可凭借其在研发管线、专业背景上的优势弥补AI药物研发企业的不足。如强生、辉瑞、阿斯利康、诺华、拜耳等头部药企合作次数接近10次，药明康德与Insilico Medicine合作进行的化合物筛选等，正大丰海、豪森药业、云南白药也参与到AI研发合作中。
互联网头部企业：依托其AI模型和平台优势，以对外投资、自建AI药物研发平台和提供算法服务三种方式跨界入局。例如，“云深智药”是腾讯基于其AI Lab自主研发的深度学习算法、数据库和云计算，打造的AI驱动药物临床前研究开放平台，覆盖了临床前药物研发的全流程；此外，腾讯还与成都先导合作，共同设计完成了首个经实验验证的骨架跃迁分子生成算法。
AI药物研发企业：是行业的主力军， AI新药研发企业依托其算法和数据优势，以CRO（医药研发外包）和自研管线为主要模式切入应用场景。技术上，AI药物研发企业的算法愈受欢迎，成为重要的技术壁垒。此外，这类企业的数据自研能力是关键的竞争要素，AI药物研发所需的高价值数据多源于其智能实验室。
5、存在的问题
数据量不足，数据获取的周期和成本高。高质量数据获取门槛高，即使是使用了前沿的AI技术，也并不能立刻扭转新药研发面临的挑战。AI 药物研发企业数据来源可分为公开数据和非公开数据，公开数据包括各种文献数据库，公开的项目模拟数据及部分临床数据，此类数据容易获取，但数据质量难以保证，据此进行的模型运算可靠性不足。非公开数据主要是各制药公司以往项目的积累，此类数据的精度高，更适合用来做模型的训练和计算，但由于数据属于医药公司的核心资产，极难获得。
算法与应用场景匹配要求度高，专业人才稀缺。AI 药物研发中算法模型的优势可以体现在多个维度，比如结果的精准度、计算速度、模型体量、泛化性能等，不同算法模型可能有不同的侧重方向，因此优势也会不尽相同，在特定任务需求和应用场景下合理选择具有相应优势的算法模型至关重要。如何让算法与生物学更完美的结合，这需要技术人员对于制药医学和AI人工智能都有深入理解，才能更好的发挥模型优势，此类人才的稀缺也成为掣肘行业发展的重要因素。
6、发展趋势
AI药物研发将进军抗体等大分子领域。2022年4月份，以色列药企Biolojic Design宣布其有史以来第一个计算设计的抗体进入临床试验。11月，加拿大药企AbCellera和合作伙伴Regeneron宣布已经将首个针对未公开G蛋白偶联受体 （GPCR）的抗体候选药物推进到临床前开发阶段。同月，AI制药企业Exscientia，宣布其AI技术平台将包括人类抗体设计。有媒体做过不完全统计，全球已经有20多家公司正在通过AI技术发现抗体药物。从区域来看，这些公司大都分布在欧美。
中国也有企业布局，但仍属于小众领域。星亢原与恺佧生物、药明生物都达成了AI赋能大分子药物研发的合作。信华生物则宣布利用自研AI平台设计开发的First-in-class多功能抗体药物在临床前动物实验中显示出优异的安全性与有效性，且可成药性方面性能卓越，即将进入CMC和IND-enabling阶段。一旦成功，该药将有望成为亚洲最先进入临床阶段的AI大分子药物。
自动化实验室成新吸睛点。2022年，数据的数量和质量仍是AI制药发展的核心问题。自动化实验室的出现恰恰就是为了解决这个问题。2021年，部分AI制药公司已经开始建立自动化实验室，目的是提高内部数据的生成能力，以优化AI模型。据不完全统计，Exscientia、英矽智能、Arctoris、Recursion、Insitro等都建立了自动化实验室。英矽智能则于2021年12月发布了全球首个由人工智能辅助决策的全自动化机器人实验室。该智能机器人实验室聚焦靶点发现、化合物筛选、个性化药物开发和转化医学研究等领域。自动化已经成为不少AI制药公司战略版图的下一个重要模块。在2021年初，英国的Automata Labs于筹集了5000万美元用于自动化实验室研究；中国的镁伽科技也引来高盛投资，获得3亿美元融资用于扩展其多样化的自动化人工智能驱动的远程实验室服务和机器人化设施。
