健康界研究院 健康界研究院 前 言前 言传统的新药研发是一项复杂的系统工程，通过大规模的筛选发现先导化合物后，还需要药物专家反复的体外实验、动物试验和人体内试验来进行测试、优化，直到证明这个药品足够安全有效才会被获批上市，中间过程高度依赖药物学家的个人经验与创造力，还无法摆脱周期长、成本高、成功率低等问题，而人工智能 AI 技术在药物研发领域的导入则能有效解决行业痛点。AI 药物研发这一领域目前仍处于发展初期，2020 年以来 AI 药物研发行业在产品领域、资本领域、技术领域等方面陆续取得突破性进展，使业内对其抱有更为乐观的态度。健康界研究院认为，人工智能技术对药物研发提质增效的作用毋庸置疑，前景可期，但行业毕竟处在发展初期，数据与算法的技术挑战尤为明显，商业模式的可行性还需市场的进一步检验。健康界研究院 目 录CONTENTS第一章 行业背景 / 011.1 研究范围界定 / 011.2 发展阶段：AI 技术在药物研发领域仍处于导入期 / 021.3 发展亮点：2020 年以来行业实现多项突破，迎来发展新纪元 / 03第二章 AI 药物研发发展的驱动因素 / 042.1 政策驱动：创新药和人工智能双轮政策驱动 / 042.2 技术价值驱动：促进药品创新，解决行业“三高一低”痛点 / 062.3 资本驱动：资本不断加码 AI 药物研发赛道，融资规模扩张 / 09第三章 AI 技术赋能制药研发场景 / 103.1 研发场景：靶点发现、化合物合成为主要应用场景 / 103.2 技术挑战：数据质量参差不齐，通晓 AI 与医药人才缺乏 / 14第四章 AI 药物研发行业主要玩家 / 164.1 初创企业：集中发力化合物筛选、靶点发现赛道 / 174.2 科技巨头：发挥技术优势，打造数据和技术平台 / 174.3 传统药企：积极与初创企业合作，布局 AI 药物研发赛道 / 19第五章 代表企业 / 225.1 晶泰科技——以“AI+ 量子”驱动药物研发的独角兽 / 225.2 冰洲石生物科技——多条管线在研，新药获美国 FDA 临床试验批准 / 245.3 英硒智能——与药企合作次数领跑同业 / 265.4 腾讯云深智药——开放式大数据平台 / 27健康界研究院 主要观点主要观点 2020 年至今，行业内有近 30 项的 AI 研发药物获批临床，海外 AI药物研发企业陆续登陆资本市场，行业发展实现 0 到 1 的突破，有望在未来解决药企“三高一低”痛点。 一级资本市场对 AI 药物研发热情高涨，2021 年前 10 个月行业内的公开融资额已超过 80 亿元。 国内外制药企业、科技巨头、初创企业纷纷入局，药物研发中的靶点发现、化合物筛选是主要应用场景。 AI 药物研发处于发展初期，技术上面临着数据、算法和专业人才方面的挑战；同时，企业商业模式也需要市场进一步验证。1234健康界研究院 1第一章 行业背景第一章行业背景1.1 研究范围界定 AI 药物研发又称 AI 制药：是指在原研药与创新药研发过程中的相关应用场景下引入人工智能技术，以达到短时、低成本开发新药的目的。与传统计算机辅助药物设计相比，两者在基础要素、推导方式等方面均有差异，AI 可以间接应用于传统计算机辅助药物设计，助其发展。分类人工智能物理计算基础要素数据物理规划推导方式归纳法演绎法特点通量高，对数据要求高精度高，对算力要求高发展规律迭代较快，跨越临界点高，有望实现快速发展有赖于物理学科的进步线性发展资料来源：公开资料、健康界研究院分析表 1：人工智能与物理计算在药物研发领域要素对比健康界研究院 21.2 发展阶段：AI 技术在药物研发领域仍处于导入期AI 技术从 1956 年提出发展至今天已有 60 余年，随着算力、算法、数据等基础能力的不断完善，AI 技术开始逐步向医疗中的药物研发领域渗透。目前，整个行业还处于发展的初期。从全球范围来看，美国凭借其在技术、医药等领域的先发优势，AI 药物研发的行业发展进度在全球领先，从图 2 中可以看出，全球 50% 上的 AI 药物发现公司、AI 药物研发公司、AI 药物研发 CRO 公司都分布在美国。图 1 AI 药物研发的发展历程资料来源：公开资料、健康界研究院分析图 2 2020 年全球 AI 药物研发公司区域分布情况资料来源：公开资料、健康界研究院分析健康界研究院 3第一章 行业背景1.3 发展亮点：2020 年以来行业实现多项突破，迎来发展新纪元2020 年 AI 药物研发行业实现多项 0 到 1 的突破，行业发展进入新纪元。产品方面，2020 年全球首款 AI 研发药品进入到临床阶段。2020 年，英国 Al 制药企业 Exscientia 与日本住友制药（Sumitomo Dainippon）合作，通过 Al 人工智能研发的新药候补化合物正式在日本进入第一阶段临床试验，这也是世界首次使用人工智能 AI 开发药物的临床试验。2021 年上半年，Exscientia 公司有两款药物宣布进入人体临床。2021 年国内未知君、冰洲石也相继宣布有产品获批临床。据不完全统计，至 2021 年 10 月，全球已有 30 余款依托 AI 技术研发的药物获批进入临床。企业方面，2020年国外AI药物研发公司成功IPO，美 国 Schrodinger 和 Relay Therapeutics 已分别于 2020 年 2 月和 7 月在纳斯达克上市，两家企业的成功上市大大提振了外界对于行业的信心。技术方面，2020年DeepMind宣布AlphaFold2预测蛋白质三维结构。2020 年 11 月，Google 旗下 DeepMind 的 AlphaFold2 发布取得重大突破，解决了困扰科学家 50 年的生物学难题 - 蛋白折叠。2021 年 7 月，团队在《Nature》发文，其与欧洲分子生物学实验室（EMBL）共同利用 AlphaFold2 基于氨基酸序列预测了 350,000 个蛋白质的三维结构，几乎涵盖了人类基因组表达的约 20,000 个蛋白质（对 98.5% 人类蛋白质做出预测），以及其他 20 多种生物的蛋白质结构。健康界研究院 4第二章AI 药物研发发展的驱动因素2.1 政策驱动：创新药和人工智能双轮政策驱动AI 药物研发是人工智能领域与制药领域的交叉，行业发展受到制药政策特别是创新药领域政策和人工智能领域政策的双重影响，当前国家对两大领域均持鼓励态度。创新药领域：以 2015 年药品审批制度改革为起点，国家从注册审批、医保支付、资本市场上市规则、人才政策、专利保护等各个角度全面鼓励创新药的发展。2015 年 8 月，在《国务院关于改革药品医疗器械审评审批制度的意见》之中，提出优化创新药的审评审批程序、鼓励以临床价值为导向的药物创新。2021 年 7 月 2 日，国家药品监督管理局药品审评中心（CDE）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》征求意见稿，再次提高了我国对创新药的研发及上市要求。AI 人工智能领域：政府先后出台了人工智能产业的相关规划，鼓励将人工智能技术应用于医疗领域。2017 年 7 月，国务院办公厅出台《关于印发新一代人工智能发展规划的通健康界研究院 5第二章 AI 药物研发发展的驱动因素图 3 我国药物与 AI 医疗领域的政策发展资料来源：公开资料、健康界研究院分析知》，提出基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化；2021 年 7 月国家食品药品监督总局（CFDA）出台《人工智能医用软件产品分类界定指导原则》，明确了人工智能医用软件产品管理属性和管理类别的判定依据，为进一步加强人工智能医用软件产品监管和推动医药创新高质量发展提供了技术支持。健康界研究院 6资料来源：公开资料、医药魔方、德勤、健康界研究院分析图 4 中国药物研发市场规模预测图 5 2016-2021Q1 中美两国生物创新药获批数量情况（2）药企研发成本居高不下，产出回报率低新药研发作为医药领域最重要的板块，近年来因新药研发成本高、研发周期长、风险高等问题，呈现出发展速度渐缓趋势。新药研发成本呈总体上升趋势，投资回报率逐年下降：据德勤发布的系列相关报告数据显示，大型制药企业药物开发投资回报率从 2010 年的 10.1% 下降至 2019 年的 1.8%，而同期上市一款新药的成本从 11.8 亿美元增至 19.8 亿美元。2.2 技术价值驱动：促进药品创新，解决行业“三高一低”痛点（1）创新药产业快速发展，创新要求日益提高中国药物研发市场规模持续增长，2020 年达 270 亿美元，同比增长 25.0%，占全球药物研发市场规模的 14.1%，预计 2025 年中国药物研发市场规模将达 824.0 亿美元。其中本土创新药获批数量在快速增加，创新药的创新种类也在不断变化，从 me-too/me-better 类型的新药到普遍的创新药（Best-in-class），再到具备高临床价值的临床急需创新药（First-in-class），对于创新药的要求不断提升，行业内也渴求新技术出现帮助提高新药研发。健康界研究院 7第二章 AI 药物研发发展的驱动因素图 7 传统药物研发周期资料来源：公开资料、健康界研究院分析图 6 2010-2019 大型药企新药研发成本和投资回报率资料来源：德勤、健康界研究院分析新药研发周期长，风险高：根据德勤的统计，2016 年一款新药从最初研发到获批上市平均耗时为 14 年，药物从化合物到成品药上市的成功率不到 10%，企业的时间成本、风险极高。健康界研究院 8图 8 AI 药物研与传统制药在部分环节的耗时与成本对比资料来源：公开资料、健康界研究院分析根据 Evaluate 公司分析，与传统新药研发相比，AI 新药研发可以缩短新药发现时间、节省成本、提高收益，传统新药发现需要 5-6 年才能筛选出合适的先导化合物作为临床研究候选，AI 新药发现只需要 1-2 年，甚至几个月就能完成；由于可以缩短新药发现周期及减少新药发现研究耗材，可以极大减少企业的花费，以先导化合物优化为例，传统制药研发花费为 1.5 亿美元，而 AI 药物研发花费为 200 万美元，企业可节省的成本空间巨大。健康界研究院 9第二章 AI 药物研发发展的驱动因素图 11 2015-2020 年我国 AI 药物研发融资轮次分布情况资料来源：健康界研究院分析2.3 资本驱动：资本不断加码 AI 药物研发赛道，融资规模扩张美国是 AI 药物研发领域融资交易的主要地区，中国紧随其后。2015-2020 年有一半以上的 AI 药物研发融资发生在美国。国内 AI 药物研发融资在 2020 年迎来爆发，2021 年持续吸金，根据公开信息整理，2021 年 1 至 10 月，国内共发生 27 起涉及 AI 药物研发领域的融资事件，融资金额达 81.13 亿元人民币，已超过 2020 年全年总额。融资轮次分布上，2015-2020 年天使轮投资数量下降，A 轮、B 轮增加，说明一些 AI药物研发创业公司在资源和技术上取得了实质性领先优势并获得快速发展。资料来源：CBINSights、Deep Pharma、健康界研究院分析图 9 2015-2020 年 AI 药物研发融资区域占比图 10 2014-2020 年我国 AI 药物研发投融资情况健康界研究院 10第三章AI 技术赋能制药研发场景3.1 研发场景：靶点发现、化合物合成为主要应用场景当前 AI 技术涉及药物研发流程中的场景包括：靶点发现、化合物合成、化合物筛选、晶型预测、临床试验设计优化、患者精准招募、不良反应监测、药物重定位等。AI 技术在应对不同场景需求时大体都需要经历问题设置、数据集整合、算法模型构建和评价过程，共同构筑并形成了 AI 新药研发过程中一条完整的虚拟计算路径：1）获取目标训练数据集；2）Al 自主学习算法建模；3）多次训练优化模型；4）测试集应用以评估