AI制药行业概览
- AI制药定义：AI制药（AIDD）是指利用AI技术在药物研发、药物设计、药物筛选、临床试验和药物生产等各个环节中应用的制药领域。
- AI制药发展历程：AI制药行业发展分为三个阶段：1956年~1981年的技术积累期，1981年~2012年计算机辅助药物设计（CADD）研发时期，以及2012年至今的AIDD高速发展期。
- AI制药政策分析：国内相关政策主要起始于“十四五”时期，以政府宏观政策为主，如《“十四五”医药工业发展规划》和《“十四五”生物经济发展规划》。国外相关政策起步较早，如美国FDA和欧洲EMA近年来推出的监管政策。
- AI制药投融资现状：2021年行业融资金额达历史高点，超过290亿美元，2022年以来行业投资有所退却，预计融资金额将处于下行水平。全球投资者偏好选择成长期和初创期企业。
AI+药物发现
- AI助力药物发现：AI技术通过数据挖掘、机器学习和深度学习等技术，加速药物发现和设计过程，提高研发效率和成功率。AI还可以在药物筛选中帮助挑选出具有潜在疗效的候选药物，降低研发成本和时间。
- AI助力药物靶点发现与验证：基于机器学习的算法，特别是深度学习方法，在制药领域取得了显著成果。深度学习在制药方面广泛应用，例如新型小分子设计、衰老研究以及基于转录数据的药物药理预测。
- AI驱动药物分子设计、优化：利用深度生成模型和强化学习算法进行新药设计被认为是一种有效的药物发现方法。AI生成模型在全新药物设计领域具有巨大的优势，因为它们在生成分子时不需要先验的化学知识。
- AI辅助药物分子筛选：AI可提取化合物相关结构特征，评估多个ADMET参数间的关系和趋势，有效提升ADMET性质预测的准确性。生物医药大模型助力药物分子筛选，提高筛选效率和覆盖度。
AI+临床前研发
- AI助力药物临床前研发：AI在药物临床前研发侧重于非临床药理学、药动学和毒理学研究。利用AI技术通过对候选药物的相关特性进行早期评估，可以降低临床研究的失败率和损失。
- AI辅助药物理化特性预测：AI技术能够识别并预测新分子溶解度等理化性质，在确定研发成本或临床前终止研发至关重要。
- AI辅助药物剂型设计：AI技术辅助指导实验制备新晶型，并优化制剂的设计。
- AI助力药物ADMET性质预测：AI可提取化合物相关结构特征，评估多个ADMET参数间的关系和趋势，有效提升ADMET性质预测的准确性。
- AI+临床前研发国内企业布局：国内企业的技术重点在于药物ADMET性质预测，布局晶型预测、剂型设计等方面国内企业数量较少。
AI+临床研发
- AI助力新药临床试验：AI技术可辅助临床试验设计、患者招募和临床试验数据处理等。
- AI助力受试者招募管理：AI可自动筛选符合入组标准的患者，提高招募效率。
- AI助力预测临床试验效果：AI技术发展迅速，但临床试验效果预测仍具有难度，但技术上看，正在朝着积极的方向前进。
- AI助力临床试验数据管理：AI可应用于数据收集和整合，数据清洗和标准化，数据监测和质量控制，以及数据分析和预测等。
- AI赋能药物注册申报：AI技术可辅助eCTD申报，提高申报效率。
AI+药物生产及商业化
- AI赋能药物生产支持：AI为药物生产提供了许多可能性，包括优化工艺设计和工艺控制，智能监测和维护，以及趋势监测以推动持续改进等。
- AI赋能药物市场开拓与商业化：AI营销是指利用人工智能技术和算法来辅助和改进市场营销活动的过程。
- AI逐步应用于药物警戒领域：AI，包括ML方法，如自然语言处理和深度学习，可以检测和提取药物不良事件的信息，从而使药物警戒过程自动化，改善对已知和记录的药物不良事件的监测。
AI制药行业总结及未来展望
- AI新药研发技术迎来成果检阅：多款药物进入临床，但尚无药物成功上市。
- AI制药存在“数据困境”：数据是AI的三大核心要素之一，AI药物研发普遍受到数据之苦。AI/ML模型本质上是数据驱动的，对用于训练、测试和验证的数据的属性或特征特别敏感。
- 集采、医疗反腐背景冲击下，AI+市场营销迎来新机遇：智能质检可提供通话记录全量质检，不遗漏任何违规项，在医疗反腐大背景下可能迎来一定的市场机会。
- “黑盒”算法带来安全风险：突破其不可解释难题意义显著。
- 上市AI制药企业商业化模式：主要分为AIDD相关软件销售/技术平台授权、转移研发风险的CRO模式、自行承担研发失败的风险的合作/项目转让，“财务投资+项目管理”模式。
- 全球主要AI制药上市企业：AbCellera、Exscientia、Schrödinger、Benevolent AI、Valo Health、C4X Discovery、Recursion、Relay Therapeutics、Roivant Sciences、Icosavax、Erasca、Evaxion Biotech等。
