专访晶泰科技CEO马健：数据积累就是AI制药领域的“基建”，数据壁垒已成为限制AI制药发展的关键瓶颈

当下人工智能正在医药领域掀起一场技术和创新的革命，它以惊人的速度改变着业界对制药的认知。

与传统的药物研发相比，AI制药极大地提高了研发的速度和成功率。尤其是在生成式AI大行其道的当下，其可以识别潜在的疾病治疗靶点，并针对该治疗靶点生成具有治疗潜力、成药特性的新药物分子或蛋白质药物，从而彻底改变传统药物开发模式周期长、成本高、成功率极低的创新困境。

需要指出的是，从最早出现的CADD（计算机辅助药物设计）发展到如今的AIDD（人工智能药物研发），尽管前景广阔并被寄予厚望，但AI制药仍算得上是一门新兴学科，算法与技术不断推陈出新的同时，距离广泛工业化使用，仍存在一系列挑战和限制。

在接受《每日经济新闻》记者专访时，国内AI制药头部企业晶泰科技首席执行官马健表示：“在目标清晰的情况下，AI制药技术能够很好地解决工程技术上的挑战，降低研发风险，胜任比如分子结构的设计、化学合成等研发步骤；不过一旦涉及到生物学问题，如宏观肿瘤与微观细胞层面研究的关联性要如何建立、某个靶点是否与病症显著相关、生物学的机理是否成立……这些问题都有赖于实验验证和探索，具有分布式和偶发性的特征，这是现阶段AI技术难以解决的痛点。”

晶泰科技首席执行官马健。 图片来源：受访者供图

AI制药可大幅缩短研发周期与降低成本

据了解，在AI制药出现以前，药物的研发大致可以分为以下几个阶段：19世纪以前，药物多来自自然界的天然产物；19世纪后，化学工业得到发展，人们开始分离、提取、纯化天然动植物中的有效成份作为药物；20世纪开始，随着药理学和有机化学等科学的发展，人们开始在实验室里人工合成一些已有的药物，并创造一些自然界不存在的全新化合物；之后，以人体为研究对象，研究药物在体内的代谢、作用机制的现代药理学逐渐发展完善；20世纪80年代后，以靶点为基础的新药研发模式得到应用，从原理和机制入手理性设计药物成为可能，其不仅加快了对化学药物研发的进程，单抗、基因治疗药物等也在这一阶段诞生。

一款全新靶点、全新机制的新药，其研发需要经过靶点发现、靶点验证、先导化合物发现和优化、临床前开发等阶段，整个过程可能需要实验、筛选上万个化合物，过程极为耗时耗力。也因此创新药研发诞生了一条著名的“三十定律”，即研发一款新药至少需要10亿美元的投入、10年的研发周期，但哪怕已经成功进入临床实验的药物，其成功率也低于10%。近年来，这一趋势越发明显，药企的创新回报率不断趋近1%。

马健表示，现在很多药物在研发过程中，虽然可能生物学机理相对清晰，但其药物开发难度和成药难度却非常大，就像“我们都知道月球在天上，但怎么造火箭来飞到月球上，这才是真正的挑战”。

那么AI技术又能够为新药研发带来哪些改变？马健介绍，AI和算法的“先见之明”，可帮助制药企业在研发早期通过算法预测和模拟，探索并排除大量注定失败的方向，综合制定出成功率更高的研发路线和策略。在传统实践中，药物分子中关键的物理、化学、生物特征需要人工筛选上千甚至上万次才能得到有治疗潜力的苗头分子，效率极为低下，且依赖科学家个人的经验、灵感，带有较高的盲目性；但现在运用AI和算法，药企可以对分子的这些关键成药特征进行准确预测，率先知道选择哪种药物和研发路线最有希望成功，辅以针对性的实验验证，从而提高研发效率及成功率。

图片来源：受访企业供图

根据英伟达的公开资料，使用AI技术可使药物早期发现所需时间缩短至1/3倍，成本节省至1/200倍。除了药物靶点发现阶段外，AI在药物分子理性设计与优化、药物自动合成路线的设计、新药固体形态与制剂研发、乃至工艺放大与药品生产阶段都有实际落地的应用。如晶泰科技就曾在新冠药Paxlovid上协助辉瑞，利用前者的AI预测算法结合实验验证，仅用六周时间，就完成了传统上需要数个月的药物晶型研究，预测与实验结果的相互印证、准确匹配，加速辉瑞毫无后顾之忧地选择优势晶型并推进后续的开发和生产，从而帮助CMC科学家快速作出研发决策并及早开始下个研发环节。

实际上，除了辉瑞外，各大顶级制药MNC（跨国公司）以及国内头部药企目前均在争相布局AI制药赛道，把这项技术的落地上升到战略高度。弗若斯特沙利文报告显示，大型制药公司与AIDD公司的合作伙伴数量不断增加，由2017年的18份新合作协议增加至2022年的66份新合作协议，复合年增长率为29.7%。晶泰科技也已与礼来、默克、齐鲁制药、华东医药（000963.SZ，股价45.27元，市值794.03亿元）、海正药业（600267.SH，股价11.32元，市值136.73亿元）、正大天晴等多家药企达成合作。

 

数据壁垒是限制AI制药行业发展的一大因素

尽管人们对AI抱有革命性的期待，但截至目前，全球范围内尚未出现顺利上市的AI研发药物。这主要是药物研发动辄十数年的周期导致，由AI算法发现的新药，还未走完临床试验所需要的漫长进程，仍需在人体内面对来自监管层面的终极考验，证明其先进性。

2022年7月，在进入临床阶段一年多以后，全球首个由AI设计分子、英国AI制药企业Exscientia开发的用于治疗强迫症的候选药物DSP-1181宣布停止开发，原因是1期临床研究未达到预期。

今年4月，另一家AI药物研发公司BenevolentAI也宣布，其用于治疗特应性皮炎的局部泛Trk抑制剂BEN-2293的IIa期临床试验没有达到次要疗效终点。

这两项由AI辅助设计的药物在进入临床后疗效不佳的案例，为整个AI制药领域都蒙上了一层阴影。

对此，马健则更倾向于用乐观的态度来看待AI制药未来的发展，他认为药物研发必须遵循客观规律，通过大量的临床试验来确保其安全性、合规性和有效性。尽管目前还没有由人工智能设计的药物成功实现上市销售，从长期来看，这将是行业发展的趋势方向；但公众不能只关注到最终的成功，这一新兴技术在更具体的研发环节中已经取得阶段性的成功与验证，比如实现更快的苗头化合物发现、加速先导化合物的优化，以及更快地推进到临床前候选化合物阶段，都具备“集小胜为大胜”的意义。

“别看现在AI设计的药物还没有获批上市，但在临床前在研的药物分子当中，越来越多的，甚至可能有超过三、四成的管线都有AI技术的参与。假以时日，当冰山逐渐浮上来的时候，你会突然意识到很多的储备管线，都已经是AI药物研发的管线。”马健表示。

东吴证券研报指出，AI在新药研发过程中通常的路径为：1）获取目标训练数据集；2）建立AI自主学习算法模型；3）多轮训练以优化模型；4）测试、评估模型；5）基于模型实现分子优化、筛选、预测、分析等。在这过程中，数据决定了训练模型的深度，算法决定了效率和产出，算力决定了AI可实现的维度，数据、算力和算法是构成AI的三大基本要素。

图片来源：受访企业供图

目前晶泰科技已建设起AI药物研发所需的算法平台与高性能计算算力平台支持，并持续产生和收集高精度的研发数据，不断增强关键算法的预测表现；在算法方面，晶泰科技建立了基于数据的500多个药物AI模型方法与基于量子力学的物理模拟方法互补的技术体系；在数据方面建立了干湿互补、虚实结合的数据产生方案，高精度物理计算和分子模拟产生的可用于AI训练的虚拟数据，结合由大规模自动化机器人实验室产生并收集的高通量、高精度的针对性研发数据，持续支持AI算法的优化和开发升级。

对于构成AIDD的三大基本要素，马健的看法是，药物设计与药物发现往往涉及多目标优化的问题，需要对药物活性、毒性等多个维度的综合分析评估，也因此需要建立多维度的算法模型。“在此过程中，Domain Knowledge（专业知识）必须要与行业有深度的结合。算法模型这块不是闭门造车，并不是采用了先进的对抗式神经网络、生成式模型，就意味着算法领先了。算法在垂直工业领域的先进性，一定是体现在是否能最有效解决领域问题上的。”

此外，马健也非常重视数据的积累，他将其称之为AI制药领域的“基础设施建设”，他打了一个比方，数据层面的构建就像是盖摩天大楼，可能大部分时间都耗费在了打地基的过程中；又比如ChatGPT的走红出圈，就是因为数据层面的积累达到了一个临界点，其模型表现就能获得质的飞跃。

但到了生物医药这样的垂直领域，数据积累并不是一件易事，很多研究数据虽然从公开的文献专利中也能获得，但这些数据未必是可靠的、结构化的，且验证、标注的成本高、周期漫长，这也限制了模型的发挥。“实际上，行业在2020年之后就遇到了数据壁垒这一挑战，AI药物研发需要高质量、高可靠性、标准化、高通量的真实世界的数据支持，只有达到了信息化、自动化、数字化、数据极大丰富等条件，AI制药才能真正获得广泛的落地，全面推动产业走向智能化。”马健指出。

图片来源：受访企业供图

不同商业模式的考量因素：团队特性与工具成熟度

AI制药的潜力被广泛认可，但所有AI制药公司终将要面临的考验是：如何将这些前沿技术商业化变现，实现其潜在价值？

据了解，当前AI制药企业在商业模式上主要分为：AI-biotech、AI-CRO和AI-SaaS，即利用AI自己建立新药研发管线成为药企、提供药物发现服务和售卖AI药研平台与软件的使用服务。

东吴证券研报指出，近年来AI制药企业的商业模式有逐步演进的趋势，其中AI新药管线研发能力是核心。软件提供商基于本身在算法方面的优势，有望通过提供软件产品实现商业模式走通；平台型研发企业通过项目数的积累和自主研发能力边际的不断拓宽，在数据积累上会有较大优势，也有望衍生出AI新药研发的CRO企业，专注于建立平台提供服务，为不具备AI新药前端开发能力的企业提供支持；AI新药研发最终走的也是新药研发的逻辑，这也会催生一批在AI药物管线开发上具有突出能力的Biotech。

对于AI制药企业在不同商业模式上的抉择，马健的看法是，要理解不同企业的商业模式与路线的选择，需要从两个方面的因素来考虑：一是这一企业的研发团队所擅长的方向，“有的团队就是工程软件开发能力很强，他们做软件非常得心应手；有的团队就是生物学和化学的认知能力很强，那么他们就可能会更多地结合一些实验的手段去进行探索”。其次，商业模式除了受团队特性的影响，也与工具的成熟度相关，“随着AI药物研发工具的逐渐成熟，其商业模式也会逐步演进，因此工具的技术成熟度直接决定了AI制药企业在商业上可能达到的高度”。

从目前来看，晶泰科技更偏向AI-CRO的商业模式，公司将之定义为“为全球生物医药企业提供药物发现一体化解决方案的技术平台”。在马健看来，晶泰科技的商业模式是在过去几年中在赋能商业化客户、孵化各类生物科技类公司、内部研发创新的经验积累中逐步形成的。“我们聚焦于晶泰科技的AI+机器人平台所擅长的领域，可以通过广泛的商务合作，快速地实现从靶点确定到获得临床前候选药物，交付出可成药的化合物或抗体，根据付费结构的不同，也可以参与分配更为长期的药物价值。所以晶泰科技实际上是一家科技公司，走的是平台技术的发展路径。”

封面图片来源：视觉中国-VCG111424826218