近年來，在創新藥發展的一片繁榮背后，創新藥的困境也在慢慢浮現。一者，在已知有限的人體基因靶點下，潛在的藥物靶點數量有限，不利于現如今藥物研發大環境。二者，醫藥市場中“內卷”生成，同質化的靶點扎堆情況愈發嚴重，上百種PD-1、ADC和Car-T種子賽道擁擠。

因此如何從靶點賽道中脫穎而出，從新藥研發中脫穎而出，既成為了藥企迫切的需求，也是AI制藥存在的核心使命。

2021年9月18日，由中國國際智能產業博覽會組委會主辦，南岸區人民政府、重慶經濟技術開發區管理委員會、藥智網、中國藥業雜志社承辦的2021大健康產業高質量發展大會暨第六屆中國醫藥研發?創新峰會（PDI）正在舉行。同日下午，名為“藥物研發創新與AI”的主題會議以大會分論壇的形式召開。

期間不僅有多位計算機及制藥領域的專家分享了各自對“AI+制藥”的核心報告，同時還以圓桌論壇的形式，集思廣益，共同探討“AI將如何推動藥物研發創新升級？”

AI制藥開啟藥物研發新篇章

新藥研發面臨研發周期長、研發成功率低以及研發費用高等三大困境。而其階段主要包括藥物發現、臨床前研究、臨床研究以及審批與上市四個階段。其中藥物發現階段和臨床前研究階段則是藥企最為憂心的階段。

同時，在整個過程中雖說越往后成本越高。但毒性、溶解度等階段的關鍵性卻反而在之后的實驗研究之上，無數例子顯示，傳統方法往往在投入了大量時間、人力、金錢完成前期階段后，卻在之后的推進過程中發現并不適合成藥，造成大量資源和機會的浪費。

更多藥企在此困境下努力嘗試通過技術創新來加快新藥研發速度、提高成功率和降低成本，卻也為AI制藥領域發展帶來新的契機。

重慶華森制藥集團黨委書記、董事長游洪濤表示，繼過去的自然醫藥時代與現在的生物醫藥時代之后，制藥時代即將迎來新的篇章。靶點與人工智能的結合也將加速這個時代的降臨，29億對堿基對中，編碼數量目前也僅有3萬多個，還有巨大的空間可以利用。而在這樣大數據工作量下，大數據與人工智能所起到的作用也將遠遠超過人腦。其間商機可見一斑。

最近生物醫藥、傳統醫藥、AI人工智能相互融合產生了很多公司，比如OxfordNanopore這家公司市值60多萬英鎊，產生了很多獨角獸企業，產生了新的賽道。

AI制藥發展制約條件

人才：就目前而言，隨著科技時代的來臨，全球AI人才總體數量并不少，但能把AI與生物醫藥結合的專業性人才短缺卻仍是行業面臨的嚴峻挑戰，兩者不同專業的交叉與融合提升了對人才的需求的同時，高效產出人才量仍遠遠少于市場需求。重慶醫科大學副教授張永紅對此表示，對于交叉學科而言，專業知識倒還是其次，對于人才的訓練更多的還是在于其思維模式的改變，將知識的結合能力成為了他們以后否在醫藥研發過程中解決個別瓶頸問題的關鍵。

數據源：現如今，數據源、算法與算力是AI領域公認的三大要素，而對于AI+醫藥研發而言同樣如此。而如果說算法與算力是大量專業人才可以解決的瓶頸問題，那么大量高質量數據源則是更為重要的一環?；蛴捎陔[私、或由于政策，生物技術領域的大數據往往并不能很好地進行建模，且往往還需要來考慮種屬差異、劑量、體內暴露情況等多種因素的影響。國內創新藥研發起步較晚，與國外相比，對于優質數據的積累還有一定距離。制藥行業的專業門檻很高，而且鏈條很長。此外，醫藥領域的監管政策和體制改革也很頻繁，使得獲得連接歷史藥物數據變得困難。這些都會導致醫藥數據統計在完整度和精準度上的不足，從而影響相關決策。

政策法規：某種程度上而言，AI在其他科技領域的應用已遠超醫藥行業，對于監管機構會如何監管AI藥物，就藥物審評審批來說，化合物應該遵照“安全有效”的評價標準，審批和監管體系短時間內很難改變。啟迪博大投資管理有限公司總經理，清華校友總會生命科學與醫療健康專委會秘書長余永平也坦言，理論上政策的改革其實比技術創新更難，因為它是生產關系的改變，所有生產關系的改變都觸及到利益，而生產力的改變就是一個技術，相對前者反而簡單，好用就好辦。

比起“跨界”，AI醫藥核心意義更在于“結合”

雖說當今社會不斷強調“打敗你的不一定是同行，也許是跨界”，但由于醫藥領域與計算機AI領域的專業壁壘巨大，在大多數人看來往往是“懂藥的不懂計算機、懂計算機的不懂藥”。即使是深耕多年的醫藥領域專家也無法保證能在AI醫藥研發領域有所建樹。

重慶醫科大學副教授張永紅認為，與其跨界交叉，反而融合更有價值，將藥學的知識跟計算機的關鍵節點聯合，邀請計算機專家解決藥學問題，將成為未來AI在藥學領域起到關鍵作用的點。正如成都先導與騰訊AILab合作，共同設計開發了一款分子骨架躍遷算法，有望加快藥物研發領域中的小分子設計環節，從而大大減少人力以及時間成本。

中國科學院重慶綠色智能研究院大數據中心主任尚明生也表示，新藥創新非常需要借助AI的力量，而對于計算機專業人才而言，也非常愿意貢獻里面的算法工具作為其中來使用的力量，這就是結合的真正意義所在。

比起縮短新藥周期，“探索”更具意義

資料顯示，AI在化合物合成和篩選方面比傳統手段可節約40%~50%的時間，每年為藥企節約260億美元的化合物篩選成本。在臨床研究階段，可節約50%~60%的時間，每年可節約280億美元的臨床試驗費用。也即是說，AI每年能夠為藥企節約540億美元的研發費用。

但其實，正如成都先導藥物開發有限公司董事長、CEO李進所言，AI對醫藥工業的促進作用不言而喻，隨著數據越來越多，數據的質量越來越高，這個作用會越來越大。但是面對一些問題，針對一個靶點如果已經有已知化合物的作用，在這樣的基礎上AI的算法可能起到人想象不到的作用。因為我們每個人能夠觀察學習分析的數據量是有限的，而AI是沒有限的。我們甚至看幾百個分子都看得出來，但如果我擺幾萬個分子在里面，將來人就看不清楚了，那就要靠算法來做。

“AI+醫藥”真正有意義或許并不局限于降低新藥研發的時間、人力及金錢成本，更多的或許是發現原來很難、甚至不可能發現的靶點及成藥機制，使不可能成為可能。

玩家齊聚AI制藥，共爭上游

2020年起，AI制藥的初創公司如雨后春筍、投資機構蜂擁而至、很多高科技互聯網公司也來占位、制藥巨頭、傳統藥企逐布局AI，領先的制藥公司與AI驅動的生物技術公司和AI技術供應商之間的合作關系越來越多，AI主題會議激增，甚至很多科研團隊開始轉型，AI制藥轉瞬間成為醫藥行業最具商業價值的方向之一，甚至被認為將有機會引起一場顛覆式的制藥革命。

AI制藥公司大約有300家以上，根據主營業務布局領域或者公司主要技術平臺從新藥研發的環節角度對公司進行分類，先導化合物設計、優化及合成，化合物篩選，靶點發現環節布局公司最多，其次，ADMET預測、藥物重定位（老藥新用）也有較多公司布局。

同時，出初創型企業外，業內各大龍頭藥企同樣對“AI制藥”領域充滿興趣并深度參與其中，國內方面，如藥明康德、先聲藥業、豪森藥業等均選擇與AI企業進行合作。

總結

總而言之，AI或者說是計算機在各個領域能做的事情都很簡單，關鍵在于AI與醫藥兩者的結合，趨勢若對，那剩下的事情無非“合作”兩字。所以本次之所以組織本屆會議，就是為了能夠跨界交叉，將大家融合在一起，如果促進兩個領域之間后續的合作，推動兩個領域之間的協同發展，那就是價值所在。