中国这波做AI制药的上百亿都砸了,药企连200万都不肯给,他们怎么办?

2021-05-27 09:29:52 admin

今年2月,AI制药行业迎来一项突破。


AI药物研发公司Insilico Medicine(英矽智能)宣布获得全球首例完全由AI驱动发现的特发性肺纤维化(IPF)疾病新靶点,并针对该靶点设计出全新化合物。


这家李开复参与投资的公司称,他们将新药研发周期缩短至18个月,成本降至280万美元,远优于传统新药物研发耗时2-5年、投入1098万美元的平均数据。


在中国,2020年被称为AI制药元年。


这一年,阿里云与全球健康药物研发中心合作,开发 AI 药物研发和大数据平台,腾讯发布AI驱动的药物研发平台“云深智药”,李彦宏亲自带队成立百图生科,字节跳动开始招募AI-drug团队,华为也推出EIHealth正式进入AI制药领域。


互联网巨头的加入,令沉寂了一段时间的赛道又火热起来。


据动脉网统计,截至2020年10月,国内已有19家AI制药公司获得融资,总额达14.16亿美元——合人民币近百亿元。


但与互联网造神故事、资本追捧的火热赛道形成对比的是,国内至今少有项目,能证明AI辅助制药的价值。


不只是IT与BT技术的对接,机器学习与专家经验的对抗,追求短期高回报的互联网,与周期长但不确定性高的药物研发,两种截然不同的思路和逻辑在AI制药行业内部碰撞。


没有人质疑AI制药的潜力,但无往不利的AI,并没有像故事里那样轻松颠覆这个行业。


互联网式的制药神话


一组反复被提及的观点和数据是,传统药企研发已经到了费时费力但效率越来越差的衰退阶段。


据统计,将一种新药推向市场需要投入30-120亿,耗时10年-15年。高投入并没有带来高回报,从2010到2019年,十年间,全球TOP12的制药公司平均投资回报率下降了80%。


AI制药,试图解决药企的研发之痛。


工程师们将过去几十年来累积的大量生物学、医学、药学数据喂给机器,从而获得了具有一定预测力的模型。


通过这些模型,AI制药公司能为药企提供知识图谱,协助发现靶点和候选药物,优化临床实验设计,提高研发的成功率。


这些神乎其神但又合理推测的功能,让投资者有理由相信,AI制药可以颠覆整个制药行业。药企要做me-better,AI可以在更短的时间内设计出更有效的分子,而且成本更低;药企做不出来first-in-class的新药,AI可以超过“人的限制”从体量更大的数据空间中找到新的靶点、合适的分子。


梦想家们希望AI可以带领中国药企弯道超车。为梦想付费,是互联网的传统。


医健基金还在观望的时候,TMT投资人早已先下手为强。


据动脉网统计,截至2020年10月,国内已有19家AI制药公司获得融资,总额达14.16亿美元。


创立于2014年,以晶型预测起家的国内独角兽晶泰科技,C轮获得超3亿美元的融资,赛道内遥遥领先。


晶泰科技企业传播总监王汝予告诉八点健闻,晶泰可以将小分子药物从靶点发现到临床前阶段向前推进二分之一到三分之二。



药企到底痛不痛?

痛点到底在哪儿?


但AI制药的关键词“预测”,目前具有极大的不确定性。


这让国内大多数AI制药公司的前景,蒙上了一层阴影——他们仍处于为药企提供服务、创建平台的阶段。


药企给出一个靶点,希望AI制药公司找到对靶点起作用,可能开发成药物的分子。


但AI制药公司利用已有模型筛选出来的分子,未来开发成药物的几率并非100%:a分子有80%的几率,再高一点的b分子有90%的几率……


“这样的交付结果,很难通过药企专家的拍板,”一位观察者向八点健闻分析,“这个80%和90%很可能没有任何意义,置信区间很可能不过关。”


得不到药企专家的认可,AI制药公司就只能拿到合同的首付款;即使给出100%真实有效的预测,回报也并不可观。“做服务的市场极小,药物研发是一个极其漫长的过程,AI能提供的帮助并不大。”上述观察者告诉八点健闻。


百济研发BTK抑制剂泽布替尼,研发速度之快已是业界神话——5个月筛选出候选化合物,临床前过程历时2年零1个月,临床过程历时5年零3个月,从立项到在美国上市共经过了7年4个月。


AI的预测结果既替代不了分子合成,也替代不了动物实验,更替代不了临床试验。假设AI为百济成功预测出了候选化合物,百济依然要花7年时间研发泽布替尼。


巨大的不确定性,决定了药企不愿意花高价买单。


八点健闻了解到,一笔200万元的订单在业内已是高价,而绝大多数AI制药企业一年接到的订单也屈指可数。


更重要的是,被视为核心资源的研发数据,药企大多不愿意贡献给平台,为他人做嫁衣。对既不缺钱、也不缺数据的大药企来说,绕开第三方平台,组建自己的AI团队才是上上选。


曾经踌躇满志,以为可解决药企痛点的AI制药从业者,入局后才发现自己根本不清楚“药企到底痛不痛?痛点到底在哪儿?”


下场做药,继续烧钱


大型药企不买单,AI制药的玩家们不得不自己下场做药。自己下场做药,又意味着天量资金的投入。


“AI制药1.0时代,80后IT狂人攒局烧钱;AI制药2.0时代,CADD(computer aided drug design,计算机辅助制药)大佬亲自下场做药”。


一位观望入局的投资人告诉八点健闻,早期创业者都聚焦在炫丽的算法上,现在的公司开始注重布局管线。


AI衍生于互联网,提供的是面向商家或面向用户的服务。而制药这个传统的行业,最终的诉求,是药。两种截然不同的逻辑,在AI制药行业内相互碰撞,却很难和解。


AI制药1.0时代,“懂药的不懂AI,懂AI的不懂药”,双方在基本的沟通和理解上都存在壁垒。


“国内AI制药公司普遍估值偏高,带上AI,更容易融资”。靠算法起家的AI制药公司想着把数据、模型做到极致,也无从得知它是不是跟做药有关系。这种底层逻辑,使得一些公司更看重AI技术而轻制药。


而顶尖的药化专家,多集中在药企和高校,他们认为现阶段的AI技术不过如此,甚至比不上传统的药物研发工具。


八点健闻了解到,由于早期商业模式不清晰导致的利益分配问题,不止一家AI制药公司的药化学成员出走。


即便到了2.0时代,AI制药的矛盾依然不可调和。头部公司开始花大价钱引进“懂药的人”。


曾任美迪西生物部和化学部高级副总裁、GSK葛兰素史克公司化学总监的任峰博士,今年2月加入了英矽智能。他在今年5月的生物计算大会上打趣,“3个月,换身西装,就能成为AI制药专家。”


即便如此,一位AI制药行业的创业者告诉八点健闻,“市场上可用的人才很少,人真的很难招”。AI制药头部公司尚且可以靠名声和财力招揽到稀缺的优秀人才,那些既拿不到订单又拿不到投资的“无名”创业公司,根本没有足够的财力参加抢人大战。


数据之困


除了人才,AI制药的突破还受制于数据之困。


人工智能有三要素:算法、算力和数据。


制药作为AI技术相对成熟后瞄准的一个新场景,最大的难点在于数据。


目前的AI制药企业主要依靠公开数据来进行模型训练,同时,通过合作的方式从药企、医院、CRO、实验室获得差异性数据。


一种较为普遍的看法是,AI制药公司间的竞争,关键是要看谁的自有数据体量更大、质量更优。


索智生物的创始人许大强博士认为,制药行业数据化、信息化才刚开始不久,包括药企在内的整个行业都没有高质量的可用数据。


一位业内人士告诉八点健闻,“所谓的AI制药公司,根本用不到(AI),或者只是象征性地用一下(AI),用了也没什么价值”。


困境之下,靠AI起家的制药公司,似乎又回到了传统打法。没有数据的初创公司,很快便陷入了同质化竞争。“大家都依靠公开数据做模型,今天你的模型预测性好,明天可能就是我的更好,后天就是他的更好”。


受制于高质量数据的稀缺,药企、CRO、AI制药公司的AI布局,都回到了同一起点。


某种程度上来说,在隐私政策相对宽容的中国,更容易进行原始数据的积累。


2019年,英矽智能将总部从美国迁到中国香港,创始人Alex Zhavoronkov接受采访时表示,“未来5年中国创新药企业将迎来一场大爆发,成为世界医药创新中心。原因是美国遵循的通用数据保护条例(GDPR)让AI公司发展受限,而中国较为灵活。并且,中国人口基数大,数据量庞大,数据质量也更好,有利于AI公司发展。”


行业革命发生之前,首先要活下来


早期创立的AI制药公司曾经历过的辉煌,初创企业很难再复制。


创立于1990年的上市公司Schrödinger,有十几个与药企合作的在研项目,公司自2018年开始启动自有管线药物研发,目前公开的5个自有癌症药物中预计会有3个药物在近期提交IND申请。


创立于2013年的英国独角兽公司BenevolentAI官网显示,公司有近30个药物研发项目,其中一款特异性皮炎的药物已经进入了临床一期。


成立于2012年,刚刚获得C轮融资的Exscientia也在加大自有管线的药物开发。


AI 制药1.0时代的红利期已过,徘徊在AI制药未来发展的十字路口,国内大部分AI制药初创公司面临着继续做AI服务,还是转型做药的战略选择。但无论哪一个方向,都不再会是坦途。


八点健闻采访了多位AI制药相关的投资人、学者、从业人员、观察者,他们的共识是,“未来的AI会为药物研发带来一场革命,但现在还处在摸索阶段”。


许大强博士做了一个形象的比喻,“以前的计算机辅助制药(CADD)就像多架马车,你可以通过增加马匹的数量,让马车跑得更快,但是总有一个最大容量,相比起来,AI辅助制药(AIDD)就是汽车”。


五源资本董事总经理井绪天认为,AI技术具有可延展性,技术一旦成熟,平台型AI制药公司就能通过AI多线程、高效率地进行药物研发,从而产生规模效应。


施一公曾将人工智能定义为生命科学领域的方法革命。


借助这种全新的工具,学者们希望可以突破人类自身已有的知识和思维限制。药物研发者们希望可以从更广阔的空间中发现和设计新药,解决先前工具尚未攻克的疾病。


但在1到N之前,还需要一个 0到1的技术突破。现阶段的AI,还停留在概念里,裹挟在泡沫中。对于创业公司们而言,最现实的问题是,手里的钱,能不能支撑到黎明到来的那一天。




电话咨询
邮件咨询
在线地图
QQ客服