AIDD（AIDrug Discovery & Design）是近年来非常火热的技术应用，已经介入新药设计、研发的大部分环节当中。日前，人工智能基础设施和服务提供商碳硅智慧自主研发的AI驱动新药研发平台DrugFlow1.0 发布，再次引发产业界、学界和投资界对人工智能驱动新药研发未来发展的探讨。

赢在原创

近年来，随着跨界学科的飞速发展，计算科学开始为生命科学提供更多助力，以加快新药研发的效率、提高药物研发的质量。“目前许多新技术新策略已应用到创新药发现的环节中，AI即是这样一类技术。未来五年，以药物研究为代表的智能医疗将是AI最主要赋能的领域。”北京大学药学院教授刘振明表示，特别看好AI对于生物医药研发的赋能。

作为一种药物研发的全新模式，AIDD的兴起有着深刻原因。一是新药研发周期较长。在传统的药物发现中，药物发现过程依赖于科学家的研究来寻找蛋白质上的靶点，并找出对应合适的药物，同时还要保证稳定性，这往往需要花费大量时间。此外，目前全世界范围内已知的有效靶点基本上已经被开发，如何找到新的靶点成为行业共同的难题。二是实验过程需要完成分子合成、毒性实验、有效性实验等多个阶段，且投入成本高。药企需要花费大量时间和金钱才能找到合适的商业化药品，这对大部分药企来说是一笔不小的支出。而AIDD的出现大大缩短了这个进程，在人工智能技术的帮助下，药物发现和实验过程变得更加高效和智能化。

数据显示，中国的一些创新药企业已经开始关注前端研发，超过44家药企建立了跟AI研发相关的部门。刘振明指出，未来Best in class药物的生存空间将变小，First in class药物势在必行，顶层制度设计已在为创新药时代铺平道路。“中国创新药时代已经扬帆起航，在这个过程中，创新药与仿制药最大的区别是前者要发现一颗好种子，并且需一直强调新技术驱动。”

落地方式

早在2020年，AIDD就是投资领域比较热门的一个赛道，相关话题也比较多。随着AI在药物研发应用领域的不断拓展，从一开始应用在小分子药物研发，到如今与抗体药物、核酸药物、细胞治疗药物相结合，计算在药物研发领域中的作用越来越重要。

有业内人士认为，AI是非常好的降本增效工具，也是最好的落地方式。这两年AI算法更加精妙，尤其是算力方面，AI的发展已经进入到一个比较好的行业交叉点。索智生物创始人兼首席执行官许大强指出，AIDD之所以被称为工具，主要在于它的局限性，不能像人一样做决定。但如果未来有一个Transformer模型可以训练机器去学习并消化药化知识，对AI制药来说也许将是一种颠覆性的突破。

除了工具的辅助，AI还会带来哪些新的变化？五源资本董事总经理井绪天表示，在AI的驱动下，发现药物的过程已经不再充满随机性，药物发现会变成有可迭代的方法论驱动的事件，这种方法论的强弱会成为未来药企的核心竞争力，并在很多细分行业催生出新的大药企。

对于AI的期望，刘振明表示，在智能设计层面，需要基于三个理念理解AI药物研发的含义。首先，明确AI对药物发现的作用。制药需要在已知药物属性的基础上，找到药物的设计图，而AI无论从知识储备还是基于知识去生成图像方面，都比人做得更好。其次，系统认识AI在做什么。AI的定位可以说是“发现一颗好种子”，这就好比如果有Alpha Drug，就可以依据医生提出的需求，在话语空间中实现快速查找。最后，分清AI制药公司的类别。一类是IT驱动的AI公司，另一类是药学驱动的AI公司。“最终目标是品种交付，因此AI实际上更多的是赋能研发过程。基于此，更为明智的选择是遵循和赋能候选药物的发现流程，在某几个环节去提升新药研发的效率，如降低单品种的研发费用、缩短研发时间、提高研发成果率等，即能很好地体现出AI的价值。在这三个理念的支持下，围绕药物发现规律展开工作。”

算法迭代

AI是数据驱动，数据是AI的根，AI模型是否自主可控，能不能培育自己的特点，与数据有关。在一些专家看来，AI在药物研发中目前还只限于在一些局部发挥作用。此外，AI不是一个孤立、单独存在就能发挥作用的个体，它必须跟整个研发流程相结合相打通，包括计算服务器的平台搭建，以及相关AI人才的培养等。

未来，在药物研发上，计算和物理相互驱动是不少专家的共识。中南大学药学院教授曹东升认为，一定要把计算模型和算法跟实验有机结合，形成假设-验证-计算-调整的闭环系统，这样才能够有效提升模型的精度，同时也能够用于开发一些新型的药物。四川大学教授杨胜勇表示，AI能够使药物设计的速度和精度同时突破。不过，最好还是应用物理原理提高精度。而AI跟物理原理的结合，在分子模拟上大大提高基于物理原理计算的速度同时提高精度，“两者结合，应该是未来的一个发展方向。”

在产业界看来，未来最需要计算解决的需求是什么？罗氏中国研究中心博士林毅希望，在一个更大的化学空间去探索，比如做十亿级别乃至更大级别分子空间的一些虚拟筛选，同时有一些可能更精确或是更快的计算方法。

医科院药物研究所教授方小涧认为，未来的难点和重点在于，找到未被满足的临床需求。“药物设计包括药物发现，只有在具有较大的临床价值的情况下才会开展。如果方向没找对，做得越多，可能无用的劳动越大。”

方小涧进一步指出，相比传统的CADD的方式，AIDD能从各个维度深入挖掘临床生物靶标以及小分子的海量数据，尤其是处于临床阶段的小分子的相关数据，同时进行学习和分析。但面对这些海量的数据，AI想真正发挥作用，一方面需要不断进行数据的更新和挖掘，另一方面则是需要更加新的一些算法，尽量做到快速迭代，这样才能够成为研究人员真正能使用的辅助工具。“药物化学今后的研究重点，会从现在单纯依靠合成生物活性走向综合的数据分析和设计推演，从依靠体力劳动去堆积化合物的数量，向有针对性地依靠智能方法去提高质量，从而实现药物研发的重心转移。正如《孙子兵法》里提到的‘先胜而后战’，这种理念的想法和发展，将是AI进步的一个研究方向。”

★★★ 小结 ★★★

去年8月，Data Bridge Market Research发布的“药物发现市场中的全球人工智能（AI）”报告指出，2022 年由于慢病患者数量的增加和人们健康意识的提高，以及对传染病诊断试剂盒的需求增加，加速了亚太地区AIDD的发展。随着用于药物发现的人工智能技术进步提速，中国将成为亚太地区该领域的主导国家。预计到 2029 年，亚太地区药物发现市场的人工智能价值将达到 34亿美元，预测期内的复合年增长率为50.9%。

当下，正是将AI、自动化等技术引入制药等生命科学领域的窗口期。随着制药领域的“低垂果实”被不断收割，以算法、算力、数据和高通量实验迭代为基石的AI制药理念，将开启创新药研发新范式，赋能创新药企去穿越窄门。不过，有业内人士指出，受资金和各方面资源影响，目前使用AIDD的企业还是极少数，能合作的对象也非常有限，因此，投入和产出需要非常谨慎。

（本文根据AI新药研发平台DrugFlow1.0发布会暨人工智能驱动新药研发进展与挑战研讨会等相关论坛整理）

此内容为《医药经济报》融媒体平台原创。未经《医药经济报》授权，不得以任何方式加以使用， 包括转载、摘编、复制或建立镜像。如需获得授权请事前主动联系：020-37886610或020-37886753；yyjjb@21cn.com。