|个人中心 | 退出 | 登录 | 注册 |
未完成

揭秘AI制药

2021-03-22 14:09 | 作者: 李秀芝,米娜

0e91b6bd884f26a51508b6d93b8d43e9

AI制药看上去有了实质性突破。众多明星基金跑步入场,腾讯、阿里、百度等科技公司纷纷破圈布局。但大部分AI制药公司离真正商业化仍有距离,药企也仅仅是有限度地对新技术进行尝鲜。

文|《中国企业家》记者 李秀芝

编辑|米娜

图片来源|被访者

在关注晶泰科技两年后,2019年,五源资本终于向这家AI制药企业进行了第一笔投资。

2019年初,五源资本董事总经理井绪天在美国旧金山参加了一次全球医疗健康大会。在那次大会上,一众科学家和教授分享了全球范围内医疗健康领域的最新科研进展与技术创新。其中,在制药领域,AI、超级计算等新技术因屡屡被提及而成为话题焦点。

这让井绪天感到热血沸腾。想到之前内部多次讨论过的晶泰科技,已然成为这一领域的头部公司,他意识到:“如果不投它,这将成为我职业生涯的一大遗憾。”

井绪天很快回到国内。他给晶泰科技联合创始人、董事长温书豪打了个电话,带着他一起见了五源资本所有的合伙人。数月后,五源资本向晶泰科技投资了数百万美元。

2020年,得知晶泰科技要进行C轮融资时,五源资本则给这家公司开出了领投的TS(投资意向书),投资了数千万美元。“AI制药领域还处在早期,但团队在这个不确定极高的赛道中表现出了极强的信念,成长速度也远超我们的预期,并且持续交付的阶段性成果,让我们更加相信传统医药研发范式会发生改变。”井绪天接受《中国企业家》专访时称。

2020年9月,晶泰科技正式宣布完成3.188亿美元C轮融资,称其创造了当时全球AI药物研发领域融资额的最高纪录。领投方除了五源资本,还包括软银愿景基金2期和人保资本,跟投机构多达10余家。

晶泰科技在资本市场备受追捧,只是AI制药涌上风口的缩影。据医疗垂直媒体动脉网统计,2010年至2020年10月,海内外有超过50家AI+新药企业获得了融资,合计融资总额超过45亿美元。这其中,超过20亿美元的融资发生在2019年至2020年。

众多明星基金和投资人跑步入场,如比尔和梅林达盖茨基金会信托基金、贝莱德、谷歌风投、软银愿景基金、红杉资本、启明创投、五源资本、真格基金等。这些明星基金大多在这一赛道押注了多家公司,也就是说,比起某家具体的公司,他们更看好这一赛道。

受新冠疫情影响,2020年全球制药行业达到了前所未有的发展高潮。甚至,众多科技公司也纷纷破圈布局AI制药领域。在国内,腾讯成立云深智药、百度成立百图生科、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,而华为、字节跳动等巨头在AI制药领域亦有动作。

在二级市场,则有了两支“AI制药”概念股,Schrodinger和Relay Therapeutics已分别于2020年2月和7月在纳斯达克上市。其中,作为行业内第一家计算药物研发上市公司,Schrodinger的股价从首发价17美元,一度涨到近百美元。

华兴资本的研究报告中提到,从2016年到2020年,AI制药在全球范围内,越来越受关注,全球制药企业也越来越多的参与到AI的应用和投资中。仅在2020年就涌现了28笔新的合作交易,其中既包括英国AI制药公司Exscientia和拜耳的一项长达3年、总价值近3亿美元的合作,也包括阿斯利康在中国设立的AI新药研发中心。

2020年以来,AI+制药行业的新药研发看上去有了实质性的突破。

2020年2月,英国Exscientia公司称,其已利用AI开发出首款临床前候选化合物(成功通过临床试验的化合物方可称为“药”)DSP-1181,并于同年3月开始进入临床试验阶段。这款候选化合物可用来治疗强迫症,项目从提出概念到进入临床试验用了不到一年的时间。

2021年2月,英矽智能(Insilico)也宣布,其全球首次利用人工智能发现了一种全新机制的用于治疗特发性肺纤维化(IPF)的临床前候选化合物。

b2add8e352f5186c83169a276baef544

图表制作:王超

当然,业内对AI制药真正价值的怀疑也一直没有消除。比如有人认为Exscientia的DSP-1181仅仅是氟哌啶醇(Haloperidol,一种强安定药)的类似物,英矽智能基于AI设计的DDR1抑制剂(一种适用于治疗纤维化等疾病的激酶靶点)也并非全新母核。

此外,除了少数头部公司,众多AI制药项目仍在科研机构孵化中,离真正的商业化仍有距离;与药企之间开展的合作虽多,但真正公布数额的大额交易并不多。因此,布局AI领域,被众多业内人士认为是药企在代价较小的前提下对新技术的一种尝鲜而已。

“车开过来了”

2016年下半年,跨国药企辉瑞公司组织了一次全球范围内的盲测,以判断“晶型预测”这一富有挑战性的技术的最新进展与成熟度。这次测试主要是对辉瑞研发的三个尚未发布的药物分子进行晶型预测。辉瑞曾在内部做过充分的实验研究,认为这次盲测可以代表药物晶型预测的最高难度。

晶泰科技联合创始人、CEO马健告诉《中国企业家》,当时,晶泰科技用计算化学、量子物理以及人工智能等相关技术搭建了一个药物晶体预测的新系统,正期待对自己阶段性成果进行验证,于是便受邀参与了辉瑞的测试。

测试结果宣布,出乎所有人意料——对比辉瑞的内部实验,晶泰科技对三个药物分子的晶型预测达到了100%的准确。更令马健惊喜的是,辉瑞告诉他们,除了晶泰科技,全球还有十数支团队参加,而晶泰科技的晶型预测技术在精度和速度方面均脱颖而出。

2017年初,晶泰科技正式成为辉瑞药物晶型预测等服务的供应商,并不断扩展两家公司的合作,包括基于晶泰科技的AI技术,为辉瑞定制化开发人工智能药物模拟平台,用于新药发现。

f71790411ff9c2d5aaa199d35a8b6399

晶泰科技联合创始人,左起:赖力鹏、温书豪、马健。

此前的2016年12月,辉瑞已与IBM公司旗下的沃森健康联合开展了一项合作,利用沃森的计算系统进行药物发现,以帮助加速辉瑞在肿瘤免疫学研究方面的发展。

几乎同时,另一家跨国药企强生制药也迎来了引入AI技术的关键节点。2016年11月,强生旗下的杨森制药与人工智能企业BenevolentAI达成了协议,利用人工智能技术来评估小分子化合物在临床的潜力,特别是在帕金森氏症领域。

李星是强生中国原新药开发领导团队成员,从事了7年新药研发工作,见证了强生内部对于AI制药的认知转变。她告诉《中国企业家》,在强生任职期间,自己经常和团队讨论如何让新药早点上市,但大家一度很少从IT技术的角度去考虑。

2016年初,李星自学了AI,啃了几十本与AI相关的专业书籍,参加了很多场AI相关的讲座和大会。一年多后,李星坚定地认为,AI和信息化在加速新药研发上潜力很大。拐点出现在2017年3月,之后的2个月里,李星在强生内部做了几场关于AI制药研发运营的报告,并获得了去总部做报告的机会。

随着自我学习的深入和强生内部对于AI态度拐点的出现,李星非常明确地看到,“人工智能这趟车开过来了”。那段时间,李星甚至为此激动得睡不着觉,“我觉得制药研发信息化和智能化这事必须做。人这一辈子最多遇到两到三次大变革。上世纪90年代的互联网变革,我没赶上,但这次变革,我感受非常强烈,我觉得我不去迎接变革就会失去什么。”

2017年下半年,从强生离职的李星,创办了制药研发信息化和智能化公司深度智耀。她给这家公司定下的口号和愿景是,“让天下没有难做的新药”。

13c9ecbdf88e6fb48ffc9cb9dbfdb7ec

深度智耀创始人李星。

若放眼整个AI领域,探究“车到底是什么时候开来的”,2014年可能是一个更加明确的时间节点。用英矽智能创始人兼首席执行官亚历克斯·扎沃洛科夫(Alex Zhavoronkov)的话来说,“深度学习革命的巅峰可以追溯到2014年,那时出现了生成式对抗网络(GAN),以及深度学习(DL)系统也开始在图像识别领域超越人类”。这一年及之后,英矽智能、晶泰科技、Relay等AI制药公司纷纷成立。

当然,黎明之前早就有人探路。

早在1990年,美国国家科学院成员、哥伦比亚大学化学教授和哥伦比亚生物分子模拟中心主任Richard Friesner就创立了Schrodinger。1995年,Schrodinger获得了另一计算生物学领域大牛、哥伦比亚大学计算生物学和生物信息学的高级研究学者David E. Shaw的第一笔投资。近20年后,David E. Shaw亲自下场,参与创立了Relay。

“坐冷板凳”与潜心“修路”

对于晶泰科技和英矽智能来说,参加辉瑞内部盲测并脱颖而出,和由AI发现的临床前候选化合物的诞生,都是公司发展历程中的高光时刻和重要拐点。

马健透露,辉瑞成为晶泰科技的客户,意味着晶泰科技的商业化实现了从0到1的突破,“那么再去实现从1到N的突破,就有了更多的信心,市场对我们也有了更多的认可。”

英矽智能首席科学家任峰则提到,在英矽智能宣布他们的AI系统发现了临床前候选化合物的一周内,该公司就收到了好几家跨国大药企的合作需求。而在宣布之前,很多投资人就已得知消息,给了他们更多的关注。

但在高光之外,AI制药公司们的创业史上更多的经历是“坐冷板凳”。

2014年7月,马健和同在麻省理工学院(MIT)进行物理学博士后研究的温书豪、赖力鹏创办了晶泰科技。在之后的半年里,他们做了多场路演,接触了各类投资机构,但收到的反馈基本是“叫好不叫座”。Alex在创业早期向大药企推荐英矽智能的AI技术,听到的反馈也基本相似:“你的想法非常好,但我们需要实验数据来证明。”

“2014年前后,国内刚开始有将AI用于制药领域的公司,绝大部分人对AI药物研发、预测这些是没有认知的。”马健说,晶泰科技创立之初,他们最大的挑战,是如何跟客户和投资人讲明白AI制药这件事。

马健和团队意识到,要想富,得先“修路”。于是,他们一方面持续地做对外宣传和市场教育;另一方面,开始扩充晶泰的基础设施和能力,比如建立晶型实验室。有了这样的试验能力后,晶泰科技不仅可以直接对接企业整块晶型研究的需求,还能直观展示预测与实验结果的高度匹配,以及AI算法对实验的指导与加速。

不过,即使逐渐有AI制药公司获得了早期投资,公司也潜心“修路”了几年,但在成长期,这些企业仍要面临外界对其信心不足的窘境。

2017年,井绪天第一次拜访晶泰科技的创始团队后,就觉得这家公司有极大的潜力,但彼时五源没有参与投资。“最主要的原因是,当时认为这个赛道有很多的未知”。

事实上,由于技术的专业门槛和前瞻性,直到2019年晶泰科技进行C轮融资,依然有投资人认为自己对这家公司的模式“搞不明白、听不懂”。

作为晶泰科技C轮融资的独家财务顾问,华兴资本医疗与生命科技组董事总经理余睿告诉《中国企业家》,晶泰科技的硬核科技元素非常强,像量子物理、超级计算,如果不涉及这个领域,很多人可能一辈子都不会去理解这些词。

互联网投资人和医药投资人的投资理念也不同。余睿提及,晶泰科技之前有腾讯、SIG等老股东背书,新进来的互联网投资人还容易接受一点。但医药投资人会更犹疑,直到晶泰为他们安排了辉瑞的访谈。

57fda7faa0cd37ea15418d13d98605d6

华兴资本医疗与生命科技组董事总经理余睿。

商业模式的选择

投资人追逐AI制药公司时,他们到底在追逐什么?

“如果医药公司有能力研发出好的新药,就能在长达10年甚至20年的专利保护下得到高额收益回报。从这个层面来看,医药公司本身有非常稳定的商业模式。只是它们面临的核心问题是难以高效找到新的优质临床候选化合物。”井绪天说。

“我们认为人工智能或数字化是促进医疗创新的技术之一。”启明创投主管合伙人梁颕宇在2021年2月的一次医疗闭门高峰对话中谈到。在启明创投的投资组合中,已经有120多家医药公司。梁颕宇也观察到,新药研发的时间和经济成本日益攀升,成功率不断下降,亟需新技术来改变这一现状。

梁颕宇跟Alex在很多不同的医疗会议场合上遇到过。她发现,Alex总是参加中国企业家的会议,讲的都是医疗前沿的内容,就跟他聊得比较多。

2019年,英矽智能对外宣布,其发明并推出了一种新的用于药物发现的人工智能系统(包括靶点发现AI系统和小分子生成化学AI系统等),可在21天内从始至终地创造出全新分子,花费仅约15万美元。

梁颕宇开始觉得,Alex讲的事情真的有进展了,便很认真地了解这家公司的状况。2019年下半年,启明创投作为领投方,参与了英矽智能的3700万美元B轮融资。“我们投资英矽智能的时候,认为它应该可以为很多国内的医药公司提供帮助。”梁颕宇说,除了英矽智能,启明创投还是Schrodinger公司的投资方。

从盈利模式来看,AI制药公司作为服务方或平台方,为药企提供AI相关的产品或解决方案,可按产品或解决方案收费,亦可与药企深度合作,收取新药研发的里程碑付款和销售分成。除此之外,研发自己的新药也是AI制药公司们的另一条盈利路径,正如Exscientia和英矽智能已经有了自己的临床前候选化合物。

在井绪天看来,相比传统药企通过科学家凭经验自主研发,AI制药公司的AI技术平台能持续地发现新药分子,“换句话说,AI技术带来的可延展性,将给AI制药公司带来新药产品上的规模效应。”

56bbf8c5fc9423823e48fcf55e24e123

五源资本董事总经理井绪天。

相比其他AI医疗公司,AI制药公司能更快落地合作和商业化。井绪天的观点是,大多数其他方向的AI医疗公司要进入医院内销售产品,需取得三类医疗器械资质,并且需要较强的销售能力;而AI制药公司不仅可以直接与药企进行研发合作,且一旦把自己发现的药物推向临床阶段,便能直接获得商业价值的落地。

“我们喜欢投短期内可以快速商业化的AI医疗公司。”在2018年一场医健投资的圆桌论坛上,老鹰基金合伙人唐传龙很直接地表示。

AI究竟如何制药?

全球公认,新药研发拥有“三高一长”的突出特点,即高技术、高投入、高风险、长周期。全球著名科学期刊《Natrue》提供的一组数据是:一款新药的研发成本大约是26亿美元,耗时约10年,成功率不到十分之一。

一款新药从研发到上市大致要经过这几个环节:药物发现、临床前研究(包括临床前动物实验)、临床试验、药物审批。作为制药流程的入口,药物发现是目前AI应用得最多也最成熟的环节。

智化科技创始人、CEO夏宁曾将药物发现类比于服装设计:“科研人员根据模特(靶点)特点,画下了服装草图(化合物),但具体到布料、配饰等(化学分子)的选择搭配是未知的。传统上由科研人员根据文献、自身经验去选择、搭配,制成了成衣,再穿到模特身上,却可能出现尺寸不对、搭配不好看等各种问题,失败概率很大。”

怎样才能做出合适的“衣服”呢?任峰告诉《中国企业家》,传统的药物发现首先是对数万个小分子进行测试筛选,然后进一步合成和测试数百个分子,以便得到少数几个适合临床前研究的候选药物。如果靶点是创新靶点的话,这一过程大约需要花费4年左右的时间和数千万美元的投入。

在AI加持下,科研人员的“手工活”将变成“自动化”。夏宁曾向媒体介绍,智化科技旗下基于AI的化合物智能规划平台,可列出可能存在的化学分子的排列组合、给出相关化学分子的制造厂家、甚至对各方案进行性价比排序。

而英矽智能称,其IPF临床前候选化合物仅用时不到18个月,总成本约为180万美元,合成和测试了不超过80个小分子化合物。

“新药研发首先来自于药物发现。如果能用智能化的手段,在药物发现环节快速、加倍提高新药研发的效率。毫无疑问,这是AI能创造最高价值的一个应用环节。”医药合同定制研发及生产企业博腾股份董事长居年丰告诉《中国企业家》,“但这个环节的风险也是最大的,所需时间和经济成本的不确定性最高。”

另一部分公司在AI制药领域选择了差异化路径。

晶泰科技的切入点是处在临床前研究环节的晶型预测。一旦临床候选药物的化合物结构确定后,研究人员就要确定药物晶型。晶型等固相的选择,不仅关系着药物的质量、决定后续的药物制剂设计,同时涉及药物的专利保护时长。

一款创新药的核心专利有效期通常是20年。但该专利通常在药物上市之前就已生效,大多数药物在正式上市销售后被核心专利保护的时间通常只有7~12年。而药物固相专利可以使药物专利保护的时间延长2~6年。这对于药企来说,意味着巨大的商业利益。

温书豪曾指出,在传统药物研发的流程中,采取实验试错的思路探索晶型,不但周期长,在成本、准确性、通量上都存在瓶颈。而晶泰科技可以通过量子化学计算与人工智能技术的结合,对药物晶型进行精确预测。

深度智耀的业务重心是文本智能,即为药企提供基于NLP技术并且深入业务场景的文档管理系统、项目管理系统、自动写作/翻译/排版、知识图谱等工具平台。

据李星介绍,文本智能是一个与结构化数据(即数据库)平行的维度。之前业界的文本智能工具都是零散和碎片化的。他们希望“从前到后把这个维度连通,创造一个从来没有过的系统,并使之成为制药领域的新基建”。

困境和挑战

业内的一个共识是,AI制药仍处于发展早期,挑战不少。用夏宁的话来说,“如果用百米赛跑作比喻,我们现在大约刚跑了五米”。

“AI制药公司面临的最大挑战就是数据问题。”余睿告诉《中国企业家》,所有的AI技术都需要基于大量的数据来训练和学习。但现实情况是,整个行业的高质量数据都非常缺乏。

李星也称,相比药物发现,她对文本智能的商业前景更加笃定。因为文本智能“只要投入精力、投入时间,就一定能提升新药研发的效率”,而药物发现“需要大量优质数据的积累,有不确定性”。

目前AI制药公司的数据绝大多数来源于药企、科研机构或院校公开的数据,自有数据量比较小。另一方面,药企有足够多的数据,但他们鲜少愿意对外分享。

“数据是药企的生命。”任峰说。英矽智能曾尝试说服药企向其开放数据,但常常遭到拒绝,“即便是合作,愿意分享数据给我们的药企也是极少数。”

084d363a4a833b304314acd58871f475

英矽智能首席科学家任峰。

AI制药公司销售的产品亦不能为其积累数据。自2020年9月起,英矽智能用于药物发现的人工智能系统陆续对外销售,已被多家全球知名的制药公司和科研机构采用。但任峰称,“我们会帮药企把我们这套系统安装到药企的IT系统里去,但他们不会让我们看他们的东西。”

算法或是限制AI制药公司发展的另一大因素。任峰提到,现在AI公司的算法有很多种,哪一种算法才真正有效?这还需要大量的实验来验证。以英矽智能的小分子生成化学AI系统举例,最开始该系统有200多种算法来计算化合物的结构,之后英矽智能逐渐把一些计算不准确的算法淘汰,精简到了30种左右。“算法越精简,产生的化合物就越精准,成功率就越高。”任峰说。

当然,即便有AI等新技术加持,一款新药从研发到上市的周期依然很长,风险依然很高。无论是“淘金”还是“卖工具”,AI制药公司在短期内要想有大规模的收入是不太现实的。

井绪天也表示,AI制药公司在资本市场同样面临不小的挑战:投资人能否意识到这类公司的长期价值并给出合理的估值,以便支持这些公司去做更底层、更有长期价值的事。

“如果投资人对AI制药公司的规模化以及盈利周期感到消极,不愿长期支持他们的话,这些公司可能不得不‘动作变形’,比如为了快速推某个药而放弃底层平台的长期研发投入,那可能会是一件很遗憾的事情。”井绪天说。

 

值班编辑:周春林  审校:高欢欢  制作:崔允琰

  • 分享到: Baidu搜藏 转贴到开心网 分享到QQ空间