AI的翅膀開始嫁接到各行各業(yè)，其中就包括醫(yī)療行業(yè)。最近，眾多科技巨頭如微軟、英偉達(dá)和谷歌等，都加大了“AI+醫(yī)療”的布局。比起傳統(tǒng)研發(fā)進(jìn)程，AI能夠在較短時(shí)間內(nèi)處理大量復(fù)雜數(shù)據(jù)，AI可以提高藥物研發(fā)效率，加速藥物篩選。不過，通過AI大模型完全模擬對(duì)算力的要求極高，足量的訓(xùn)練數(shù)據(jù)仍然是一大瓶頸。

多家公司入局

當(dāng)?shù)貢r(shí)間5月8日，谷歌DeepMind及姊妹公司Isomorphic Labs旗下的AI藥物研發(fā)模型AlphaFold官宣重磅升級(jí)，稱最新版本AlphaFold 3可以預(yù)測(cè)蛋白質(zhì)、DNA、RNA等生物分子的結(jié)構(gòu)以及它們?nèi)绾蜗嗷プ饔谩?/p>

Alphabet兼谷歌CEO Sundar Pichai表示，目前，已有180多萬名研究人員在疫苗開發(fā)、癌癥治療等研究工作中使用AlphaFold進(jìn)行蛋白質(zhì)預(yù)測(cè)。在接受采訪時(shí)，Isomorphic Labs的CEO Demis Hassabis表示，人工智能系統(tǒng)有可能徹底改變醫(yī)學(xué)，并創(chuàng)造“巨大的商業(yè)價(jià)值”。

盯上這條賽道的不止谷歌一個(gè)。美國(guó)的眾多科技巨頭已經(jīng)感觸到“AI+醫(yī)療”的市場(chǎng)機(jī)會(huì)，紛紛加大布局。英偉達(dá)創(chuàng)始人兼CEO黃仁勛曾多次強(qiáng)調(diào)，數(shù)字生物學(xué)將是“下一場(chǎng)驚人的顛覆性技術(shù)”。誠(chéng)如他所說，今年3月英偉達(dá)舉辦的2024GTC大會(huì)上，醫(yī)療健康仍是“重頭戲”之一，與生命科學(xué)相關(guān)的會(huì)議活動(dòng)排在所有行業(yè)之首。

過去兩年間，英偉達(dá)旗下AI藥物研發(fā)平臺(tái)BioNeMo的風(fēng)投部門Nventures把大部分錢都投給了藥物研發(fā)項(xiàng)目。數(shù)據(jù)顯示，Nventures的19筆投資交易中有7筆是投向AI藥物研發(fā)初創(chuàng)公司。

最近，公司還投資了一家機(jī)器學(xué)習(xí)藥物研發(fā)初創(chuàng)公司Relation Therapeutics。整個(gè)2023年，英偉達(dá)投資了9家專注于藥物研發(fā)領(lǐng)域的科技初創(chuàng)公司。英偉達(dá)醫(yī)療健康副總裁Kimberly Powell直接表示：“醫(yī)療健康將成為英偉達(dá)下一個(gè)數(shù)十億美元級(jí)業(yè)務(wù)。”

其他幾家科技巨頭也發(fā)力藥物研發(fā)領(lǐng)域。僅在去年一年中，Salesforce推出了蛋白質(zhì)生成AI大模型ProGen，微軟發(fā)布了一個(gè)類似的開源模型EvoDiff，亞馬遜還為其AWS機(jī)器學(xué)習(xí)平臺(tái)SageMaker發(fā)布了蛋白質(zhì)折疊工具，據(jù)報(bào)道，甚至連字節(jié)跳動(dòng)也在招聘科學(xué)和藥物設(shè)計(jì)團(tuán)隊(duì)。

投資熱情

“AI+醫(yī)療”如今已經(jīng)成為一片熱土，吸引各方關(guān)注。IDC一項(xiàng)研究顯示，79%的醫(yī)療保健組織正在使用AI技術(shù)。在媒體采訪中，谷歌DeepMind、英偉達(dá)的高管都表示，可用的大量訓(xùn)練數(shù)據(jù)、計(jì)算資源的爆炸和AI算法的進(jìn)步，這三大因素共同激發(fā)了AI在藥物研發(fā)上的潛力。這同樣激發(fā)了投資熱情。

根據(jù)Pitchbook的數(shù)據(jù)，自2021年以來，全球AI藥物研發(fā)初創(chuàng)公司的風(fēng)投交易已有281筆，投資額達(dá)到77億美元。另?yè)?jù)Global Market Insights報(bào)告，預(yù)計(jì)“AI+醫(yī)療”市場(chǎng)的年均復(fù)合增速將超過29%，2032年將達(dá)到700億美元。藥物研發(fā)和醫(yī)學(xué)影像成為AI應(yīng)用最重要的兩個(gè)領(lǐng)域，市場(chǎng)份額占比合計(jì)超過50%。

比起傳統(tǒng)研發(fā)，AI制藥以醫(yī)藥大數(shù)據(jù)為基礎(chǔ)，將人工智能技術(shù)應(yīng)用到制藥各環(huán)節(jié)，提高新藥研發(fā)效率及質(zhì)量，降低研發(fā)成本。中商產(chǎn)業(yè)研究院研報(bào)分析指出，AI技術(shù)如今主要用于藥物研發(fā)階段，隨著技術(shù)的不斷突破和發(fā)展，AI技術(shù)參與制藥的環(huán)節(jié)將增多，新藥研發(fā)效率也將提升。

“2010年到2021年，全球由AI參與的藥物研發(fā)項(xiàng)目從最初的6個(gè)增長(zhǎng)到158個(gè)。最近的一項(xiàng)調(diào)查研究顯示，由AI參與的藥物研發(fā)管線，無論是新靶點(diǎn)、新機(jī)制的First-in-class（首創(chuàng)新藥）藥物研發(fā)，已知靶點(diǎn)的Best-in-class（同類最佳）藥物研發(fā)，還是Drug Repurposing（老藥新用）的研發(fā)，AI均可以很大程度地加速藥物研發(fā)流程，降低藥物研發(fā)整體成本。”全球健康藥物研發(fā)中心數(shù)據(jù)科學(xué)部負(fù)責(zé)人郭晉疆表示，AI可以參與藥物研發(fā)的每一個(gè)環(huán)節(jié)，包括疾病關(guān)鍵靶蛋白的確立和驗(yàn)證，小分子/疫苗/抗體的設(shè)計(jì)與優(yōu)化、中后期的毒性和安全性評(píng)估等各個(gè)環(huán)節(jié)，AI都可以賦能和協(xié)助加速藥物研發(fā)進(jìn)程。

美國(guó)依然是“AI+醫(yī)療”最為火熱的區(qū)域。據(jù)統(tǒng)計(jì)，目前全球AI藥物研發(fā)企業(yè)約343家，其中超過50%集中在美國(guó)，英國(guó)和歐盟分別占據(jù)12.5%和13.4%，亞洲大約為12.8%。

麥肯錫全球研究所（MGI）估計(jì)，生成式AI每年可為制藥和醫(yī)療行業(yè)帶來600億至1100億美元的經(jīng)濟(jì)價(jià)值。英偉達(dá)方面透露，使用AI技術(shù)可使藥物早期發(fā)現(xiàn)所需時(shí)間縮短至1/3，成本節(jié)省至1/200。

此外，跨國(guó)藥企積極擁抱AI技術(shù)帶來的變革。目前全球排名前20的藥企，如輝瑞、強(qiáng)生等巨頭都已經(jīng)布局AI+新藥研發(fā)。2023—2024年2月，有公開金額的跨國(guó)藥企與AI藥物研發(fā)企業(yè)合作項(xiàng)目，潛在總額超過120億美元，平均值為8.4億美元。

還未落地

雖然將AI應(yīng)用于藥物研發(fā)的潛力十足，但距離真正進(jìn)入醫(yī)藥市場(chǎng)仍有很長(zhǎng)的路要走。業(yè)內(nèi)分析表示，通過AI大模型完全模擬藥物研發(fā)的這一過程對(duì)算力的要求極高，足量的訓(xùn)練數(shù)據(jù)仍然是一大瓶頸。合成生物學(xué)公司Ginkgo Bioworks的AI負(fù)責(zé)人Anna Marie Wagner表示，像GPT這樣的新型基礎(chǔ)模型依賴于強(qiáng)化學(xué)習(xí)，是一種模仿人類為實(shí)現(xiàn)目標(biāo)而反復(fù)訓(xùn)練的學(xué)習(xí)過程，更依賴于高質(zhì)量的海量數(shù)據(jù)。

到目前為止，尚未有AI輔助研發(fā)的新藥上市。有數(shù)據(jù)顯示，全球有超80款A(yù)I藥物進(jìn)入臨床試驗(yàn)階段，大多數(shù)處于臨床早期階段，僅有少數(shù)進(jìn)入Ⅱ期臨床試驗(yàn)，還有部分AI輔助研發(fā)的藥物因臨床表現(xiàn)不佳而終止。

今年4月，英國(guó)AI藥物研發(fā)公司BenevolentAl宣布，用于治療特應(yīng)性皮炎的局部泛Trk抑制劑BEN-2293的Ⅱa期臨床試驗(yàn)沒有達(dá)到次要療效終點(diǎn)，該藥曾被認(rèn)為具備潛在同類最佳潛力。

郭晉疆指出，生命科學(xué)領(lǐng)域的數(shù)據(jù)呈現(xiàn)出多模態(tài)、多尺度、異質(zhì)化的特征，既有來自于基因測(cè)序的數(shù)據(jù)、蛋白質(zhì)或化學(xué)化合物結(jié)構(gòu)化的數(shù)據(jù)，也有來自于生物活性的特定數(shù)據(jù)等，數(shù)據(jù)量初步估算為百億級(jí)。而AI缺乏對(duì)生物體系機(jī)制的認(rèn)知，對(duì)不同尺度、不同層級(jí)的生物學(xué)數(shù)據(jù)缺乏系統(tǒng)性理解，如蛋白構(gòu)象變化、分子以及藥代動(dòng)力學(xué)過程等時(shí)間、空間尺度信息。

“從合作模式而言，如何構(gòu)建一個(gè)有效的閉環(huán)很重要。AI算法和實(shí)驗(yàn)之間的閉環(huán)，不僅僅存在技術(shù)上的難度，還有互信的難度。”微軟研究院科學(xué)智能中心首席研究員夏應(yīng)策認(rèn)為，應(yīng)建立有效的機(jī)制，讓AI的專家愿意為實(shí)際問題針對(duì)性地設(shè)計(jì)算法，實(shí)驗(yàn)組的化學(xué)專家們也愿意為AI設(shè)計(jì)出來的分子進(jìn)行評(píng)估和測(cè)試。

DeepMind的科學(xué)副總裁Pushmeet Kohli更是直觀地形容數(shù)據(jù)量的痛點(diǎn)：“垃圾進(jìn)，垃圾出。”據(jù)報(bào)道，美國(guó)食品藥品管理局（FDA）迄今為止已經(jīng)批準(zhǔn)了100多種使用AI或機(jī)器學(xué)習(xí)進(jìn)行開發(fā)的藥物候選物的臨床試驗(yàn)，但可能需要數(shù)年時(shí)間才能上市。

北京商報(bào)記者 趙天舒