摘 要 Abstract
“人工智能（AI）+ 醫藥”產業是指將AI、機器學習等新興技術應用到醫藥研發領域，用計算技術解讀數據、刻畫生命活動。“AI+ 醫藥”產業有望改變傳統生化技術紅利消退、新藥研發成本持續走高的全球性困境。全球醫藥頭部企業都已經在藥物研發的各環節布局AI 技術。我國生物醫藥產業正處在由仿制向創新邁進的關鍵爬坡期，供應端需要構建新技術驅動力。然而，想要真正實現“AI+ 醫藥”產業“大勢所趨”的發展愿景，還存在一定的困難和問題，如數據權益分割、法律風險保障等。總之，“AI+醫藥”產業將成為中國未來重要的產業領域之一，但僅憑市場力量并不能使其流暢運行，銜接好各方利益，打造生態閉環是必要條件。
The AI + Pharmaceutical industry refers to the application of emerging technologies, such as Artificial Intelligence and Machine Learning, in pharmaceutical research and development, using computational techniques to interpret data and depict life activities. This industry is expected to change the global predicament of the dividend decline of traditional biochemical technology and continuously rising costs for new drug development. Global pharmaceutical giants have already laid out AI + technology at various stages of drug R&D. China's biopharmaceutical industry is currently transitioning from imitation to innovation, which requires new technology-driven forces on the supply side. However, the realization of the AI + Pharmaceutical industry vision also faces certain difficulties and issues, such as data equity division, legal risk protection, etc. In short, AI + Pharmaceutical industry will become one of China's important industries in the future. However, it cannot run smoothly by market forces alone. It is necessary to connect all parties' interests together and create an ecological closed loop.
1、產業的內涵與外延
1.1“ 人工智能（AI）+醫藥”新產業內涵界定
目前新型計算技術與醫藥領域交叉發展，使用新型計算技術解讀數據、刻畫生命活動的新興科技，正加速改變整個醫療行業。生命科學已經進入數字化時代，隨著信息技術和高端精密儀器的發展，無論是大到人體系統狀態，還是小到分子結構信息，人類都已經有能力獲得全方位數據。現代醫學一直與“數據”和“計算”有著密切的聯系，在學科與產業發展中，數字化一直是一個重要的推動力。當計算技術發展到能夠理解復雜系統之間的深度因果關系網的時候，也意味著醫學領域將出現一個能夠產生學科新洞見的體系。由此“計算醫學”這個概念開始由學界提出，并快速產生產業化價值。
但“計算醫學”的邊界仍不清晰。從學科角度，“計算醫學”專業最早由美國約翰斯·霍普金斯大學（以下簡稱：霍普金斯大學）提出。2005 年，霍普金斯大學在生物工程學系下設立了計算醫學專業[1]，學科設置覆蓋了對醫學數據處理和分析等多個應用方向。2021 年8 月， 浙江數字醫療衛生技術研究院、浙江樹人大學和動脈網聯合發布了《計算醫學：數智時代的醫學發展新范式》報告[2]，提出“ 廣義上應用計算機和計算模型來支持醫療保健服務的醫學研究的所有方面都可以被納入到計算醫學范疇”。在此定義下，白皮書構建了一個較為龐大和復雜的計算醫學研究范圍，包括數字解剖學、計算生理醫學、基因組學數據以及個體化精準醫學等，這幾乎覆蓋了與醫療數字化相關的所有產業領域。學科定義過于寬泛會模糊產業外延創新性特征，因此，進一步厘清“計算醫學”在新技術條件下的學科內涵與業務外延，對理解產業發展機遇有重要意義。
“計算技術”與“醫學學科”是兩個快速發展的領域，技術、數據與需求之間形成多梯次交叉融合，進而產生了具有一定相似性的各種細分領域。從學科定義角度，使用廣義概念有利于為科研創新提供更大的彈性空間，但是產業通常要面向特定需求提供特定形態的產品、服務，“計算醫學”的細分產業內涵需要具有明晰的邊界。當前，以AI、高性能計算為技術基礎疊加以基因組學為核心的醫療臨床數據，面向未被滿足的臨床需求，形成的“AI+醫藥”產業細分領域是當前這一階段“計算醫學”技術體系下最具創新特征的新興業態。
《AI 驅動新藥研發深度發展》[3] 對當前AI 在新藥研發中應用場景的調研結果顯示：“AI 應用于新藥研發主要集中在化學小分子藥、生物類似藥和生物制劑的從頭研發上，且多是基于研發周期進行‘單點式’突破，而應用于‘全過程’的較少” 。而從發展前景上來看，醫藥企業采用AI 技術實現“數據導向”的藥物研發是一種普遍趨勢[4]。
1.2 全球“AI+ 醫藥”產業的基本概況
新一代基因測序技術帶來的數據廉價化趨勢和AI 技術對非結構性數據的解讀能力使業界認識到，利用AI 解讀生物系統和發病機制、實現醫藥產業再造的機遇已經到來。從資本角度，本領域投融資項目數量從2013 年的不到100 件，增長到2020 年的近600 件。2021 年CB Insights報告顯示，美國仍然是第一大投資“熱土”，2015~2020 年在 AI制藥領域有 50.6% 的融資交易發生在美國[5]。2021 年美國公司Insitro 的4 億美元C 輪融資，成為全球AI 制藥領域單筆融資金額最高的公司[6]。
從參與主體來看，制藥企業、AI 生物科技企業、互聯網科技企業、臨床試驗服務外包企業等是當前AI 新藥研發的主要擁抱者。AI 生物科技初創企業是產業發展的核心驅動力量，通過技術優勢切入一個或多個藥物研發應用場景；大型藥企則以組建自有技術團隊或與AI 技術公司合作的方式布局AI 藥物研發。“大型藥企+AI 醫藥創新公司”的合作模式在AI 時代將成為主流。當前全球諸多大型制藥公司開始與AI 初創公司開展合作。
從盈利模式來看，AI 醫藥創新企業正在以一種獨特的方式深入參與到醫藥研發產業鏈中。根據公開信息，自 2019 年1 月輝瑞使用以色列AI 藥物研發公司CytoReason 的AI 技術指導藥物開發工作以來，雙方已經在 20多種疾病的研發工作中展開合作[7]。同類型AI 醫藥創新企業與大型藥企合作案例還包括：自2016 年起英國藥物研發AI 技術服務提供商Exscientia 與賽諾菲開展的持續合作，2022 年合作進一步擴展為共同開發15 個腫瘤和免疫領域新型小分子創新藥物，總價達到53 億美元[8] ；復星醫藥與英矽智能的AI 制藥合作等[9]。這種合作通常以一種較為復雜的許可交易方式（license out）開展，需要雙方企業在所開發藥物的市場規模、開發階段性成果和對應價值等關鍵利益問題上達成一致，最終可能形成“預付款+ 里程碑付款+ 上市后權益”的結構性協議。
1.3 我國“AI+ 醫藥”產業發展現狀
“AI+ 醫藥” 對我國醫藥產業轉型升級有重要意義。當前，我國在新一代AI 技術與發達國家差距不大， 處于“ 并跑” 地位[10]。我國一直積極參與“AI+醫藥”底層技術研發的全球性項目，在該領域具備較好的技術積累。以中科院計算技術研究所參與“人類基因組計劃”（Human Genome Project，HGP）為起點，在生命科學的布局已經有近30 年的積累。從產業角度看，我國“AI+醫藥”創新企業的興起與全球前沿趨勢幾乎同步，與美國企業差距更多是在規模與業務成熟度方面，而不是在技術或業務形態上存在根本差異。
2、 國內產業需求、供應現狀
2.1“AI+ 醫藥”產業發展的社會背景
未滿足的臨床需求是醫藥產業的核心增長動力。人口老齡化、疾病譜變化和健康意識的提高，三方面因素疊加導致居民健康需求從規模到內涵都發生著深刻改變。在“十三五”期間，居民人均預期壽命已經達到77.3 歲[11]，隨著老齡人口比重不斷增加，在“十四五”期間，我國的老齡化水平將從輕度進入中度。現有研究認為，人口老齡化與惡性腫瘤負擔增加具有較強的相關性[12]。在我國癌癥患者中，5 年期生存率低于20% 的有膽囊癌、胰腺癌、肝癌、前列腺癌和食管癌，肝癌、肺癌、食管癌新發患者數超過40萬[13]。公眾對相關醫藥產品的需求逐步擴大，作為國民經濟的重要組成部分，醫藥制造業保持平穩的發展態勢。
近年來，國家針對醫藥產業領域頒布了多層次、多維度政策，引導國內醫藥企業進行創新研發。在國家規劃層面，國家工業和信息化部等九部門于2022 年聯合發布了《“十四五”醫藥工業發展規劃》；在專業細分監管領域，國家藥品監督管理局藥品審評中心發布了《以臨床價值為導向的抗腫瘤藥物臨床研發指導原則》為代表的督促藥企盡快轉型升級的政策文件。在此背景下，各地陸續出臺以“做強做大生物醫藥產業三年行動計劃”“ 征集醫藥領域創新項目”等為代表的配套落地措施。
2.2 醫藥產業發展面臨機遇與挑戰
作為全球第二大藥品交易市場，中國在新藥研發領域依然面臨嚴峻形勢：新藥研發原始創新不足，本土創新原研藥數量落后于國外，罕見病藥市場受國外壟斷；新藥研發方向重復現象嚴重，新藥研發知識產權獲國際專利授權比重低于歐美國家和日本。我國藥物研發主要以仿制藥（metoo）和仿創藥（me better）為主，絕大部分企業的定位都在研發下游，以承接醫藥生產外包服務為主。國內企業基于新靶點的新藥創制甚少，在靶點發現、候選藥物、臨床試驗3 個階段暴露的問題尤為突出。
問題一：藥靶枯竭，難以支撐醫藥產業原始創新。依靠生物化學技術發現藥靶紅利的時代已經結束。我國面臨藥企扎堆熱門靶點，缺乏原始創新（全新的靶點和藥物作用機制）的產業困境。
問題二：候選藥物的藥效評估不充分，藥企難以科學評估臨床試驗風險，只能依靠批量上馬，以量求勝，因此造成巨大的研發資源浪費。
問題三：藥物臨床試驗失敗率高，導致創新藥研發成功率極低。臨床階段被稱為新藥研發的“死亡之谷”。臨床試驗階段是整個藥物研發過程中投入最高（成本占比63%）、耗時最長（6.5 年）的階段，但藥物上市成功率僅有8%[14]。雖然，近年來進入Ⅰ期臨床試驗的候選藥物數量呈上升趨勢，但是，藥物上市成功率卻依然停留在8% 左右[15]。臨床試驗高失敗率導致藥企在前期候選藥物開發的大幅投入無效。提高藥物臨床試驗的成功率，可顯著提升藥物研發效率。
在藥物開發過程中降低后期（臨床試驗Ⅱ期和Ⅲ期）的損耗率和時長是提高研發生產力的關鍵要求之一。藥物臨床試驗失敗的主要原因通常是對預期目標或預期人群缺乏足夠的療效[16]。叢斌院士[17] 提出，改變生命科學實驗模式，減少實驗動物的使用，盡量用更多的數字疾病模型替代動物疾病模型，其試驗結果可能更接近于人的疾病特征。全面系統刻畫人類數字生命和全息人體，研制盡可能還原人類疾病真實世界的數字化人體疾病模型，是生命科學領域的世界前沿。由AI 驅動的戰略機遇期已經顯現，這是我國醫藥領域現有產業形態“變道”的機會，具有重大意義。
2.3“AI+ 醫藥”新業態供應現狀
目前，“AI+ 醫藥”創新公司的商業模式主要以面向藥企解決研發效率低下的痛點為核心。
一是通過對生物學數據挖掘分析、模擬計算，提升新靶點和新藥物的發現效率，推進開發高價值首創新藥（first in class）的研發進程，解決藥物創制新靶點枯竭、靶點同質化競爭等困局。二是仿真臨床試驗。計算醫學平臺能夠提供仿真臨床試驗服務，為各類型藥物預測新適應癥、篩選優勢人群、預測療效提供幫助，大幅提升臨床試驗成功率。三是為已上市藥物拓展適應癥，延伸藥物價值。
近年來，國內開展AI 新藥研發的跨界合作案例也在日益增加，包括2018 年正大天晴與阿里云、藥明康德與Insilico Medicine，2019 年先聲藥業與寶德、豪森藥業和Atomwise[18]，2022 年晶泰科技與輝瑞 [19]。這些案例基本都持續了較長時間，且范圍和金額不斷擴大。
3、 產業發展趨勢及挑戰
3.1“AI+ 醫藥”對我國醫藥產業轉型升級具有戰略價值
當前，我國的新一代AI 技術較為“領先”，但數據技術與生物醫藥產業的實踐則相對落后。我國生物醫藥產業正處在由仿制向創新邁進的關鍵爬坡期，僅依靠傳統制藥技術難以實現產業超越。雖然不斷出現呼吁醫藥產業創新的聲音，但是觀察近2 年公開的臨床試驗，大部分藥物研發仍然集中在一些熱門靶點上。醫藥行業正在進行一場革命性變化，而數字化就是中國機會。AI+ 醫藥將為我國在醫藥領域“補短板、創未來”贏來極佳的時間窗口。
3.2 我國醫藥變道升級仍有待磨合
歷經多年的探索發展，AI 新藥研發即將迎來產業發展的黃金期。產業發展的重點在于以新藥臨床需求為導向，集中大數據力量助力攻關重大疾病致病機制、藥物靶點/ 表型/ 分子分型研究、AI 新藥研發新技術的自主創新、引進和普及。雖然“大型藥企+AI 醫藥創新公司”的授權合作模式已經“走通”，合作案例逐年增加，但是這種研發服務尚不是醫藥產業的“標配”，還不能精準匹配到產業鏈上。
除了由于“AI 醫藥”本身業務內涵較新的原因以外，我國制藥工業起步相對較晚，多數制藥企業缺少研發能力（包括藥物研發管線和人才）等因素，導致產業難以將新型服務納入現有體系。
3.3 產業創新需要制度變革
AI 技術融合、改造和提升了原有醫藥研發流程和業態，需要管理政策和方式的同步升級，為新型產業形態提供支撐保障。一是注重保障新藥研發中數據資產安全和保護知識產權，包括明晰產權結構，修改完善相關授權交易法律法規。二是完善組學數據獲取和使用規則，激發數據活力。三是AI+ 醫藥是交叉領域，計算技術與醫藥科學之間存在巨大差異，需要建立跨學科的溝通和協作機制，避免過于苛刻的評價思維，建立AI 指導藥物研發、臨床試驗設計的信心。
4 、結語
最后，AI 技術正在帶來一場以“ 算力” 為核心的生產力革命。根據OpenAI 發布的“AI and Compute” 分析報告，2012~2018 年，AI 訓練應用的算力需求每3~4 個月就會翻倍，截至2018 年，AI 算力增長超過30 萬倍[20]。AI 有望破解藥物研發長期以來的“反摩爾定律”（Eroom's Law）。生命系統形成的高維、高通量、多維融合的生物醫學大數據，天然適合與AI 技術相結合。新型技術與臨床需求、產業需求的雙向奔赴，產生了無窮無盡的交叉合作機會，這將給整個醫藥行業帶來不斷升級的動力源泉。
