全球AI藥物開發公司Top 20！讓AI走在生物製藥的最前沿：要麼創新要麼滅亡

儘管製藥公司每年在研發上花費超過1720億美元，但使用傳統技術發現的90％以上的分子在人體臨床試驗中都失敗了。此外，75％的新批准藥物無法承擔開發成本，一些分析師甚至預測，到2020年藥品研發的投資回報率可能會將為零。如果我們認同這種預測很可能為成為現實，那麼AI可能也很快會成為為製藥研發領域保持商業活力的一大「救星」，同時也為某些患者提供了寶貴的選擇希望。

走在前沿的AI藥物開發公司

在這場漫長而又激烈的角逐中，一些公司設定了自己的路線，希望在未知的領域挑戰自己的極限。深科技投資基金Deep Knowledge Ventures旗下子公司——Deep Knowledge Analytics將全球1000家AI Healthcare公司中專門從事核心科學研發的公司篩選了出來。根據DKA的說法，人工智慧醫療保健行業的進入門檻低於人工智慧在藥物發現方面的障礙，這些公司可以用更少的資金和更少的高度專業化的員工來實現真正的成果。

全球AI藥物開發公司Top 20

藥物發現公司的AI需要結合更高水平的傳統生物製藥科學（生物化學，生物學，生物醫學等）和核心AI技術。為了積澱好新AI藥物走向市場前所需的「完整堆棧」，公司需要非常強大、專業的團隊，具有足夠的個人專業知識和足夠的專家總數。無錫明碼（WuXi NextCODE）、Benevolent.ai和Insilico Medicine等公司是該領域的佼佼者。

Insilico Medicine的藥物發現引擎非常強大，可以藥物開發和藥物開發周期的計算機驗證階段。該公司專註於生成具有特定分子特性的新型候選藥物，以確定精確的疾病目標。傳統製藥公司通過許多可能的線索進行篩選，對每一個進行測試並希望其中有效。Insilico Medicine從其葯代動力學和藥效學特性方面專門設計的分子導聯開始，因此對特定疾病靶標有效的概率更高。

困境如何破解？

但即使是投資者，也很難進入這個行業，因為所需的最低專業知識門檻相對較高。很少有投資基金真正了解該行業的內容、原因和方式，以及在該行業做出合理投資決策所需的參數。260家投資基金中，可能只有不到20家對125家活躍於AI領域的藥物發現公司進行了投資。

也許在未來幾年，其中一些公司將在製藥行業擁有強大的影響力，在藥物開發方面取得前所未有的突破。AI從根本上改變了醫療保健和患者的生活質量。然而，在最近幾十年中，人們普遍認為我們已經陷入困境，希望AI在藥物開發方面將醫療保健推向新的高度，則每一個新步驟都需要付出巨大努力。

Deep Knowledge Analytics將量化指標應用於行業分析，並使用數學方程式比較多個參數和100多個因素，以客觀方式區分成熟度、業務發展水平和科學/技術優勢。

2018年，一位名叫夏娃（Eve）的機器人科學家發現，從牙膏中提取的一種成分三氯生（Triclosan），可以治療抗藥性瘧疾。不難看出，像夏娃這樣的人工智慧系統，有希望可以在5-10年內普及並改造生物製藥領域。能夠建立強大的人工智慧部門並獲得最佳AI時間的生物製藥公司，將有望主導生物製藥行業，並見證自身市值的飆升。沒有將AI納入其核心研發流程的生物製藥公司很可能會消失。

考慮到過去三年藥物發現的AI進展，我們有理由期待未來3年內取得一些真正重要的成果。這將為整個生物技術行業帶來模式上的轉變。藥物發現變革的主要驅動力很可能來自谷歌、亞馬遜、騰訊和阿里巴巴等大型科技公司，而非生物製藥巨頭們。

「隨著我們更多地了解超級計算機可以做什麼，我們獲得了信心。在三年內，我想在12個月內從藥物目標轉變為分子。這需要5-6年。」葛蘭素史克製藥公司lnSilico Discovery高級副總裁John Baldoni博士表示。

加速新化合物的發現

篩選化合物的高成本推高了傳統藥物發現中開發新葯的成本。商業篩選化合物的成本可高達每毫克15美元——超過黃金價格的10倍。為了篩選整個潛在藥物庫，人們需要使用這些昂貴的化合物。而AI則有助於降低這一方面的成本。

通過在藥物開發中使用AI，可以準確地預測哪些藥物對特定患者組別是安全有效的。AI通過生成候選藥物，可以大大加速藥物開發周期。傳統製藥公司通過對大量候選藥物進行篩選，在此基礎上進行測試。

AI for Drug Discovery公司就是一個很好的例子。它正在生產具有特定性質的新型藥物——由於其特定的分子結構，使用AI發現的化合物更有可能有效對抗特定的疾病目標。一些人工智慧公司，如Insilico Medicine，通過利用生成對抗網路（GAN）的力量來篩選潛在的候選藥物。GAN通過使兩個神經網路相互競爭來創建與真實數據集無法區分的合成數據集。一個神經網路生成數據，另一個神經網路將其與迭代周期中的實際數據集進行比較，以便合成數據集中的誤差程度逐漸降低。在尋找分子導聯時，不是使用反覆試驗，而是向網路發出請求以生成特定的線索。

我們不知道使用AI成功生產藥物可以節省多少時間，因為至今還未有突破性的成功記錄。當AI發現候選藥物實際通過體外驗證和臨床評估時，我們將更好地了解該過程需要多長時間。但不可否認的是，人工智慧將幫助研究人員超越藥物發現中最耗時且最痛苦的部分，即發現分子線索。

進步技術國家

在接下來的五到十年中，使用AI鑒定的化合物數量將大幅增加，並且可以獲得能夠治療非常精確病症的新藥物。加速這一周期將需要逐步採用臨床試驗中使用的方法，包括使用AI。逐步技術驅動的國家可以重新制定藥物評估和批准程序，以加快藥物到達患者手上所需的時間。

最先進的人工智慧公司將遷移到這些國家，區域生物技術中心也會一一落成。今天，許多國家正在金融科技（FinTech）領域開發最先進的AI平台。這些國家正吸引著來自世界各地的人工智慧創業公司。因此，英國和新加坡正迅速成為全球創新中心。在接下來的幾年裡，最先進的國家將成為醫療保健領域人工智慧的區域生物技術中心，尤其是藥物發現中的人工智慧。最有可能成為區域生物技術中心的「候選國家地區」包括新加坡、中國台灣、韓國、香港、以色列和瑞士。

2018年11月30日，AI研究人員聯合開發了一個基準平台，包括各種機器學習技術，以便在標準數據集上進行比較，從而開發出生成藥物發現的「數據集」（ImageNet）。MOSES（分子集）平台實現了幾種流行的分子生成模型，並根據預定義的度量標準對它們進行排序。MOSES旨在加快藥物發現的步伐，促進新模型的共享和比較。 它旨在促進人工智慧藥物的發現，就像ImageNet推動了對成像數據的深度學習一樣。MOSES平台提供標準化的基準數據集，一組具有統一操作的開源模型，以及用於評估和最終生成結果的指標。

預防性藥物與長壽

2017年和2018年，與人工智慧研究和長壽應用AI相關的一些值得注意的活動頻頻湧現。Y-Combinator和加州老齡研究巴克研究所正致力於為長壽研究中心建立人工智慧。Atomwise和BioAge在用於藥物發現的AI領域以及老化研究領域中是眾所周知的。由騰訊和北京基因組學研究所支持的中國碳雲智能（iCarbonX）最近宣布，他們有興趣將最先進的精準醫學技術和人工智慧應用於人口老齡化和健康長壽的問題上。

Insilico Medicine使用AI開發Ageless Cell，這是一種含有天然地理保護劑的長壽補充劑，其基因表達水平與二甲雙胍和雷帕黴素等地質保護劑的相似性很高。Napa Therapeutics合作項目中，它兼具了巴克的優秀科學、資金和藥物篩選，來自Juvenescence和AI實力的開發專業知識，以及來自Insilico Medicine的先進生物信息學專業知識。Insilico Medicine和A2A Pharmaceuticals是一家專註於腫瘤學新葯開發的生物技術公司，已經合作組建了一家新公司Consortium.AI，該公司將應用AI的先進技術發現用於治療Duchenne肌肉的新型小分子營養不良和其他罕見疾病。

AI醫藥投資

藥物發現部門的AI投資從2012年到2017年穩步增長，2018年，與製藥公司的投資額和合作項目數量大幅增加。藥物發現的AI的拐點最早可能發生在2020年。藥物發現創業公司的AI投資從2015年的2億美元增長到2016年的3億美元，並且在2018年已超過7億美元。

目前，有260項投資為藥物發現部門投資AI的資金，包括Soft Bank，Wuxi Apptec，Google Ventures，Andreessen Horowitz，Khosla Ventures和Sequoia Ventures等主要投資者。

分析師們對於2024年藥物發現行業的AI預期估值沒有達成一致。保守估計預計到2024年估值為50億美元，而另一些預測為100億美元甚至高達200億美元。絕對清楚的是，藥物發現的AI顯著市值增長是不可避免的。只有這種增長的動態可能會有所不同。AI輔助新葯研發或將成為新葯企崛起的一大機遇。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！