人工智能（AI）技術(shù)正在從成本、效率等方面重塑制藥行業(yè)。我國(guó)AI制藥起步較歐美起步稍晚，但發(fā)展迅速，更具數(shù)據(jù)、算法等優(yōu)勢(shì)。相關(guān)專家認(rèn)為，AI制藥將成國(guó)內(nèi)醫(yī)藥產(chǎn)業(yè)彎道超車機(jī)遇，應(yīng)以AI制藥為切入點(diǎn)，對(duì)這一新興領(lǐng)域加強(qiáng)前瞻性政策扶持，推動(dòng)整個(gè)中國(guó)創(chuàng)新藥行業(yè)的原始、自主創(chuàng)新，最終做到中國(guó)創(chuàng)新的出海。

　　我國(guó)AI制藥產(chǎn)業(yè)的“后發(fā)優(yōu)勢(shì)”

　　近年來，中國(guó)本土AI制藥企業(yè)不斷涌現(xiàn)，涉及新藥研發(fā)全鏈條，涵蓋了靶點(diǎn)識(shí)別和認(rèn)證、藥物發(fā)現(xiàn)、臨床前研究和臨床研究多個(gè)階段。相關(guān)專家認(rèn)為，目前歐美國(guó)家處于AI制藥3.0階段初期，國(guó)內(nèi)處于2.0早期。國(guó)內(nèi)AI制藥公司大部分處于動(dòng)物試驗(yàn)、藥效和毒理驗(yàn)證階段，今年晚些時(shí)候可能進(jìn)入臨床前候選化合物階段，預(yù)計(jì)二至三年后陸續(xù)進(jìn)入3.0 早期階段。

　　美國(guó)在全球AI藥物管線布局上仍占主導(dǎo)，據(jù)智庫“智藥局”統(tǒng)計(jì)，截至6月20日，全球共有26家AI制藥企業(yè)、約51個(gè)由AI輔助進(jìn)入臨床Ⅰ期的藥物管線。其中，80%以上為美國(guó)企業(yè)，僅有英矽智能、未知君、冰洲石3家中國(guó)企業(yè)。已上市的AI制藥頭部企業(yè)也基本為歐美企業(yè)，尚未有中國(guó)企業(yè)。

　　日本制藥企業(yè)武田亞太開發(fā)中心負(fù)責(zé)人王璘博士接受記者采訪時(shí)說，中國(guó)本土AI企業(yè)和生物科技公司在AI輔助藥物研發(fā)方面，實(shí)力提升迅速。部分本土企業(yè)發(fā)展出自有專利的開發(fā)平臺(tái)，甚至開始探索在全球尚未有企業(yè)涉足的前沿領(lǐng)域，如小分子晶體結(jié)構(gòu)預(yù)測(cè)、原發(fā)藥物設(shè)計(jì)等。

　　2021年起，國(guó)內(nèi)開始有大量資金進(jìn)入AI新藥研發(fā)公司，當(dāng)年一個(gè)月內(nèi)有3家中國(guó)AI制藥公司獲種子輪融資。近兩年來，行業(yè)里頗受關(guān)注的融資項(xiàng)目有3個(gè)。首先是總部位于香港的英矽智能去年成功融資2.55億美元，用于推進(jìn)AI研發(fā)候選藥物進(jìn)入臨床試驗(yàn)，以及推進(jìn)算法調(diào)整發(fā)現(xiàn)更多新靶點(diǎn)。北京望石智慧科技有限公司也在同年4月成功融資1億美元。2020年9月，總部位于深圳的晶泰科技也順利融資3.19億美元。此外，騰訊、百度、字節(jié)跳動(dòng)等國(guó)內(nèi)互聯(lián)網(wǎng)巨頭，也將其雄厚AI算力轉(zhuǎn)向藥物開發(fā)設(shè)計(jì)領(lǐng)域。

　　“中國(guó)在利用AI技術(shù)輔助新藥研發(fā)方面有得天獨(dú)厚優(yōu)勢(shì)，將給國(guó)內(nèi)醫(yī)藥產(chǎn)業(yè)帶來彎道超車的歷史機(jī)遇。如果能靈活應(yīng)用該新興技術(shù)，國(guó)內(nèi)醫(yī)藥企業(yè)或?qū)⒃谌蚍秶鷥?nèi)成為行業(yè)翹楚，進(jìn)入領(lǐng)先行列?！蓖醐U說。

　　一方面，充足的大數(shù)據(jù)是訓(xùn)練AI的關(guān)鍵，國(guó)內(nèi)人口基數(shù)龐大，醫(yī)院規(guī)?？捎^，更利于搜集整合大規(guī)模數(shù)據(jù)。其次，中國(guó)目前有大約3000家CRO（即合同外包研究組織）公司，為藥企在藥物開發(fā)中同時(shí)納入多個(gè)CRO公司平行開展多項(xiàng)試驗(yàn)創(chuàng)造了可能：比對(duì)不同結(jié)果正是AI學(xué)習(xí)進(jìn)步的必要過程，還可降低成本，提升質(zhì)量。

　　不過，相關(guān)專家認(rèn)為， 我國(guó)在AI部分更具競(jìng)爭(zhēng)力，在制藥部分略遜一籌。主攻智能藥物設(shè)計(jì)平臺(tái)的生物技術(shù)公司圓壹智慧創(chuàng)始人兼CEO潘麓蓉博士對(duì)記者說，我國(guó)在AI算法層面與歐美完全無差距，甚至有過之而無不及，但對(duì)數(shù)據(jù)的理解和應(yīng)用，生物學(xué)、轉(zhuǎn)化醫(yī)學(xué)的基礎(chǔ)建設(shè)，知識(shí)體系的健全、人才儲(chǔ)備，以及整個(gè)制藥行業(yè)的標(biāo)準(zhǔn)與質(zhì)量管理、產(chǎn)業(yè)鏈和供應(yīng)鏈等與國(guó)外差距較大。浙江工業(yè)大學(xué)智能制藥研究院院長(zhǎng)段宏亮也認(rèn)為，中國(guó)AI水平可跟美國(guó)媲美，但醫(yī)藥行業(yè)落后較多。AI在與各行業(yè)融合中，與制藥行業(yè)融合難度更大，不會(huì)一蹴而就，應(yīng)尊重藥物研發(fā)規(guī)律，花時(shí)間打磨。

　　“新舊融合”的挑戰(zhàn)與風(fēng)險(xiǎn)

　　盡管人工智能已滲透到醫(yī)藥研發(fā)的各個(gè)環(huán)節(jié)，但一個(gè)新興行業(yè)與傳統(tǒng)行業(yè)的結(jié)合仍面臨數(shù)據(jù)、算力、政策等諸多挑戰(zhàn)與風(fēng)險(xiǎn)。相關(guān)專家認(rèn)為，AI制藥產(chǎn)業(yè)存在以下挑戰(zhàn)和風(fēng)險(xiǎn)，這也是我國(guó)發(fā)展該產(chǎn)業(yè)需聚焦的關(guān)鍵點(diǎn)。

　　數(shù)據(jù)和算力問題。業(yè)內(nèi)專家任峰認(rèn)為，未來AI制藥競(jìng)爭(zhēng)會(huì)從算法競(jìng)爭(zhēng)過渡到數(shù)據(jù)競(jìng)爭(zhēng)。首要挑戰(zhàn)是數(shù)據(jù)量，只有海量干凈數(shù)據(jù)的持續(xù)輸入，才能充分訓(xùn)練AI模型，提升其準(zhǔn)確性。其次，是數(shù)據(jù)標(biāo)準(zhǔn)化問題，目前大多數(shù)據(jù)來自科研基金、出版物等公開數(shù)據(jù)，數(shù)據(jù)清洗整合比AI建模更費(fèi)時(shí)費(fèi)力。浙江工業(yè)大學(xué)智能制藥研究院院長(zhǎng)段宏亮說，目前我國(guó)大部分企業(yè)通過公開數(shù)據(jù)庫拿到的藥物研發(fā)數(shù)據(jù)量少質(zhì)低，需要從化學(xué)生物實(shí)驗(yàn)室產(chǎn)生數(shù)據(jù)并積累。此外，算力存在局限，模擬一個(gè)蛋白或者分子空間構(gòu)象對(duì)精度要求高，目前即便超級(jí)計(jì)算機(jī)也無法實(shí)現(xiàn)窮盡所有組合。

　　新藥研發(fā)的不確定性。潘麓蓉說，創(chuàng)新藥研發(fā)最大風(fēng)險(xiǎn)和挑戰(zhàn)就是人類對(duì)于疾病的理解依然淺顯，過去20年，即便我們?cè)诟骷?xì)分疾病領(lǐng)域的生物學(xué)、病理學(xué)上的認(rèn)知逐漸進(jìn)步，有了分子生物學(xué)和人類基因組學(xué)的助力，但仍存大量未知。此外，從整體運(yùn)作上看，新藥研發(fā)時(shí)間跨度長(zhǎng)，因此很多科學(xué)上的好項(xiàng)目受到資金、政策環(huán)境等各外部影響無法繼續(xù)開展?！叭绻㈨?xiàng)的科學(xué)家沒有足夠堅(jiān)持面對(duì)過程中種種質(zhì)疑，面對(duì)經(jīng)費(fèi)、產(chǎn)業(yè)環(huán)境等各方面阻力繼續(xù)往前走，即便是對(duì)的想法也可能半途就放棄了?！迸寺慈卣f，因此政策和產(chǎn)業(yè)資本對(duì)于創(chuàng)新團(tuán)隊(duì)和科學(xué)家的支持很重要。

　　領(lǐng)域融合“水土不服”。AI制藥是一個(gè)高度封閉和保密的行業(yè)與一個(gè)開放性最強(qiáng)行業(yè)的碰撞。潘麓蓉說，AI和制藥的結(jié)合是生物實(shí)驗(yàn)學(xué)科和計(jì)算機(jī)學(xué)科知識(shí)體系和方法論重新整合的過程，二者氣質(zhì)截然相反：國(guó)際大型藥企已發(fā)展數(shù)百載，知識(shí)經(jīng)驗(yàn)和數(shù)據(jù)積淀豐厚卻壁壘森嚴(yán)。時(shí)至今日，制藥行業(yè)仍以專家經(jīng)驗(yàn)為基礎(chǔ)，對(duì)擁抱數(shù)字化有天然抵觸。AI 領(lǐng)域卻強(qiáng)調(diào)“開放”，訓(xùn)練數(shù)據(jù)的廣度和質(zhì)量很重要。西湖大學(xué)生命科學(xué)學(xué)院博士生導(dǎo)師、西湖歐米（杭州）生物科技有限公司創(chuàng)始人郭天南也認(rèn)為制藥是保守領(lǐng)域，目前巨頭制藥公司改變框架較難，傳統(tǒng)藥企做創(chuàng)新成本很高，反而新創(chuàng)建的公司會(huì)嶄露頭角，行業(yè)面臨重新洗牌。

　　復(fù)合人才極度缺乏。受訪專家均指出，復(fù)合人才缺乏是該行業(yè)最大痛點(diǎn)，我國(guó)此類人才短缺尤為嚴(yán)重。任峰說，既懂傳統(tǒng)藥物研發(fā)，又相信AI或愿意用AI技術(shù)做創(chuàng)新藥研發(fā)的人還在少數(shù)。AI制藥需更多身懷傳統(tǒng)經(jīng)驗(yàn)，又能以開放視野接受AI技術(shù)的人加入。潘麓蓉也認(rèn)為，生物、化學(xué)、醫(yī)學(xué)和AI技術(shù)復(fù)合背景人才太少，專家團(tuán)隊(duì)也面臨不同領(lǐng)域的溝通磨合問題。此外，我國(guó)關(guān)于頂層設(shè)計(jì)的AI人才匱乏，這類人才不僅要有算法工程背景，還需具備AI系統(tǒng)工程和生物化學(xué)等交叉學(xué)科訓(xùn)練，才能實(shí)現(xiàn)頂層架構(gòu)，把技術(shù)落地。

　　郭天南說，我國(guó)該領(lǐng)域人才培養(yǎng)體系待完善。生物醫(yī)藥都是科學(xué)家，發(fā)展路徑是本科、保研、直博、出國(guó)；計(jì)算機(jī)專業(yè)本科直接找到高薪工作，做AI的進(jìn)入生命科學(xué)相關(guān)機(jī)構(gòu)收入會(huì)下降很多；而懂商業(yè)的人大多在傳統(tǒng)企業(yè)。國(guó)外很容易找到商業(yè)合伙人，中國(guó)相對(duì)缺乏，高校教師或科研工作者創(chuàng)業(yè)面臨體制機(jī)制阻力。

　　國(guó)際政治環(huán)境影響合作。目前，疫情、政治因素等國(guó)際環(huán)境不確定性，給供應(yīng)鏈、人才流動(dòng)、會(huì)議舉辦等科研交流和國(guó)際合作帶來負(fù)面影響，阻礙AI創(chuàng)新藥研發(fā)。潘麓蓉說，任何一個(gè)創(chuàng)新藥研發(fā)現(xiàn)在都離不開全球產(chǎn)業(yè)鏈，外包研發(fā)服務(wù)已非常成熟。比如CRO服務(wù)，從早期的化學(xué)、生物合成，到體外試驗(yàn)，臨床試驗(yàn)，都有非常多遍布全球的細(xì)分公司在承擔(dān)，國(guó)內(nèi)也承擔(dān)了產(chǎn)業(yè)鏈上顯著的一部分。所以要推動(dòng)一個(gè)真正的創(chuàng)新藥科研項(xiàng)目，不可能完全依靠一個(gè)國(guó)家的力量，最終是國(guó)際合作的結(jié)果。

　　亟待激活我國(guó)AI制藥產(chǎn)業(yè)

　　相關(guān)專家建議，應(yīng)從體制上全面激發(fā)我國(guó)AI制藥產(chǎn)業(yè)活力，在人才培養(yǎng)、監(jiān)管審批、園區(qū)建設(shè)、數(shù)據(jù)管理多角度予以扶持，推動(dòng)AI制藥實(shí)現(xiàn)我國(guó)的創(chuàng)新藥研發(fā)“革命”。

　　第一，強(qiáng)化交叉人才培養(yǎng)、吸引跨國(guó)人才。相關(guān)專家認(rèn)為，AI制藥是非常前沿的領(lǐng)域，中外人才缺口較大，應(yīng)采取措施充分調(diào)動(dòng)全球人才資源。

　　加快培養(yǎng)交叉人才。段宏亮說，需打破計(jì)算機(jī)和生物醫(yī)藥專業(yè)人才壁壘，重點(diǎn)培養(yǎng)復(fù)合型人才。郭天南建議，生物科學(xué)家領(lǐng)域?qū)?#xff0c;視野較窄，難有動(dòng)力跳到另一個(gè)行業(yè)學(xué)習(xí)新東西，可設(shè)機(jī)制鼓勵(lì)部分生物醫(yī)藥博士創(chuàng)業(yè)。此外，高校生命科學(xué)領(lǐng)域博士名額太少，例如浙江大學(xué)生命科學(xué)博導(dǎo)平均三年只能招一個(gè)學(xué)生，無法發(fā)揮大量頂尖高校教授能力，需在體制上給科研人員更多支持，有一批高級(jí)人才做轉(zhuǎn)化項(xiàng)目。在資源分配和項(xiàng)目評(píng)審中，除了找領(lǐng)域權(quán)威專家，投資人也是一個(gè)評(píng)價(jià)群體，相對(duì)更加客觀、敏銳。

　　充分調(diào)動(dòng)跨國(guó)人才。任峰說，目前AI制藥領(lǐng)域海外人才較國(guó)內(nèi)發(fā)達(dá)，希望有更多優(yōu)惠政策便利引進(jìn)海外高層次人才。潘麓蓉也認(rèn)為，需要有靈活的工作時(shí)間，多元的激勵(lì)方式，用線上線下的協(xié)作模式有力調(diào)動(dòng)全球資源。目前國(guó)外很多一線藥企核心研發(fā)人員都是華人，特別應(yīng)爭(zhēng)取這個(gè)群體。在政策方面，可放寬相關(guān)簽證政策，吸引有特殊技能的工作者，保證他們較好的生活和科研環(huán)境。

　　第二，前瞻性加速監(jiān)管審批。為滿足急需的臨床需求或在特殊條件下，國(guó)外有監(jiān)管機(jī)構(gòu)嘗試在充分的AI大數(shù)據(jù)支持基礎(chǔ)上，減免部分臨床前研究以加快新藥研發(fā)進(jìn)程，甚至直接加速至人體臨床試驗(yàn)階段。王璘說，希望我國(guó)藥監(jiān)局等監(jiān)管部門在加快引進(jìn)有臨床價(jià)值的創(chuàng)新藥基礎(chǔ)上，繼續(xù)科學(xué)評(píng)估國(guó)外監(jiān)管機(jī)構(gòu)最新監(jiān)管措施，結(jié)合國(guó)內(nèi)實(shí)際情況和需求，制定更多前瞻性政策和法規(guī)。比如在某些特定領(lǐng)域，如有適合的AI技術(shù)可以建立虛擬動(dòng)物模型進(jìn)行試驗(yàn)，也能認(rèn)可其作為臨床前研究的效果參考。任峰也表示，期待監(jiān)管部門縮短AI新藥臨床試驗(yàn)申請(qǐng)審批等待時(shí)間，AI制藥企業(yè)也期望與監(jiān)管部門合作制定和完善行業(yè)標(biāo)準(zhǔn)，讓AI制藥在國(guó)內(nèi)發(fā)展得更規(guī)范。

　　第三，推動(dòng)跨學(xué)科產(chǎn)業(yè)園建設(shè)。任峰說，AI制藥是交叉學(xué)科，期待由政府主導(dǎo)建設(shè)的人工智能、生物制藥等跨學(xué)科孵化園區(qū)，將產(chǎn)業(yè)上下游聯(lián)合起來，形成良好產(chǎn)業(yè)生態(tài)圈。園區(qū)可建設(shè)一些配套設(shè)施，如提供算力支持的超算中心、可驗(yàn)證早期AI藥物研發(fā)的共享實(shí)驗(yàn)室等。

　　第四，加強(qiáng)數(shù)據(jù)和隱私管理。王璘說，AI制藥涉及大量數(shù)據(jù)支持和運(yùn)用，相關(guān)企業(yè)在評(píng)估是否要采用新興AI算法或數(shù)字化工具時(shí)，首要考量因素應(yīng)是數(shù)據(jù)安全和隱私保護(hù)。潘麓蓉也認(rèn)為，制藥領(lǐng)域數(shù)據(jù)的保密性和 AI 領(lǐng)域?qū)?shù)據(jù)的依賴性之間存在矛盾，需要新的加密技術(shù)、行業(yè)合作機(jī)制、創(chuàng)新的數(shù)據(jù)資產(chǎn)商業(yè)管理機(jī)制來解決。