人工智能（AI）与医疗健康的结合，在近两年来呈现快速发展趋势，国内外关注度激增，科技企业以及医药企业均纷纷布局。在人工智能与医疗健康结合的应用中，AI辅助药物研发成为全球科学家关注度较高的话题，传统药物研发存在研发周期长、费用高昂、成功率低等痛点，亟待改善，因而人工智能技术的辅助为药物研发带来了广阔的前景。
本次研究从AI辅助药物研发的应用场景、全球AI+药物研发科技型企业布局情况、全球医药企业应对模式以及国内发展人工智能辅助药物研发面临的主要问题四个方面，对于人工智能在本场景的应用进行了深度的剖析。
一、AI辅助药物研发应用场景
从广义上来讲，AI辅助药物研发涵盖了从临床前化合物发现到上市之后的全部过程。在传统制药过程中，临床试验前的研究过程往往是药物研发中较为关键的部分，具有数据量、计算量、处理量大的特点，这也是AI辅助药物研发联系最紧密的一部分。
图1 药物研发到上市的过程
分析AI在整个药物研发过程中的发力点，总结成下表形式。目前AI在药物研发上的应用比较集中在临床研究之前，也就是化合物研究以及临床前研究阶段。这个阶段中，人工智能可以通过其算法算力优势，优化传统制药技术手段。提供更准确、效率更高的预测和挖掘，为医药企业研发过程省去很多成本。除此之外，在临床试验以及上市后阶段，人工智能也通过大数据量处理跟踪及高触达性，不同程度的优化了药物研发的过程。
表1 AI在药物研发流程中的应用
二、全球AI+药物研发科技型企业布局情况
目前国内外相关企业已经开始广泛布局，从临床前研究阶段的AI药物研发企业来看，美国处于绝对优势地位，本次统计中美国有13家公司，英国有3家。其中多家企业已经明确自身的商业模式，并取得了广泛的成果。
表2 国外在AI+药物研发领域布局的企业
国内AI+药物研发发展虽不如AI+医疗影像应用如此火爆，但也开始逐步引起重视，本次统计涉及到6家公司，但其中的三家是以基因测序为主营业务的生物科技企业，利用其基因数据优势，延伸进行药物研发。专注于药物研发领域的公司不多，对于药物研发相关的业务还处在探索阶段，鲜有成果曝光。目前国内AI+药物研发公司当中，并还未出现如美国的Atomwise以及英国的BenevolentAI这类的明星企业。从公司分布地区来看，基本集中在北上深等一线城市。
表3 国内在AI+药物研发领域布局的企业
面对人工智能科技型企业纷纷进入药物研发领域的态势，越来越多大型制药企业开始意识到AI的潜力和提高药品研发效率的可靠性。然而由于药企普遍没有人工智能相关技术基础，因此在AI辅助药物挖掘方面，往往采用与人工智能创业公司合作的方式来进行。
三、全球医药企业应对模式
值得注意的是葛兰素史克，其不仅投入高成本与Exscientia合作药物发现，并且与Insilico Medicine合作来探究其AI技术如何辅助药物发现过程。不仅如此，近期GSK也正通过招聘一些不同行业的工作人员在制药商内部进行AI方面的投资。也就是说，葛兰素史克除了合作模式之外，也开始提升自身人工智能技术水平，并开始进行融合AI技术改善药物发现过程的尝试。
表4 全球医药企业与AI企业合作案例
通过上表可以看出，在AI辅助药物研发领域，还鲜有曝光中国药企与人工智能创业团队开展规模较大的合作，目前领域中较活跃的药企集中在国外，均为制药领域的龙头企业，具备规模大、研发资金充足、容错能力强的特点。
四、我国AI+药物研发应用发展关键难点
1. 跨学科人才紧缺
AI+药物研发领域的应用依赖于人工智能专家、工程师和药学、生物化学专家的紧密合作。我国目前人工智能方面的专家逐渐增多，但是与制药、生物化学相结合的跨学科人才储备仍然比较匮乏。
2. 高质量数据资源短缺
AI药物研发需要高质量数据支持，优质的数据资源的缺失不仅仅是药物研发领域的痛点，更是整个AI+医疗健康领域的痛点之一。从国外来看，尽管大数据公司已经搜集了自1980年以来能够共享的临床数据，很多公司也都加入到化合物共享以及老药新用的探索中，但大型制药企业的原始数据比较凌乱，需要进行有序的数字化整理。
而国内创新药研发起步较晚，与国外相比，无论是化合物库还是小分子化合物的试验数据都存在一定的差距。中国的AI制药企业可以与高校、科研机构、医药企业或医院达成合作，以获得较高质量的数据，这是行业内竞争至关重要的因素之一。
3. 商业模式不成型
在国外，尤其是欧美国家，其成熟药物研发退出机制较为完善，较常见的模式为，进行新药发现与研发的投资机构或创业企业，与药企进行合作，其研发的药品或创业团队大概率会被药企收购，成功退出。而在国内，这方面的成功案例较少，商业模式还处在探索阶段，但近年来国内研发的药物或者药企被收购的新闻也频频传出，也预示着未来国内药物研究的美好前景。