媒介：
2018年最火爆的影戲《我不是藥神》發人深省，用藥難，用藥貴的艱難地步成為了老黎民一大芥蒂。一款救命藥之所以如此昂貴，最重要是由於藥物研發周期長，費用高，勝利率低。但可喜的是，跟著人工智能、大數據、云算計等科學專業贏得的衝破性進展，前程五到十年，傳統新藥研發的模式有望被完全推翻，用藥難，用藥貴的艱難地步也將隨之改良，更多病患將迎來但願之光。
本文通過研討環球118家屬工智能+藥物研發首創企業截止到2018年底的成長場合，為各位讀者論述該產業的成長近況及前程趨勢。
課題組研討發明：
第一， 人工智能每年為藥企節省約500億美元的研發費用。
第二， 2018年資金涌入，產業整體走向風口。環球118家屬工智能+藥物研發企業累計融資206億美元，此中2018年融資本額9億美元，已有5家首創企業IPO或者被并購。
第三， 產業整體兩極化嚴重，各細分均有巨頭脫穎而出。81的企業處于A輪及以前階段，B輪及以后企業累計融資本額占比73。
第四， 產業細分新候選藥物生成想象空間最大，競爭也最劇烈。該細分企業數目占產業37，累計融資本額占產業約50。
第五， 藥企巨頭+首創企業強強聯手，大數據及產業尺度創設將成為產業成長方位。
一、產業底細：藥物研發三座大山–長研發周期，高研發本錢，低勝利率
藥價為什麼這麼高？三個數字通知你答案，萬分之一分子脫穎而出，十年研發周期，26億美元研發本錢。
自21世紀初以來，疾病復雜水平的增加大大減低了各環節的研發效率。簡樸地說，簡樸的藥都已經被研發出來，而剩餘的都是硬骨頭老虎機 演算法。這樣的大底細導致藥物研發周期越來越長，藥物研發的時間本錢不停提升，勝利率越來越低，因此研發本錢越來越高。
從研發周期來看，依據Frost Sullivan統計，美國制藥企業的新藥品種從試驗室發明到進入市場平均需求10年至15年時間；從研發勝利率來看，據Harris Williams Mdle Market統計，在進入藥物研發門路的 5000至 10000 個先導化合物中，平均只有 250 個或許進入臨床，平均只有1個能終極牟取監管部分的新藥批準。據 Tufts（CSDD）統計，新藥臨床Ⅰ期至批準上市的勝利率已經從80年月的 23大幅降落至此刻的12擺佈，前程跟著生物藥的比重提升，新藥研發勝利率或將繼續減低；從研發本錢來看，據 Tufts（CSDD）統計，新藥研發平均本錢不停上升，從20世紀70年月中期約18億美元，到20世紀90年月的10億美元，再到21世紀初已至 26 億美元。
二、產業近況：人工智能，推翻大山
先來簡樸說一下人工智能的發家史。人工智能出生于1956年的達特茅斯會議，已有60長年的古史。
在學術界，斯坦福大學無愧為該產業的先行者。2003年，該校生物醫學人工智能研討院Russ Altman開設了生物醫學算計學士學位。
2007年6月12日，是該產業古史上值得記住的一天。一個名叫Adam（亞當）的機械人，通過搜索公眾數據庫，預計了酵母菌基因的新性能。
人工智能在化合物篩選中也贏得了很大的進展。Atomise開闢了基于卷積神經網絡的AtomNet體制，該體制通過吸取化學常識及研討資料，可以解析化合物的構效關系，辨別醫藥化學中的根基模塊，用于新藥發明和考核新藥危害。2015年AtomNet僅用時一周，即模仿出兩種潛在用于埃博拉病毒調治的化合物。
對于很多不治之癥，人工智能也在通過試探已有藥物的新安適癥尋找答案。如帕金森這一讓環球藥廠手足無措的疾病，科學家Visanji博士與人工智能公司IBM Watson配合，通過Watson強盛的文獻瀏覽與認知推理本事，幾分鐘內從3500種藥物中辦妥篩選。而后，研討人員依據這份清單提出了6個候選藥物并進行測試，第1種藥物在動物試驗中已經得到了初步的驗證。
跟著人工智能專業高速成長，AI已利用于新藥研發各個環節：靶點發明、化合物合成、化合物篩選、晶型預計、患者召募、優化臨床實驗設計和藥物重定向等。依據動脈網預計，AI或許為藥企研發節省約50的時間，每年節儉540億美元的研發費用。
三、產業格局：群雄逐鹿，各放異彩
依據CB Insight上的數據，環球共有118家屬工智能+藥物研發企業。依據科技博客BenchSci，我們依照藥物研發的流程及關連利用，將該新興產業分為六大細分–信息整合及解析（Aggregate and Synthesize Information），新候選藥物生成(Generate Ne Drug Candates)，候選藥物驗證及優化(Valate and Optimize Drug Candates)，重定義現有藥物(Repurpose Existing Drugs)，臨床前試驗設計及優化 (Run Preclinical Experiments)和吃角子老虎機 解釋臨床實驗設計及優化(Optimize Clinical Trials)。
從所處地區來看，不論是企業數目還是融資本額，美國企業均遙遙領先，佔領半壁江山，領先企業如IBM Waston， BenevolentAI和Recursion Pharmaceuticals等。而中國作為環球第二大經濟體，固然關連企業起步較晚，但憑借著得天獨厚的優勢，正奮起直追，頗有后來者居上的架勢，大批優秀企業脫穎而出，如致力于用AI加快新藥研發全流程的深度智耀及用心于晶型預計環節的晶泰科技等。
角子老虎機遊戲
從融資本額來看，AI+藥物研發正漸漸走向風口。環球118家屬工智能藥物研發關連企業，已有80家企業牟取融資，披露金額累計融資20億美元，此中累計融資過份1億美元企業5家。已有5家公司被收購或者IPO，重要發作在2018年。從融資輪次來看，產業整體兩極化嚴重，各細分均已有巨頭脫穎而出。81的企業處于A輪及以前階段，B輪及以后企業累計融資本額占比73。
從產業細分來看，37的企業聚焦在新候選藥物生成細分，累計融資本額占整個產業近50，該細分可以說是最受資金青睞的領域，其典型企業包含有BenevolentAI， Atomise及Exscientia等。
四、前程趨勢：三大趨勢觸發注目
1 藥企巨頭+首創企業強強聯手搶占先機。
AI的顯露，讓諸多藥企巨頭看到了但願。2018年，大批藥企通過不同種類方式與人工智能企業進行深度配合。2018年5月，Cloud Pharmaceuticals公佈與GSK告竣配合，Cloud 將為GSK指定的靶點設計新型小分子制劑，并將應用其專有的AI驅動模式來設計分子；2018年9月，輝瑞與Atomise簽定配合協議，輝瑞將應用Atomise人工智能平臺，考核確定多達三種靶向蛋白質分子作角子老虎機 機為潛在候選藥物；2018年12月，德國制藥巨頭默克與加拿大首創企業Cyclica公佈進行研討配合。默克將採用Cyclica角子老虎機 規則的云端蛋白質篩選平臺Ligand Express考核其在研小分子化合物的安全性及在其他調治領域的利用。
配合遠不止這些，並且這樣的配合也只是一個開端，前程將有更多的戰略性配合發作，首創企業也將在前程五到十年景為藥企巨頭收購的對象之一。
2 數據為王。
大數據已然成為了這場變革的重中之重。假如沒有多元化、跨學科、高質量的大數據及后期的精準處置，AI專業的變革性陰礙就無法徹底實現，已經有企業在大數據上走在前頭。2018年7月，GSK公佈股權投資23andMe 3億美元。前者將交融23andMe大肆的遺傳學數據物質和進步的數據科學專業，及自身藥物研發的優勢，尋找關于首創藥物靶點的洞見，帶來首創療法。
3 產業尺度有待創設。
另有一大趨勢莫過于產業尺度的創設。人工智能正在推翻游戲條例，而其本身也需求創設在醫藥研發利用中的條例，從而實現該產業的共識及共同先進。2018年12月，Insilico Medicine發行代號為MOSES的人工智能藥物發明基準平臺。該平臺可實現幾種流行的分子生成模子，并可考核生成分子的多樣性和質量。MOSES旨在使分子生成的研討尺度化，并增進新模子的共享和對照。
群雄逐鹿，各放異彩。讓我們共同期望人工智能在藥物研發領域的成長，期望有更多、更好的藥物或許在人工智能助力下，更快地脫穎而出，造福人類。(
