AI制药会给行业带来哪些机遇和挑战？

近期，AI领域在科技界中占据了一席之地，制药业也希望能借助这一趋势实现飞跃。AI制药有可能成为未来制药业的一个重要方向。

英伟达，全球知名的AI芯片制造商，近日宣布向美国生物科技公司Recursion投资5000万美元，以推动人工智能在药物发现领域的突破性基础模型的发展。同时，Recursion也宣布将加快其在生物学和化学领域的AI基础模型的开发，并与英伟达合作对其模型进行优化，最后通过英伟达的云服务将其推向市场。

英矽智能，一家由生成式人工智能驱动的生物医药科技公司，近期宣布其已经开始了首批使用AI研制药物的人体试验。这次试验的目标是治疗慢性肺部疾病特发性肺纤维化，并且已经成功为一名中国患者提供了一种新的疗法。这个名为INS018_055的药物是全球首个完全由AI设计和研制的药物。目前，它已经进入了二期临床试验验证阶段，有可能成为制药行业的一个重大里程碑。

制药业与AI科技的融合

随着制药行业的不断进步，提升药品质量和推动产业转型升级的进入新的阶段。借助人工智能、自动化等先进技术的应用，实现高效率、高水平的智能化生产已经成为制药领域的主流发展趋势。

近年来，AI和大模型等科技的快速发展再次引领了一波智能化的浪潮，制药行业也自然而然地受益其中。AI制药，简单来说，就是将人工智能技术如自然语言处理、机器学习和大数据等应用于制药的各个环节，以提高新药研发的效率和质量，降低临床失败的可能性和研发成本。

研究报告显示，通过运用机器学习、深度学习等方式赋能药物靶点发现、化合物筛选等环节，新药研发的成功率从12%提高到14%,每年为全球节省化合物筛选和临床试验费用约550亿美元。在所有应用中，医疗行业位列首位，据统计，2020年AI医疗已占人工智能市场的18.9%。预计2023年，中国医疗AI市场规模将达到200亿元，复合增长率为44.4%。

国内AI制药产业正处于算力提升和数据发展的高速增长阶段。2021年，在疫情驱动和资本加持下，AI制药企业投产获取第一轮成效，中国AI制药市场规模为1.63亿元，2022年增长至约2.92亿元，预计2023年市场规模将达到4.14亿元。

尽管存在争议，但AI制药已经赋予医药行业丰富的想象空间。新药研发是一个典型的长周期、高投入、高风险的行业——一款新药从早期药物研发到最终成功商业化落地，一般需要耗时10年以上，研发成本超过10亿美元。如果把失败的风险计算在内，这个成本可能会超过20亿美元，而AI制药被视为解决这一痛点的有力工具。目前AI技术的应用并非最终目标，获得商业回报才是AI制药所追求的。

AI将会如何改造制药业？

AI在制药领域的潜力正在显现，它有可能彻底改变我们对药物研发的认知。据数字经济应用实践专家骆仁童博士预测，像AI对其他行业的变革一样，未来所有的药物都将通过AI的方式进行管理，有可能将发现药物的时间减半，并大幅降低药物上市的成本。实际上，已经有多家知名制药公司如赛诺菲、复星、强生等启动了AI应用的战略，以便在制药管理过程更好地利用智能化的数字技术。

目前，AI在药物研发中的应用主要集中在化学药品和生物药品的发现和临床前开发阶段。在这个过程中，AI的作用主要是在科学家们的经验积累基础上，增加找到正确化合物的可能性。这是因为这些阶段的数据量巨大，传统的药物研发方法往往难以应对。

AI的出现为我们提供了新的解决方案，通过机器学习和深度学习等技术，AI可以从海量的数据中提取有用的信息，帮助科学家们更快地找到可能的新药靶点和候选化合物。

然而，尽管AI在药物研发领域的应用前景广阔，但我们也需要认识到它的局限性。首先，AI目前还无法完全替代人类的专业知识和经验。例如，AI虽然可以分析大量的数据，但它不能像人类一样理解这些数据的含义，也无法处理一些复杂的问题。其次，AI的应用也面临着一些技术和伦理上的挑战。例如，如何确保AI的决策过程是公正和透明的，如何保护患者的隐私等等。

总的来说，AI在制药行业的应用正在逐步改变着这个行业的面貌，它有望以更有效、更快速的方式推动药物的研发和上市，从而为患者带来更好的治疗方案。但是，我们也需要谨慎对待这一新兴技术，充分利用它的优点，同时也要努力克服它的缺点。大限度地利用AI技术的优势，仍是需要进一步探讨和解决的问题。

AI制药还有待发展

目前，AI制药的发展引起了广泛的关注和讨论。尽管AI制药在药物设计方面展现出了巨大的潜力，但其安全性、预期效果以及是否能达到传统药物的监管标准仍然存在一定的质疑。

首先，AI制药的基础还需要发展。实际上，使用AI进行药物发现和开发的前提是使用算法来搜索海量数据，包括化合物的结构、动物研究和患者信息，以确定药物在人体内的靶标、哪种分子最适合、如何创造新的分子。然而，对于规模较小的私营公司来说，它们可能无法负担可购买的商业库，也没有大药企自己独有的分子库，数据的不足构成了其发展的主要障碍。此外，数字经济应用实践专家骆仁童博士指出，由于环境和行业的局限，AI制药的算力也存在局限，目前类ChatGPT的工具都需要耗费大量的算力，要满足制药领域的高精度要求，短期内难以有胜任的硬件基础。

其次，AI制药短期内无法脱离人力。基于经验和大模型的训练，都需要大量的数据作为支撑，AI制药企业的核心在于数据生产力。因此AI制药目前主要应用在药物发现、先导化合物筛选等早期阶段，在临床试验阶段更多还是要依靠人来完成。

最后，AI制药可能会受限于数据同质化。目前国内大部分企业通过公开数据库拿到的药物研发数据量少质低，需要从化学生物实验室产生数据并积累，这意味着目前的生成式AI都是基于以往的数据加以整理，也就导致因此数据同质化的问题。

生成式AI给产业带来的期望固然美好，但要实现落地，还要丰富底层数据生产能力。同样的，虽然AI制药在当前阶段还面临一些挑战和限制，但随着技术的不断发展和完善，其在未来可能会为整个制药行业带来深远的影响。

商道童言（Innovationcases）欢迎点赞和分享哦！~~

免费电子书：结构化思维 | 荆棘商途 | 年度十词 | 创新企业案例 | 区块链金融

数字经济应用实践专家 骆仁童主讲课程

智慧应用 |《能源互联网》.《新型电力系统》.《智慧建筑》.《智慧机场》.《智慧交通》.《烟草数字化》.《智慧城市》.《数字政府》

数字应用 | 《大数据及中台》.《区块链》.《元宇宙》

人工智能 |  《人工智能趋势》. 《ChatGPT新纪元》

数字化转型 |《制造业数字化》.《零售业数字化》 

金融类课程 | 《金融科技创新》. 《商业银行变革》 .《数字人民币》

思维与技能 |《数字化管理思维》.《数字化组织变革》.《用户思维》

宏观与趋势 |《2023宏观趋势》.《数字经济》.《双碳战略》.《新能源汽车》

创新与创业 |《创业导师能力提升培训》.《中小企业赋能》