AI驱动新药研发深度发展_30页_15mb

imit白皮书总结

核心内容

imit白皮书聚焦于人工智能（AI）在新药研发领域的应用及其对全球及我国医药行业的影响。通过分析AI技术如何赋能新药研发的各个阶段，揭示AI在提升研发效率、降低成本、提高成功率等方面的重要作用。同时，白皮书也探讨了我国在AI新药研发领域所面临的机遇与挑战，并提出了相应的建议。

主要观点

• AI技术正在深刻改变新药研发的范式，从传统的“先假设再验证”向数据驱动的“智能筛选与预测”转变。
• AI在药物靶点发现、分子设计、临床试验优化、药物安全性评估等环节展现出显著优势。
• AI新药研发在全球范围内发展迅速，尤其在肿瘤学、神经病学和传染病领域具有广泛应用。
• 我国在AI新药研发领域虽起步较晚，但具备一定的政策支持和数据资源基础，拥有广阔的发展前景。
• 然而，AI新药研发仍面临数据资源不足、复合型人才短缺以及产业基础薄弱等挑战。

关键信息

一、AI之于新药研发的意义

1. AI对症新药研发之痛

   • 新药研发面临“投入高、周期长、风险大、成功率低”的困境。
   • AI可提供高效率、低成本的研发方案，将新药研发成功率从12%提升至14%，并可为药企每年节约540亿美元的研发费用。

2. AI在新药研发中的应用价值

   • AI通过大数据、机器学习和深度学习技术，可构建高维数据模型，提高预测精度。
   • AI在药物发现和设计中表现出更高的新颖性和自动化能力，能够生成全新结构分子并优化筛选流程。
   • AI在药物重定向和精准医学方面具有巨大潜力，能够帮助发现新适应症和优化治疗方案。

二、全球AI新药研发发展环境

1. 美国

   • 拥有全球最先进的AI技术体系，药物研发的AI应用覆盖广泛。
   • 基于基因组学、蛋白质结构预测等技术，AI在药物研发中展现出强大的能力。
   • 具有完善的AI政策支持和强大的资本市场，推动AI药物研发快速落地。

2. 日本

   • 面对老龄化问题，AI在药物研发中发挥重要作用，尤其在靶点发现和药物设计方面。
   • 通过超级计算机和跨学科合作，推动AI在药物研发中的应用。

3. 印度

   • 作为全球知名的“仿制药房”，印度在AI新药研发方面仍处于基础建设阶段。
   • 通过开发数据集和AI平台，印度正在逐步提升其在药物研发中的创新能力。

4. 中国

   • 药物研发主要以“metoo”和“better”为主，AI在新药研发中的应用仍处于起步阶段。
   • 国家层面已出台多项政策，支持AI在药物研发中的应用，包括基因组学、蛋白组学、药物筛选等。
   • 面临数据共享不畅、复合型人才缺乏和产业基础薄弱等挑战。

三、AI新药研发技术与应用现状

1. AI新药研发应用模式

   • AI新药研发通常经历问题设置、数据集整合、算法模型构建和评价过程。
   • 通过深度学习、自然语言处理、知识图谱等技术，AI可高效地完成药物筛选、预测、设计等任务。

2. AI新药研发的数据利用现状

   • AI依赖高质量、多维度的数据集进行训练和优化。
   • 开源数据库和高校/药企积累的大量数据是AI药物研发的重要支撑。

3. AI新药研发应用技术现状

   • AI技术在药物分子设计、药物筛选、临床试验优化等方面已取得显著进展。
   • 人工智能在药物逆合成、靶点发现、生物标志物识别等环节展现出强大潜力。

4. AI新药研发应用现状

   • AI在药物研发的多个阶段均有应用，包括药物发现、临床前试验、临床试验、审批上市等。
   • 例如，DeepMind的AlphaFold可用于蛋白质结构预测，Atomwise的AtomNet可用于药物筛选和设计。

四、AI新药研发行业发展现状

1. AI新药研发产业链情况

   • AI新药研发产业链可分为上游、中游和下游，涵盖数据资源、AI技术、CRO服务等。
   • 上游主要为数据供应商和技术工具开发者；中游为AI药物研发平台和软件；下游为制药企业和CRO服务公司。

2. 全球AI新药研发企业发展情况

   • 全球AI新药研发企业主要集中在欧美国家，美国占比最大（54.4%），其次是英国和加拿大。
   • 中国AI新药研发企业数量较少，但部分企业如晶泰科技、腾讯等已在AI药物研发领域取得进展。

3. 细分领域分布情况

   • AI药物研发涉及多个细分领域，包括药物发现、靶点识别、临床试验设计、药物重定向等。
   • 一些企业专注于特定疾病领域，如肿瘤、罕见病等。

4. 企业合作情况

   • 药企与AI初创企业、科技公司、CRO机构等合作，共同推动AI药物研发。
   • 国内企业如正大天晴与阿里云合作，提升药物筛选效率。

5. 应用产品开发情况

   • AI药物研发主要以辅助软件和平台为主，如虚拟筛选、ADMET预测、药物设计等。
   • 一些企业已开发出端到端的AI平台，用于药物发现和研发。

五、我国AI新药研发发展面临的机遇

1. AI赋能新药研发源头端

   • AI在小分子药物研发中展现出巨大潜力，有望成为我国新药研发的重要突破口。
   • 我国丰富的中医药资源为AI赋能提供了良好基础。

2. AI赋能新药研发服务端

   • CRO企业可借助AI提升临床试验效率，降低失败率。
   • AI可优化患者招募、数据处理和试验设计流程。

3. AI赋能新药研发生产端

   • AI可用于药物生产工艺优化，提升效率和降低成本。
   • 随着国内CMO市场的发展，AI在药物生产端的应用前景广阔。

六、我国AI新药研发发展面临的挑战

1. AI新药研发技术支撑基础不实

   • 药物研发数据资源有限，数据质量不高，数据共享不足。
   • AI模型训练依赖大量高质量数据，但目前数据获取难度较大。

2. AI新药研发领域复合交叉人才缺乏

   • AI与药物研发的结合需要跨学科人才，但目前我国在该领域的人才储备不足。
   • 高校与企业之间的培训机制不完善，导致AI人才供给不足。

3. AI新药研发产业基础较薄弱

   • 我国制药企业主要集中在生产和销售环节，缺乏AI研发能力。
   • 国内AI新药研发企业数量较少，产业链不完整，商业化能力较弱。

七、总结与展望

• AI新药研发具有广阔前景，将成为未来药物研发的重要驱动力。
• 我国在AI新药研发领域虽起步较晚，但政策支持和数据积累为其提供了发展机遇。
• 未来需加强AI技术支撑、人才培养和产业基础建设，推动AI新药研发的全面落地。
• 建议加强产学研合作，完善数据共享机制，提升AI在药物研发中的应用水平。

附录：AI新药研发企业部分收录列表

参考文献

• AI+药物研发走向风口——透视全球 118 家 AI+药物研发企业. 中国产业经济信息网. [EB/OL].2019-02-12 .http://www.cinic.org.cn/hy/yy/471119.html
• 高盛人工智能生态报告：AI可解决新药研发等难题. 动脉网.[EB/OL]2017-01-03.https://med.sina.com/article_detail_103_2_17916.html
• AI在药物研发与监管领域的应用及展望. [J] 中国新药杂志. 2018.27(14): 1583-1586.
• AI辅助药物临床试验受试者招募：几种方式和几个问题.[EB/OL].https://baijiahao.baidu.com/s?id=1678135284744909613&wfr=spider&for=pc
• MELLODDY: 用于药物发现的机器学习分类帐编排.https://www.imi.europa.eu/projects/results/project-factsheets/melloddy
• AI在药物研发中的应用专利技术分析[J].河南科技.2020,710(12):158-160.
• AI药物研发的机遇与挑战.[EB/OL].http://news.bioon.com/article/6745325.html