2022-08-04-动脉网-2022_AI+新药研发行业研究报告_从药物发现到全场景布局_AI+新疗法成市场新蓝海_50页_12mb

AI+新药研发行业研究报告总结

核心内容

AI+新药研发行业正从技术探索走向商业化落地，成为生物医药领域的新蓝海。AI技术正在从特定环节向全流程渗透，从药物发现到临床试验，再到上市后研究，AI的应用范围不断扩大。行业经历了从早期概念验证到目前的高速发展期，AI在药物研发中的价值逐步显现，且未来有望实现药物研发的全面赋能。

主要观点

1. 行业阶段演变

   • 2014-2017年：AI+新药处于技术积累与早期探索阶段。
   • 2018-2019年：进入概念验证初期，AI开始提供端到端服务。
   • 2020年至今：进入高速发展期，AI成为药企的常态化工具，多家企业成功推进AI药物管线进入临床阶段。

2. 技术发展

   • 从传统CADD（计算机辅助药物设计）到AIDD（人工智能药物发现与设计）的演进，AI技术在精度、创造性和应用场景方面具有明显优势。
   • 深度学习算法（如DNN、RNN、CNN、Transformer、GNN）逐步替代传统机器学习算法，推动药物发现效率提升。
   • AlphaFold2解决了蛋白质结构预测难题，但其应用仍面临技术、成本和数据等方面的挑战。

3. 应用场景拓展

   • AI目前主要应用于药物发现阶段，包括虚拟筛选、分子生成、靶点发现及ADMET预测。
   • 未来7大潜力应用场景包括化合物合成、新形态药物递送、临床患者分层、临床结果预测、临床试验设计优化、虚拟临床试验和真实世界研究。

4. 商业模式演进

   • 当前商业模式主要包括SaaS、AICRO和AI Biotech，其中SaaS服务企业依赖软件工具，AICRO企业提供外包技术服务，AI Biotech则专注于内部管线开发。
   • 混合商业模式成为主流，企业结合多种模式以增强竞争力。
   • 未来，AI CRO和AI Biotech将取代SaaS模式，成为行业终局。

5. 主要挑战

   • 数据问题：数据量有限，且存在格式不统一、质量不稳定、缺乏负面数据等。
   • 人才缺口：复合型人才稀缺，企业需建立自有的交叉人才管理体系。

关键信息

• 融资情况：2021年全球AI+新药融资达46.13亿美元，累计融资事件达383起，累计融资133.65亿美元（2014-2022上半年）。
• AI药物管线进展：近40款AI药物进入临床阶段，其中2款获得FDA紧急授权批准，11款处于临床2期，24款处于临床1期。
• AlphaFold2：解决了蛋白质结构预测难题，但预测精度受限于数据和蛋白质复杂性，未来仍需技术突破。
• 商业模式分布：国内71家AI+新药企业中，31%兼做两种模式，13%兼做三种模式，25%专注Biotech，8%专注SaaS，23%专注AICRO。
• 行业趋势：AI+新药企业将逐步向端到端解决方案演进，未来AI将成为药物研发的底层技术，推动行业降本增效和提升成功率。

图表概览

• 图表1：AI+新药行业发展历程
• 图表2：AI+新药研发企业管线进展
• 图表3：CADD与AIDD异同点比较
• 图表4：应用于AI+新药的算法模型及其作用
• 图表5：国内AI+新药企业在药物发现阶段的应用布局
• 图表6：未来七大应用场景预判及企业布局情况
• 图表7：国内AI企业在新疗法领域的布局情况
• 图表8：2021年全球AI企业在新疗法领域的合作情况
• 图表9：AI+新药研发各类应用场景发展能力分布
• 图表10：AI+新药研发商业模式的演变
• 图表11：2020-2021年上市的AI+新药企业
• 图表12：国内AI+新药企业商业模式统计情况
• 图表13：当前AI+新药企业面临的数据问题及解决方案

未来展望

AI+新药研发行业将在未来几年迎来爆发期，AI将逐步成为药物研发的主流工具，推动新药研发从“经验驱动”向“数据驱动”转变。随着技术进步和商业模式的成熟，AI将在药物发现、临床试验、药物递送等环节发挥更大作用，最终实现对药物研发全周期的深度赋能。