AI制藥將成醫藥研發“神器”？英矽智能CEO任峰：臨床試驗才是試金石，有一款“跑出來”就是里程碑

每經記者 許立波    每經編輯 梁梟    

2023年，以ChatGPT為代表，人工智能技術在各行各業呈現百花齊放之勢，尤其是在以生物醫藥為代表的前沿科創領域，AI與制藥的碰撞催生出一批受到資本市場青睞的寵兒。其中，英矽智能已于6月27日向港交所遞交招股書申請上市，志在成為“亞太AI制藥第一股”。

AI所驅動的創新藥管線也實現了“License-out”（授權許可）。近日，英矽智能和全球化腫瘤學生物技術公司Exelixis已就潛在同類最佳（best-in-class）抗腫瘤創新療法ISM3091達成全球獨家許可協議。英矽智能將獲得8000萬美元的預付款。此外，英矽智能還有資格獲得后續里程碑付款，以及未來產品凈銷售額的分級版稅。

盡管有輿論造勢和資本助推，但時至今日，AI制藥并未展現出真正顛覆新藥研發的一面。對這項新興技術滿懷信心的投資人或許會說AI制藥已“攻克”了藥物設計階段，但他們也不得不承認，所有AI藥物管線都尚未走完臨床試驗所需要的漫長進程。

“2020年之后，隨著國內外一些AI藥物管線進入臨床二期進行有效性驗證，整個AI制藥行業也迎來一個關鍵性階段：如果有藥物能夠驗證成功，那么就意味著在新藥研發流程中，從靶點發現到臨床試驗，AI制藥已能夠實現閉環。”在接受《每日經濟新聞》記者專訪時，英矽智能聯合首席執行官及首席科學官任峰如此闡述AI制藥的發展趨勢。

臨床試驗是AI制藥的真正考驗

誰能跨越“死亡之谷”？

首先需要明確，AI制藥這一新興技術，必然是為了解決傳統新藥研發的痛點而生。在任峰看來，AI制藥所能解決的最大痛點，即是反摩爾定律的存在：盡管全球制藥公司幾十年來在不斷增加投資，但投資10億美元得到的上市新藥數目每9年就得減少一半。

任峰表示，傳統的新藥研發之所以面臨這樣的瓶頸，主要是因為三方面的問題難以解決：“第一個問題與生物學相關，也就是如何發現靠譜的靶點以及生物學機制來做創新藥；第二個問題與化學相關，在分子生成階段，傳統的藥物研發仰賴于藥物化學家的經驗，通常無法高效率地產出成藥性好的小分子化合物；第三個問題則與臨床試驗相關，也就是如何更好地設計臨床試驗方案，來讓化合物在臨床上盡最大可能獲得成功。”

圖片來源：受訪者提供

也正是圍繞傳統藥物研發領域的這三個瓶頸，英矽智能搭建了Biology42、Chemistry42及Medicine42三個板塊，共同組成了其人工智能藥物研發平臺Pharma.AI。據英矽智能招股書，其中，研發團隊利用Biology42板塊下的PandaOmics應用程序的靶點識別及商業智能能力，研發具市場潛力的疾病適應癥的新靶點。然后，團隊還可利用Chemistry42板塊下的Generative Chemistry應用程序的生成式AI能力產生針對該等新靶點的具有良好物理化學特性的小分子。最后，Medicine42板塊下的inClinico應用程序用于利用先前臨床試驗及臨床試驗方案的數據協助優化臨床試驗設計。

招股書顯示，在過去制藥行業早期藥物發現階段中，從項目啟動到臨床前研究平均耗時4.5年，但英矽智能的AI平臺可以將這一時長平均縮短至12個月，這無疑大大提高了藥物研發效率。同時，更高的效率也就意味著更低的成本。Exscientia Company Deck數據顯示，由于可以縮短新藥發現的周期及減少新藥發現研究耗材，使用AI技術可以減少約35%的資金成本。

但問題在于，新藥發現也僅僅只是藥物研發龐大流程中的一環而已，AI藥物管線面臨的真正考驗來自臨床試驗——通常來說，臨床階段所耗費的時間與資金成本都會占到整個新藥研發的三分之二以上，而成功率卻不足兩成，也無怪乎醫藥人將新藥“從實驗室進入臨床試驗”這一過程形容為跨越“死亡之谷”。

任峰也向記者表示，任何一款藥物，無論是通過AI還是傳統路徑所研發的，都必須要經受來自臨床試驗以及監管層面的考驗，這中間“沒有捷徑可走”。“當藥物研發步入臨床試驗階段，還未有證據表明AI可以完全地賦能臨床研究、縮短臨床試驗的時間。我認為目前AI還不能有效解決這一階段的問題。”

任峰（左） 圖片來源：受訪者提供

核心管線臨床失敗導致公司經營受阻、市值暴跌在海外市場已有前車之鑒。2022年7月，在進入臨床階段一年多以后，英國AI制藥企業Exscientia開發的用于治療強迫癥的候選藥物DSP-1181宣布停止開發，原因是I期臨床研究未達到預期。自此，開發世界上首個由AI設計的藥物分子的嘗試以失敗告終。

今年4月，另一家AI藥物研發公司BenevolentAI也宣布，其用于治療特應性皮炎的局部泛Trk抑制劑BEN-2293的IIa期臨床試驗沒有達到次要療效終點。之后，公司旋即宣布裁掉近一半人員、優化技術平臺、重組管線等措施，以此減少支出、維持現金流。

不過，任峰認為，這些失敗的個例并沒有改變AI制藥螺旋式上升的發展趨勢：“我認為AI制藥有一個非常關鍵的時間節點，（即）一款完全由AI發現靶點的藥物取得有里程碑意義的進展，比如進入III期臨床試驗，甚至是獲批上市，就能對行業發展起到極大的促進作用。”

英矽智能的AI藥物管線也走到了關鍵性的臨床II期階段。6月，其自主研發的抗纖維化小分子候選藥物ISM001-055已完成II期臨床試驗的首批患者給藥。從這一點上來說，臨床試驗既是對整個AI制藥行業的終極考驗，也是公司價值的試金石——誰能從中率先走出，誰就能在這一廣闊藍海中占據先發優勢。

傾向于將公司定義為

“AI賦能的Biotech”

據悉，當前AI制藥企業在商業模式上主要分為：AI-biotech、AI-CRO和AI-SaaS，即利用AI自己建立新藥研發管線成為藥企、提供藥物發現服務和售賣AI藥研平臺與軟件的使用服務。

與國內另一家AI制藥知名企業晶泰科技專注于AI-CRO服務、賦能藥企所不同，英矽智能似乎囊括了以上三種業務模式——招股書顯示，目前藥物發現服務和軟件解決方案服務是英矽智能主要收入來源，公司稱預計將繼續從上述兩大板塊來源產生大部分收入，并在獲批藥物商業化后擴大收入來源。

藥物發現服務的收入來自研發合作，包括預付款項及其他基于成功的開發里程碑款項。對于與制藥公司的合作研發項目，英矽智能主要賦能早期藥物開發，即利用其AI驅動藥物發現平臺，識別靶點并設計具有理想藥物特性的潛在候選藥物。

在藥物發現服務方面，英矽智能已經與多家知名藥企達成合作，并取得收入。2022年1月，復星醫藥與英矽智能達成合作協議，在全球范圍內共同推進多個靶點的AI藥物研發，英矽智能獲得1300萬美元的首付款及里程碑式付款。2022年11月，英矽智能與賽諾菲達成戰略研究合作，該合作將利用英矽智能人工智能驅動的Pharma.AI藥物發現平臺，推進基于不超過6個創新靶點的候選藥物研發。賽諾菲將支付英矽智能總額不超過2150萬美元的預付款和靶點提名費用。

軟件解決方案服務是英矽智能的另一收入來源，該收入即來自與其專有的生成式AI平臺的授權組件相關的訂閱費。公司在訂閱的基礎上授權客戶訪問AI驅動專有藥物研發軟件，并收取預付費用。

 圖片來源：受訪者提供

而在自研管線方面，英矽智能目前共建立31個內部管線，涵蓋29個藥物靶點，覆蓋癌癥、纖維化、免疫及神經系統等領域的疾病。在任峰看來，與傳統Biotech相比，AI制藥企業主要優勢在于，后者的核心技術壁壘是創始人團隊在某些疾病領域當中的研發經驗，比如免疫、合成致死、表觀遺傳等某些領域的經驗，就是他們的護城河。所以傳統Biotech會充分利用好在這些特定領域的經驗以做出差異化的項目。

對于AI制藥企業來說，其技術壁壘主要是由數據和算法所構建的，可以充分利用患者的組學數據以尋找、發現并驗證靠譜的成藥靶點。因此，英矽智能會聚焦于患者組學數據較為豐富的領域，而不僅限于幾個特定的靶點或是病種。

但顯然，英矽智能也并不會將這31條內部管線全部推進，早期候選藥物對外授權將是英矽智能未來很大可能的主要收入來源。英矽智能方面也表示，隨著管線候選的成熟及潛在價值的增長，公司考慮將其對外授權于制藥公司。

也有投資人質疑英矽智能的商業模式：“這樣一家由AI驅動的醫藥研發企業，其最終的盈利模式是什么樣的？會不會陷入‘樣樣都有’但‘樣樣都不精’的尷尬局面？”記者也把這一問題拋給了任峰。

對此，任峰表示，盡管目前英矽智能在三種業務模式上均有涉及，但他傾向于將公司定義為“AI賦能的生物科技公司（Tech-bio）”；希望看到未來，公司部分自有管線能夠通過對外授權實現其商業價值。

AI制藥面臨數據孤島

復合型人才相對匱乏 

除了面臨臨床試驗階段的監管挑戰，任峰還提到AI制藥另一個值得關注的行業痛點：企業普遍面臨“數據孤島”問題。

“數據永遠是一個痛點，”任峰告訴記者，“AI藥企普遍使用公開數據以發展其算法技術，雖然現在的數據量貌似是夠了，但隨著AI制藥行業整體的進步，各家企業對算法精度要求也越來越高，未來就會形成大量標準化數據的缺口。”

正如英矽智能在招股書中所述：“由于AI驅動的藥物研發服務行業的數據源分散、格式不一致且往往不完整，因此醫療行業收集或可得的數據的整體質量通常會受到質疑，已知或未知的數據缺失或遺漏的程度或數量可能屬重大，我們在監測和審計數據質量時經常發現數據問題及錯誤。”

銳格醫藥創始人、CEO邱夏楊此前也曾對媒體表示，目前AI制藥行業還面臨著較大的人才瓶頸，AI制藥是一個跨學科行業，需要相關人員不僅深諳計算、還要精通藥物研發，但目前這類復合型人才相對匱乏，這也制約了行業的進一步發展。

從履歷上來看，作為制藥行業身經百戰的“老將”，任峰曾歷任葛蘭素史克的小分子創新藥物研發負責人、上海美迪西生物醫藥公司副總裁、高級副總裁，擁有超過15年的藥物研發行業經驗。但對于AI技術，他事實上也就是最近幾年才真正接觸到，畢竟國內最早一批做AI制藥的企業，如英矽智能、晶泰科技等，其成立時間也還未滿十年。

 圖片來源：受訪者提供

如何讓生物醫藥領域的人才理解AI、讓計算物理領域的人才理解制藥，這是行業需要共同破解的重大命題。

對此，任峰回應稱，在以前IT（信息技術）與BT（生物技術）這兩個領域很少有交叉，但現在由于人工智能在生物醫藥應用場景的逐步落地，導致IT+BT的交叉領域成為大熱門，行業需要大量復合型人才，幫助AI制藥企業橋接IT和BT的團隊。

但任峰也表示，他并不希望公司把每一個員工都培養成復合型的人才，“復合型人才相對地也意味著，他在單一領域往往不會研究得特別深入。”任峰認為，公司需要一些銜接團隊的復合型人才，把制藥、AI等領域有機地串聯起來，更需要在特定領域有深入研究的人才，這樣才能更好發揮協同效應、促進生物醫藥研發。

記者|許立波

編輯|梁梟

視頻編輯|步靜

視覺設計|帥靈茜

統籌編輯|易啟江

｜每日經濟新聞  nbdnews  原創文章｜

未經許可禁止轉載、摘編、復制及鏡像等使用