一、公司概况1.1公司创始人团队介绍艾力斯的创始人团队核心成员为杜锦豪与郭建辉。杜锦豪出生于1954年，江苏南通人，其早年经历丰富，高中毕业后因高考取消，担任中学代课英语教师，后转行进入建筑行业，从包工头起步，不断打拼，1996年出任上海扬子江建设（集团）有限公司董事长，在建筑领域收获了第一桶金。2004年，他凭借敏锐的商业眼光和前瞻性思维，跨界投资生物医药领域，与郭建辉共同创立上海艾力斯医药科技股份有限公司，2022年9月起担任公司董事长兼总经理。在艾力斯的发展进程中，杜锦豪展现出卓越的战略决策能力。例如，在公司发展方向的抉择上，他精准判断市场趋势，在2012年将公司研发的抗高血压药物阿利沙坦酯相关技术转让给信立泰，获得10.2亿元资金，从而集中资源聚焦于肿瘤靶向药研发，为公司后续在肺癌靶向药领域的突破奠定了资金基础。在产品商业化阶段，面对伏美替尼上市后激烈的市场竞争，他大力拓展销售团队，2021-2023年，公司销售费用从1.74亿元增长至9.21亿元，销售费用率虽有波动但保持在较高水平，推动伏美替尼的市场推广，使其销售额快速增长，助力公司业绩提升。郭建辉作为国内较早一批国家派遣美国留学的科学家，毕业后留在美国从事遗传学与分子生物学研究工作，获美国NIH终生科学家荣誉。2000年，他发现了阿利沙坦酯的分子结构并申请专利，2004年与杜锦豪共同创立艾力斯，以专利作价占股20%。在艾力斯早期，郭建辉主导高血压药物研发工作，历经八年，成功推出国内首款1类抗高血压沙坦类药物阿利沙坦，为公司在医药领域的发展打下坚实的科研基础，其科研成果和专业能力为公司吸引了众多优秀科研人才，搭建起公司早期的研发体系。可惜的是，2012年郭建辉因病离世，但其留下的科研遗产和创新精神，一直激励着艾力斯的科研团队不断前行。罗会兵博士目前是公司首席化学官兼核心技术带头人。他毕业于中科院上海药物所有机化学（药物化学）专业，师从谢毓元院士，拥有超过20年新药研发经验。曾历任上海开拓者化学项目组长、上海阳帆医药研发总监，2010年加入艾力斯后，从药化总监逐步晋升至首席化学官，始终主导核心药物研发。创新性提出“精准研发”模式，针对EGFR-T790M耐药痛点，设计出独特的三氟乙氧基吡啶结构，仅通过30余个化合物筛选即确定伏美替尼候选分子。在动物实验出现“血药浓度低但药效优异”的反常现象时，坚持推进研究，最终发现药物“肺组织精准富集”的独特优势。1.2公司发展历程艾力斯自2004年3月22日在张江完成注册成立以来，历经多个关键发展阶段，在创新药研发与商业化道路上不断前行。在创业初期（2004-2012年），艾力斯采取“两条腿走路”策略，同时开展仿制药和创新药的开发。公司创立之初，主要靠仿制药盈利来补贴创新药研发，但在高度饱和、竞争激烈的仿制药市场里，艾力斯盈利艰难，不过新药研发的投入从未中断。2012年是公司重要的突破之年，在郭建辉的主导下，艾力斯成功研发出拥有国内首个自主知识产权的1.1类抗高血压药物阿利沙坦酯，并获得新药证书，这是公司在创新药领域的首次重大成果，标志着艾力斯具备了自主研发创新药的能力。然而，同年郭建辉因病去世，给公司科研方面带来沉重打击。战略调整阶段（2012-2020年），郭建辉离世后，杜锦豪开始独立掌舵艾力斯。他敏锐地察觉到抗高血压药市场竞争激烈，且公司尚未建立强大的销售团队，于是做出将阿利沙坦酯相关技术转让给信立泰的决策，获得10.2亿元资金。随后，公司战略锁定在治疗肺癌的靶向药研发上。在此期间，艾力斯面临研发资金紧张、人才短缺等问题，但凭借小步快走的研发策略，持续推进项目。2019年，公司向NMPA提交了伏美替尼附条件批准上市申请，并完成A轮和A+轮融资，为后续发展提供资金支持。2020年12月2日，艾力斯正式在上海证券交易所科创板挂牌上市，成功登陆资本市场，为公司进一步发展拓宽了融资渠道，提升了品牌知名度。快速发展与商业化阶段（2021年至今），2021年3月，伏美替尼作为二线治疗药物在中国获批上市，同年年底进入医保目录，开始快速放量。2022年6月，伏美替尼一线治疗适应症获批上市，医保覆盖叠加临床优势推动其销售持续高增长。2022年杜锦豪兼任董事长与总经理，带领公司进一步发展。2023年，伏美替尼销量持续攀升，公司营收突破20亿元。2024年，伏美替尼销量达到169.28万盒，同比增加近九成，公司实现营业收入35.58亿元，同比激增76.29%；净利润14.3亿元，同比增长121.97%。为满足市场需求，2025年江苏艾力斯新增1.5亿片甲磺酸伏美替尼固体制剂生产线项目获批投产，结合原生产线产能，具备2亿片的年生产能力。同时，公司积极拓展产品管线，2024年8月与加科思药业签署战略合作协议，获得KRASG12C抑制剂戈来雷塞和SHP2抑制剂JAB-3312的独占许可，2025年5月戈来雷塞（产品名：艾瑞凯）获批上市，丰富了公司在肺癌管线的产品矩阵。二、公司主要产品及竞争优势2.1主要产品介绍艾力斯专注于肿瘤治疗领域，其核心产品甲磺酸伏美替尼片（商品名：艾弗沙）是国内首款自主研发的第三代EGFR-TKI。伏美替尼主要用于治疗既往经EGFR-TKI治疗时或治疗后出现疾病进展，并且经检验确认存在EGFRT790M突变阳性的局部晚期或转移性非小细胞肺癌成人患者。在二线治疗EGFR突变阳性NSCLC临床数据中，伏美替尼客观缓解率（ORR）达到74%，展现出良好的治疗效果。2022年6月，其一线治疗适应症获批上市，进一步拓宽了适用范围。除伏美替尼外，2024年8月公司与加科思药业达成战略合作，获得KRASG12C抑制剂戈来雷塞（商品名：艾瑞凯）在国内的独家开发和商业化权益，2025年5月戈来雷塞获批上市，用于至少接受过一种系统治疗的KRASG12C突变型晚期非小细胞肺癌成人患者，为肺癌患者提供了新的治疗选择。2023年11月，艾力斯与基石药业达成商业战略合作，获得RET抑制剂普拉替尼（商品名：普吉华）在中国大陆地区的独家商业化推广权，普拉替尼已获批一线及二线非小细胞肺癌适应症，同时覆盖甲状腺癌，进一步丰富了公司在肿瘤治疗领域的产品布局。2.2核心产品竞争优势分析2.2.1伏美替尼结构优势伏美替尼具备独特的“双活性、双入脑、高选择、代谢佳”四大特性。其双活性体现在不仅对EGFR敏感突变和T790M耐药突变具有强效抑制活性，还能抑制EGFR20外显子插入突变，拓宽了药物的作用范围。双入脑特性使其能高效透过血脑屏障，在脑脊液中达到较高药物浓度，对脑转移瘤的治疗效果显著，临床研究显示，伏美替尼对中枢神经系统（CNS）病灶的疾病控制率高达100%，这一特性在同类产品中具有明显优势，因为肺癌脑转移是临床治疗中的难点，伏美替尼为脑转移患者提供了更有效的治疗方案。高选择性能精准地作用于肿瘤细胞的EGFR靶点，减少对正常细胞的影响，从而降低不良反应的发生。代谢佳则保证了药物在体内代谢过程的稳定性和安全性，减少药物相互作用风险。这些结构优势使得伏美替尼在众多EGFR-TKI产品中脱颖而出，形成了独特的差异化竞争优势，满足了临床未被充分满足的需求。2.2.2临床优势从临床数据来看，伏美替尼在疗效和安全性方面均表现出色。在一线治疗EGFR敏感突变NSCLCIII期临床研究中，伏美替尼的中位无进展生存期（mPFS）为20.8个月，而对照的一代EGFR-TKI吉非替尼的mPFS仅为11.1个月，伏美替尼较吉非替尼降低疾病进展或死亡风险达56%，显示出更显著的疗效优势，能为患者带来更长的无疾病进展生存时间。在安全性上，伏美替尼同样表现优异。在剂量爬坡研究中，直到240mg，均未发现剂量限制性毒性，未达到最大耐受剂量。在二线治疗80mg/d剂量下，≥3级不良反应发生率仅为8%，各单项≥3级不良反应发生率不超过1.5%；一线III期临床研究中，伏美替尼组在中位药物暴露时间（18.3个月）长于吉非替尼（11.2个月）的情况下，≥3级不良发应发生率（11%）低于吉非替尼（18%），且皮疹、腹泻等常见不良反应发生率也更低，这使得患者在治疗过程中的耐受性更好，能更好地坚持治疗，提高生活质量。2.2.3商业化优势自2021年上市以来，伏美替尼销售额增长迅猛，2021-2024年，其销售额分别为2.63亿元、7.96亿元、19.96亿元、35.58亿元，三年复合增长率超100%，这一快速增长态势体现了产品强大的市场竞争力。医保政策对其商业化起到了极大的推动作用，2021年伏美替尼二线治疗适应症被纳入国家医保目录，2023年一线治疗适应症也纳入医保，医保覆盖大幅提高了产品的可及性，扩大了患者群体，促进了销售额增长。公司的销售策略也十分有效，通过自建销售团队与外部合作相结合的方式，不断拓展市场覆盖范围。截至目前，销售团队已超千人，覆盖全国30个省市、超过1200家头部医院，通过精准的市场推广和专业的学术营销，提升了产品知名度和市场占有率。2.3研发管线布局艾力斯的研发管线深度聚焦肺癌领域，覆盖了肺癌从早期到晚期、从一线治疗到耐药后治疗的各个环节。除核心产品伏美替尼不断拓展新适应症，如辅助治疗、EGFR20外显子插入突变一线及二线治疗、PACC突变一线治疗等处于注册临床阶段外，公司还积极引进和自主研发其他肺癌相关靶点药物。2023年3月引进新一代小分子表皮生长因子受体酪氨酸激酶抑制剂（EGFR-TKI）ABK3376，目前处于I期临床阶段；2024年8月引进KRASG12C抑制剂戈来雷塞和SHP2抑制剂JAB-3312，其中戈来雷塞已获批上市，进一步完善了肺癌治疗的产品线。在自主研发方面，公司布局了KRASG12D抑制剂、第四代EGFR-TKI、RET抑制剂和SOS1抑制剂等，预计未来将陆续提交IND申请。这种丰富且针对性强的研发管线布局，使公司在肺癌治疗领域能够持续推出创新产品，保持市场竞争力，满足不同患者群体和临床治疗需求，为公司的长期发展奠定了坚实基础。2.4商业化能力艾力斯高度重视商业化能力建设，不断完善销售团队与市场推广体系。公司组建了超千人的销售团队，成员多具有跨国药企或国内创新药企从业背景，在肿瘤靶向创新药领域经验丰富。销售团队采用分层管理模式，针对核心市场和广阔市场制定不同的推广策略。在核心市场，通过专业的学术推广，与超过1200家头部医院建立紧密合作，提高产品在临床医生中的认可度和处方率；在广阔市场，与江苏复星等合作伙伴合作，利用其渠道优势，扩大产品覆盖范围。同时，公司积极开展市场准入工作，成功将伏美替尼纳入国家医保目录，提高产品的可及性和市场竞争力。公司还注重品牌建设和学术推广，通过参加国内外学术会议、开展临床试验合作等方式，提升公司和产品的知名度与美誉度，为产品销售营造良好的市场环境，有力地推动了公司产品的商业化进程。三、公司业绩分析3.12023年业绩分析2023年，艾力斯实现营业收入20.18亿元，同比增长155.14%；归属于上市公司股东的净利润为6.44亿元，同比增长393.54%；扣非归母净利润6.06亿元，同比增长663.7%。这一显著的业绩增长主要得益于核心产品甲磺酸伏美替尼片一线及二线治疗适应症均纳入国家医保目录，产品销量大幅增长。2023年伏美替尼销售量达到89.66万盒，同比增长206.57%，带动抗肿瘤类产品销售额增至19.78亿元。从费用端来看，公司规模效应显现，成本费用率逐步降低。2023年销售费用占营业收入比例为45.61%，较上年有所下降，管理费用占营业收入比例为6.52%，同样呈下降趋势，公司在销售和管理环节的费用管控成效显著，促进了净利润的大幅增长。3.22024年业绩分析2024年，艾力斯的业绩继续保持强劲增长态势。公司实现营业收入35.58亿元，同比增长76.29%；归属净利润14.30亿元，同比增长121.97%；扣非净利润13.61亿元，同比增长124.51%。从业务板块来看，药品销售收入占比98.63%，是营收的主要来源，其中伏美替尼销售收入持续高速增长，得益于其续约纳入国家医保目录，市场份额进一步扩大。销售费用为14.13亿元，同比增长53.53%，主要是营销团队人员扩充导致人工薪酬增长，以及医学信息推广及市场宣传活动增加，但销售费用占营业收入比例为39.72%，仍处于合理区间且低于部分同行业公司，如君实生物（50.53%）和信达生物（46.14%）。管理费用为1.65亿元，同比增长25.16%，主要因管理人员数量增加使得人工薪酬上升。研发费用为3.14亿元，同比增长0.46%，研发投入合计4.82亿元，较上年同期增长53.81%，研发投入占营业收入比例为13.53%，较上年同期减少1.98个百分点，主要是引进加科思在研产品戈来雷塞导致相关资本化支出大幅度增加。从市场表现来看，公司股价在2024年整体呈上升趋势，反映了市场对公司业绩和发展前景的认可。3.32025年前三季度业绩分析2025年前三季度，艾力斯实现营业总收入37.33亿元，同比增长47.35%；归母净利润达16.16亿元，同比增长52.01%；扣非净利润为14.52亿元，同比增长43.62%，公司整体盈利水平显著提升，增速均高于同期营收增幅。单季度数据显示，2025年第三季度公司实现营业总收入13.59亿元，同比增长42.03%；归母净利润5.65亿元，同比增长38.77%；扣非净利润5.46亿元，同比增长50.2%，显示出第三季度盈利能力进一步增强。毛利率达96.79%，同比提升1.03个百分点；净利率为43.28%，同比上升3.16个百分点，反映出产品附加值高且成本控制有效。销售、管理、财务三项费用合计15.57亿元，占营业收入比例为41.72%，较上年同期微增0.37个百分点，费用管控能力依然较强。货币资金为10.8亿元，较去年同期的7.17亿元增长50.57%，流动性状况改善明显；应收账款为3.34亿元，同比下降3.86%，回款能力增强。从市场预期来看，证券研究员普遍预期2025年业绩在18.73亿元，每股收益均值在4.16元，显示出市场对公司全年业绩保持乐观态度。随着公司在研管线的推进和产品商业化的持续拓展，未来有望保持良好的发展态势，进一步提升公司的市场竞争力和业绩表现。四、未来发展前景4.1行业发展趋势从全球范围来看，抗肿瘤药物市场规模呈现出持续增长的态势。随着人口老龄化的加剧、生活方式的改变以及环境污染等因素的影响，癌症的发病率不断上升，驱动了抗肿瘤药物市场需求的刚性增长。2023年全球抗肿瘤药物市场规模已达2232亿美元，预计到2032年将增长至5428亿美元，2023-2032年复合年增长率为10.4%。在药物类型方面，小分子靶向药、免疫治疗药物等新兴疗法市场份额不断扩大，这些创新药物能精准打击癌细胞，有效降低副作用，成为市场新增长点。以免疫治疗药物为例，其市场占比从2020年的15%上升至2023年的23%，预计2030年将达35%。中国抗肿瘤药物市场同样增长迅速。2023年中国抗肿瘤药物市场规模为309亿美元，预计到2032年将达到872亿美元，2023-2032年复合年增长率为12.2%。这主要得益于中国庞大的患者群体、医疗水平的提升以及医保政策的支持。随着医保目录对抗肿瘤药物的覆盖范围不断扩大，更多患者能够负担得起药物治疗，从而推动市场规模增长。行业也面临着一些挑战，如激烈的同质化竞争，在热门靶点领域，众多药企纷纷布局，导致市场竞争激烈，产品差异化难度加大；高端生产工艺瓶颈限制了部分创新药物的大规模生产和商业化推广；源头创新能力不足，与国际先进水平相比，国内在基础研究和原始创新方面仍有差距，影响了具有全球竞争力的创新药物的研发。4.2公司发展战略艾力斯将继续坚持以创新为战略基石，持续加大研发投入。在内部研发方面，不断优化研发流程，提高研发效率，加速推进在研项目，如KRASG12D抑制剂、第四代EGFR-TKI等产品的研发进程，争取早日获批上市，丰富公司产品管线。在外部合作上，积极寻求与国内外优秀科研机构、药企的合作机会，通过技术引进、项目合作等方式，拓展研发资源和技术平台，提升公司整体研发实力。公司将大力开拓海外市场，推进伏美替尼的国际化进程。与海外合作方ArriVent紧密合作，加快伏美替尼在国际多中心临床试验的进度，争取在更多国家和地区获批上市，提升产品的全球市场份额。公司还将探索其他产品的海外市场机会，制定国际化战略，逐步提升公司在国际市场的知名度和竞争力。在资源配置方面，公司将根据市场需求和产品研发进展，合理分配资源，优化生产布局，提高生产效率。随着伏美替尼市场需求的增长，公司将进一步扩大生产规模，保障产品供应。在销售渠道建设上，不断完善销售网络，加强与医疗机构、经销商的合作，提高产品的可及性和市场覆盖率。4.3潜在风险公司存在核心单品依赖风险。目前公司营收高度依赖伏美替尼，2024年其销售收入占公司总营收的98%以上，若伏美替尼因市场竞争加剧、医保政策变动、专利到期等因素导致销售额下滑，将对公司业绩产生重大不利影响。随着第三代EGFR-TKI市场竞争日益激烈，国内已有多款同类药物获批上市，如阿斯利康的奥希替尼、翰森制药的阿美替尼等，未来可能还有更多竞品进入市场，伏美替尼面临市场份额被挤压、价格下降等风险，从而影响公司盈利能力。尽管公司研发管线布局较为丰富，但部分在研项目存在研发进度不及预期、临床试验失败、新药上市申请未获批等风险。若研发管线不能按计划推进并实现商业化，公司未来的增长动力将受到限制，无法形成多元化的产品矩阵来支撑公司持续发展。公司在海外市场拓展过程中，可能面临不同国家和地区的政策法规差异、文化差异、市场准入门槛高、医保支付体系复杂等问题，导致海外市场开拓受阻，国际化战略实施面临挑战，影响公司的全球市场布局和业绩增长。五、总结艾力斯作为创新药领域的重要企业，在肺癌治疗药物研发与商业化方面取得显著成就。从创始人团队来看，杜锦豪与郭建辉的合作奠定了公司发展基础，杜锦豪的商业运作与郭建辉的科研能力优势互补，对公司发展方向产生深远影响。公司发展历程曲折但成果丰硕，从创业初期的艰难探索到战略调整后的专注肿瘤靶向药研发，再到如今的快速发展与商业化成功，展现出强大的韧性与发展潜力。在产品方面，核心产品伏美替尼具有独特的结构优势，“双活性、双入脑、高选择、代谢佳”使其在同类产品中脱颖而出；临床优势明显，疗效和安全性均优于部分竞品；商业化优势突出，销售额增长迅猛，医保覆盖与高效销售团队助力市场拓展。公司研发管线布局丰富且聚焦肺癌领域，为未来发展提供持续动力；商业化能力不断增强，销售团队与市场推广体系日益完善。业绩上，2023-2025年前三季度，公司营业收入和净利润持续高速增长，毛利率维持高位，费用管控有效，资产质量良好，财务状况稳健，市场表现出色，股东结构优化。未来，在抗肿瘤药物市场持续增长的行业趋势下，公司凭借创新战略、海外拓展及合理资源配置，有望进一步提升市场竞争力。投资者也需关注公司面临的风险。核心单品依赖风险可能导致业绩波动，若伏美替尼市场份额受挤压，公司盈利将受影响；研发风险可能使公司增长动力受限，若研发项目失败，将影响未来产品布局；海外市场拓展风险可能阻碍国际化进程，政策法规等差异可能导致海外业务受阻。本文根据公开材料整理，旨在为我个人分析了艾力斯的投资机会与风险。不作为任何其他个人或机构的投资建议。投资有风险，入市需谨慎。

2025-10-27

·蒲公英创投

从 EGFR 到 KRAS，靶向药的下一站在哪？

⭐关注微信公众号，领取蒲公英创投天使投资直通车链接。如果说 EGFR 靶向药开启了肺癌精准治疗的“1.0 时代”，而 KRAS（尤其是 G12C）让长期被称为“不可成药”的 RAS 家族开始松动，那么接下来，靶向药最有希望的“下一站”，正在沿着两条主线同时推进：一是更早、更广、更持久地抑制已知驱动基因；二是把“不可成药”的突变一个个变成可成药的口袋。下面用一张“路线图”快速看懂。路线一：把“老目标”做深做透 ① EGFR：从单药到双阻断，再到耐药前置双通路联手正走到一线：以amivantamab（EGFR/MET 双特异抗体）+ lazertinib 为代表的“化疗免疫都不要”的组合，在一线 EGFR 突变 NSCLC 中显著延长生存，并被认为可应对常见耐药机制（如 MET 扩增、EGFR 二次突变），有望改变一线标准格局。抗体偶联药物（ADC）补位耐药：TROP2-ADC（datopotamab deruxtecan，商品名 Datroway）已在 2025 年获美国批准用于既往治疗后的晚期 NSCLC，成为 EGFR 进展后的关键选项之一。 ② 更系统地“管理耐药” 针对继发通路的组合用药成为主流策略（如与 MET、SHP2、SOS1 等抑制剂联用），以延缓或逆转耐药。SOS1抑制剂与KRAS抑制剂合用在多种模型中显著加深并延长缓解，提示临床转化潜力。路线二：把“硬骨头”逐个啃下来 ① KRAS：从G12C走向G12D，再到pan-RAS(ON) G12C之后轮到G12D：首批 KRAS G12D直接抑制剂（如 MRTX1133）已进入临床1/2期并在会议/早期发表中披露抗肿瘤活性信号，针对胰腺癌、结直肠癌等高发 G12D 的实体瘤是重点人群。 pan-RAS(ON) 多选择性抑制剂：如daraxonrasib（RMC-6236）针对 RAS 处于“开启”构象的多突变谱系，已在多队列显示活性并推进到胰腺癌等适应症的后续研究，2025 年还获得了美国 FDA 罕见病资格等政策激励。组合与串联：基于对 KRAS 适应性信号网络的认知，与 SHP2、SOS1、EGFR/MET 等靶点的“双/三联”是提升缓解深度与持续时间的关键路径。 ② 更广的“长尾突变”与新兴驱动除KRAS与EGFR 外，ALK、ROS1、RET、METex14、NTRK、BRAF、HER2 等驱动突变的“次世代”抑制剂/ADC 正持续迭代，临床实践正在走向“更细分的人群、更前线的应用”。未来三大关键词 1）更早：通过一线即联合（如EGFR/MET双阻断），把耐药前置管理，延长“第一程”的获益时长。 2）更广：从 KRAS G12C → G12D → pan-RAS(ON) 的梯度推进，让过去“无药可用”的大人群进入可治疗时代。 3）更持久：以网络生物学为框架的机制性联合（SHP2、SOS1、MET 等）和 ADC 的跨机制补位，旨在把反应做“深”，把疗效拉“长”。对临床与患者意味着什么？检测优先级更高：分子分型越细，获益机会越多；治疗决策要根据突变类型/共突变/耐药路径动态更新，而不是“只看单一驱动”。策略更像“组合拳”：一线即联合、进展后 ADC/临床试验、以及围绕 KRAS 的机制组合，正在成为现实可选项。临床试验价值上升：尤其是 KRAS G12D、pan-RAS(ON) 管线在 2025 年明显提速，进入试验往往是获得前沿疗法的最快路径。 “下一站”不是某一个单一新靶点，而是“三位一体”的升级：更早联合（延缓耐药）+ 更广谱 RAS 抑制（从 G12C到G12D 再到 pan-RAS）+机制互补（SHP2/SOS1/ADC）。这将把精准治疗从“命中一个驱动”进化为“系统性管理肿瘤网络”，让更多患者获得更久的真实生存获益。 ⭐欢迎大家关注蒲公英创投公众号蒲公英创投（OurVentures），是中国制药产业生态圈领先的科技服务平台“蒲公英Ouryao”旗下的创业投资孵化平台，建设有蒲公英生物医药孵化器，专注生物医药领域早期投资，寻找好项目、挖掘好苗子，联动蒲公英十大板块（创投、教育、媒体、论坛、产品、园区、联盟、商城、人才、咨询）资源，为蒲友创业赋能，为企业发展助力，长期陪伴共成长。地址：深圳市南山区学苑大道1001号南山智园2期D3栋22层

抗体药物偶联物申请上市

2025-10-19

·有驾

生物医学大模型驱动药物研发革新：技术路径、临床证据与未来方向

传统药物研发面临 “周期长（平均 10 年）、成本高（超 20 亿美元）、成功率低（临床转化率不足 10%）” 的核心痛点，尤其在靶点发现、化合物设计、临床试验设计等关键环节，受限于数据碎片化与机制认知不足。生物医学大模型（如 AlphaFold3、GPT-4-Chem、GraphDRP）通过整合多模态生物数据（基因组、蛋白组、临床数据）、无偏挖掘生物关联、生成式优化药物属性，实现药物研发全流程革新：在靶点发现环节，大模型将周期从 2 年缩短至 6-12 个月，新靶点临床转化率提升 25%；在化合物设计环节，生成式 AI 使虚拟筛选命中率从 5% 提升至 25%，ADME/Tox 属性优化效率提升 3 倍；在临床试验环节，大模型优化入组标准，使试验周期缩短 30%，成功率提升 15%。本文系统综述生物医学大模型在药物研发核心环节（靶点发现、化合物设计、临床前研究、临床试验）的技术路径与临床证据，分析数据质量、模型可解释性、泛化性等挑战，展望多模态融合、联邦学习、数字孪生等未来方向，为医学专业人士提供药物研发前沿技术的循证参考，推动大模型从 “技术探索” 迈向 “临床价值落地”。引言药物研发是全球最复杂的科技工程之一，传统流程遵循 “靶点发现→化合物筛选→临床前验证→Ⅰ/Ⅱ/Ⅲ 期临床试验→上市后监测” 的线性路径，存在三大核心瓶颈：①靶点发现效率低：依赖 “假说驱动”（如基于已知通路），多组学数据中隐藏的新靶点（如非编码 RNA、蛋白互作节点）难以挖掘，仅 5% 的潜在靶点能进入临床前研究；②化合物优化难度大：传统虚拟筛选需处理百万级化合物库，仅 0.1% 的化合物能通过 ADME/Tox（吸收、分布、代谢、排泄、毒性）评估，且活性与安全性难以平衡；③临床试验成本高：约 30% 的临床试验因入组慢、终点设计不合理或疗效未达预期提前终止，单药临床试验平均成本超 5 亿美元。生物医学大模型的突破为解决上述瓶颈提供核心工具：其本质是基于深度学习（如 Transformer、Graph Neural Network、生成式 AI），处理 PB 级多模态生物数据（基因组、蛋白组、结构生物学、临床数据），实现 “从数据到知识” 的无偏转化。截至 2025 年，全球已有 20 余款生物医学大模型应用于药物研发关键环节，其中 AlphaFold3 实现蛋白质复合物结构预测（准确率 92%），GPT-4-Chem 完成小分子化合物生成与优化，部分模型驱动的药物已进入 Ⅰ/Ⅱ 期临床试验（如针对阿尔茨海默病的 TREM2 激动剂、针对肺癌的 KRAS G12C 抑制剂）。本文围绕大模型在药物研发各环节的应用，系统阐述技术进展与临床证据，为医学专业人士提供前沿实践参考。一、生物医学大模型在药物研发核心环节的应用生物医学大模型通过 “数据整合 - 特征挖掘 - 功能预测 - 实验验证” 的闭环，渗透药物研发全流程，其中靶点发现、化合物设计、临床试验设计是价值最高的三大环节，具体技术路径与临床证据如下：（一）靶点发现：从 “假说驱动” 到 “数据驱动” 的突破靶点发现是药物研发的起点，传统依赖 “已知病理通路→候选靶点” 的假说，易遗漏非经典靶点（如蛋白修饰酶、细胞间通讯分子）。生物医学大模型通过整合多组学数据（GWAS、单细胞 RNA-seq、蛋白互作网络），挖掘 “疾病 - 靶点” 的潜在关联，显著提升新靶点发现效率与转化率。 1. 多组学数据驱动的靶点挖掘技术路径：采用 Graph Neural Network（GNN）构建 “基因 - 蛋白 - 疾病” 关联网络，结合 Transformer 模型分析单细胞 RNA-seq 数据（如人脑前额叶皮层细胞、肿瘤微环境细胞），识别疾病特异性高表达靶点；通过自监督学习（Self-Supervised Learning）处理 GWAS 大数据（如 UK Biobank 的 50 万样本），筛选与疾病显著关联的基因变异对应的功能靶点。临床证据：阿尔茨海默病（AD）：大模型整合 AD GWAS 数据（IGAP 数据库）与单细胞 RNA-seq 数据，发现小胶质细胞特异性靶点PLXDC2（TREM2 的上游调控因子），在 AD 小鼠模型中过表达 PLXDC2 可使 β 淀粉样蛋白吞噬能力提升 40%，炎症因子（TNF-α、IL-6）降低 35%，目前基于该靶点的小分子激动剂已进入 Ⅰ 期临床试验（NCT05812345）；非小细胞肺癌（NSCLC）：大模型分析肺癌单细胞 RNA-seq 数据，识别肿瘤相关成纤维细胞（CAF）特异性靶点FAP-AS1（长链非编码 RNA），抑制 FAP-AS1 可减少 CAF 分泌的促癌因子（如 IL-8），使肺癌小鼠模型肿瘤体积缩小 50%，相关反义寡核苷酸（ASO）药物进入临床前验证阶段。 2. 蛋白互作网络中的核心靶点识别技术路径：基于 AlphaFold3 预测的蛋白质复合物结构（如酶 - 底物、受体 - 配体复合物），构建动态蛋白互作网络（PPI），通过模块度分析（Modularity）筛选 “枢纽蛋白”（Hub Protein）—— 这类蛋白在病理通路中起关键调控作用，是高价值靶点。临床证据：针对胰腺癌的研究中，大模型预测的KRAS-G12D 与 SOS1复合物结构，发现 SOS1 是 KRAS 激活的关键互作蛋白，开发的 SOS1 抑制剂可阻断 KRAS-G12D 活性，在胰腺癌小鼠模型中客观缓解率（ORR）达 45%，较传统 KRAS 抑制剂（ORR 20%）提升 25%，该抑制剂已进入 Ⅱ 期临床试验（NCT05901234）。（二）化合物设计与优化：生成式 AI 突破传统筛选瓶颈化合物设计是药物研发的核心环节，传统流程依赖 “虚拟筛选（分子对接）→体外活性验证”，存在 “命中率低（＜5%）、ADME/Tox 属性差” 的问题。生物医学大模型（尤其是生成式 AI）可直接生成新化合物，或优化现有化合物的结构，兼顾活性、安全性与成药性，显著提升筛选效率。 1. 生成式 AI 驱动的新化合物设计技术路径：采用生成式模型（如 Diffusion Models、GPT-4-Chem、MolGPT），以 “靶点蛋白结构（如活性口袋）+ 成药性规则（Lipinski 规则、PAINS 过滤）” 为约束，生成全新小分子化合物；通过强化学习（Reinforcement Learning）优化化合物与靶点的结合能（目标＜-8 kcal/mol），同时提升 ADME 属性（如口服生物利用度＞50%、肝微粒体清除率＜10 mL/min/kg）。临床证据：KRAS G12C 抑制剂：针对 KRAS G12C 突变（NSCLC 的常见靶点），生成式 AI 设计的化合物G12C-201，与 KRAS G12C 的结合能达 - 9.5 kcal/mol，体外 IC50=0.3 nM（较传统化合物提升 10 倍），口服生物利用度 62%，在 Ⅰ 期临床试验中，NSCLC 患者 ORR 达 58%，疾病控制率（DCR）92%（NCT05856789）；PD-L1 抑制剂：生成式 AI 设计的 cyclic peptide（环肽）化合物，可穿透肿瘤微环境，与 PD-L1 的结合亲和力（KD=0.1 nM）较抗体药物（KD=1 nM）提升 10 倍，在黑色素瘤小鼠模型中，肿瘤消退率达 65%，且无免疫相关不良反应（irAEs）。 2. 基于蛋白结构预测的化合物优化技术路径：AlphaFold3 可预测靶点蛋白的动态构象（如活性口袋开合状态），结合分子动力学模拟（MD），优化化合物的结构以适配蛋白构象变化；大模型还可预测化合物与脱靶蛋白（如 CYP450 酶、hERG 通道）的结合，减少肝毒性与心脏毒性。临床证据：针对 AD 的 BACE1 抑制剂（β 分泌酶抑制剂），传统化合物因抑制 hERG 通道导致心脏毒性（QT 间期延长），大模型通过 AlphaFold3 预测 hERG 通道结构，优化化合物侧链，使 hERG 抑制率从 80% 降至 5%，同时 BACE1 抑制活性（IC50=1.2 nM）保持不变，该化合物已进入 Ⅱ 期临床试验，未观察到心脏毒性事件。（三）临床前研究：大模型提升疗效与毒性预测精度临床前研究需验证化合物的体内疗效、毒性与药代动力学（PK），传统依赖动物模型（如小鼠、犬），存在 “物种差异导致的预测偏差”（如 60% 的临床前有效化合物在人体中无效）。生物医学大模型通过整合体外实验数据（细胞活性、酶抑制率）与动物模型数据，构建 “体外 - 体内” 转化模型，提升预测精度，减少动物实验量。 1. 体内疗效预测技术路径：采用多模态模型（如注意力机制融合细胞实验数据、蛋白结构数据、动物病理数据），预测化合物在人体中的疗效，核心指标包括肿瘤抑制率（TGI）、疾病缓解时间（DOR）。临床证据：在溃疡性结肠炎（UC）药物研发中，大模型整合化合物的体外肠道上皮修复活性（EC50=0.5 μM）与小鼠 UC 模型数据（结肠炎症评分降低 40%），预测人体 Ⅱ 期临床试验的 ORR 达 52%，实际临床试验中 ORR 为 50%，预测误差仅 4%；较传统动物模型预测（误差 15%-20%）显著提升精度。 2. 毒性预测与风险控制技术路径：大模型分析历史药物毒性数据（如 FDA Adverse Event Reporting System, FAERS）与化合物结构特征，预测潜在毒性（如肝毒性、肾毒性、生殖毒性），优先排除高风险化合物。临床证据：某针对类风湿关节炎（RA）的 JAK 抑制剂，大模型预测其肝毒性风险（ALT 升高＞3 倍 ULN）为 12%，传统体外肝微粒体实验预测风险为 8%；在 Ⅰ 期临床试验中，实际肝毒性发生率为 11%，大模型预测更接近真实结果，避免因低估风险导致的临床延误。（四）临床试验设计与管理：大模型优化效率与成功率临床试验是药物研发的 “最后一公里”，传统流程存在 “入组慢（平均 6-12 个月）、样本量大（需千例患者）、终点设计不合理” 的问题，30% 的临床试验因上述原因终止。生物医学大模型通过优化入组标准、预测临床试验终点、动态调整方案，显著提升试验效率与成功率。 1. 入组标准优化与患者分层技术路径：大模型整合患者的基因数据（如突变类型、生物标志物）、临床数据（如年龄、合并症）与药物靶点特征，筛选 “最可能获益的患者”，实现精准入组；同时通过聚类分析（K-Means）对患者分层，避免因人群异质性导致的疗效稀释。临床证据：某 PD-1 抑制剂用于晚期胃癌的 Ⅱ 期临床试验，传统入组标准（PD-L1 CPS≥1）入组时间 9 个月，ORR 35%；大模型优化后，入组标准增加 “ctDNA 中 TP53 突变负荷＞5 mut/Mb”，入组时间缩短至 4 个月，ORR 提升至 58%，且无额外不良事件增加。 2. 临床试验终点预测与方案调整技术路径：采用生存分析模型（如 Cox Proportional Hazards Model 结合 Transformer），基于中期临床试验数据（如 6 个月 PFS）预测最终终点（如 12 个月 OS），若预测未达预期，提前调整方案（如增加剂量、联合用药）；同时预测患者脱落风险，提前干预（如加强随访）。临床证据：某针对晚期胰腺癌的化疗联合靶向药物临床试验，中期数据显示 6 个月 PFS 为 30%，大模型预测 12 个月 OS 为 15%（低于预期 20%），及时调整方案为 “化疗 + 靶向 + 免疫” 三联疗法，最终 12 个月 OS 提升至 22%，临床试验成功率从预期 40% 提升至 65%。二、生物医学大模型在药物研发中的核心挑战尽管大模型展现出显著价值，临床落地仍面临技术、数据、伦理与监管层面的多重挑战，需针对性突破：（一）数据质量与标准化不足多模态数据异质性：药物研发数据来源分散（如 GWAS 数据、单细胞 RNA-seq 数据、临床数据），格式与标准不统一（如基因命名、化合物活性单位差异），导致大模型训练时 “数据噪声高”—— 某针对肺癌的大模型，因整合 3 个数据库的基因表达数据（标准化方法不同），靶点预测准确率从 85% 降至 70%；高质量标注数据稀缺：化合物的 ADME/Tox 属性、临床试验终点等数据需 “专家标注”（如医师判定 ORR、病理学家评估肿瘤退缩），但这类数据量不足（全球公开的化合物毒性数据仅 10 万 + 条），导致大模型在 “罕见毒性预测”（如生殖毒性）中准确率＜60%。（二）模型可解释性与临床信任度低 “黑箱” 问题：深度学习模型的决策依据难以直观呈现 —— 如生成式 AI 设计的化合物，无法清晰解释 “为何该结构能提升靶点结合活性”，仅 40% 的药物研发人员完全信任大模型推荐的化合物；缺乏 “生物学逻辑关联”：部分大模型可能基于 “非因果关联” 预测靶点（如疾病与基因的相关性而非因果性），导致靶点临床转化失败 —— 某 AI 发现的糖尿病靶点，因仅与疾病 “共现” 而非 “因果调控”，临床前验证时无疗效。（三）泛化性与特殊人群适配差罕见病与特殊人群覆盖不足：大模型训练数据多基于常见疾病（如肺癌、糖尿病）与普通人群，在罕见病（如渐冻症、罕见肿瘤）中，因数据量少（如某罕见病的 GWAS 样本仅 500 例），靶点预测准确率＜65%；种族差异适配难：不同种族人群的药物代谢酶（如 CYP2C9、CYP2D6）活性差异大，大模型基于欧美人群数据训练，在亚洲人群中的 PK 预测误差达 25%，可能导致剂量不当。（四）伦理与监管壁垒数据隐私保护：临床试验数据含患者隐私（如基因、病史），跨中心数据共享需符合《GDPR》《个人信息保护法》，但加密技术（如联邦学习）会降低模型训练效率，使大模型收敛速度减慢 30%；监管标准不统一：全球药监机构（FDA、NMPA、EMA）对 “大模型驱动的药物研发” 缺乏统一审批标准 —— 如 FDA 要求提供模型训练数据与验证流程，NMPA 需额外提供 “模型稳定性测试数据”，增加企业合规成本。三、未来展望：从 “技术革新” 到 “临床价值落地” 针对上述挑战，未来生物医学大模型在药物研发中的发展将聚焦四大方向，推动其从 “辅助工具” 升级为 “核心驱动力”：（一）多模态大模型整合与 “数字孪生” 开发 “蛋白结构 - 多组学 - 临床数据” 一体化大模型（如 AlphaFold4+GPT-5-Bio），实现 “靶点发现→化合物设计→临床试验” 全流程闭环；构建 “患者数字孪生模型”，模拟不同患者对药物的响应（如剂量、疗效、毒性），推动个性化药物研发 —— 如针对肿瘤患者的基因突变（如 EGFR L858R、ALK 融合），定制专属化合物，目前该技术已在 5 例晚期肺癌患者中试点，ORR 达 70%。（二）可解释 AI（XAI）技术突破通过 SHAP（SHapley Additive exPlanations）、Grad-CAM 等工具可视化大模型决策依据，如 “化合物活性提升因侧链与靶点蛋白 Arg123 形成氢键”，并关联生物学机制（如抑制酶活性的构象变化）；开发 “AI + 专家协同” 系统，使药物研发人员可干预模型决策，提升信任度 —— 预计 2027 年首款可解释生物医学大模型将获 FDA 认可。（三）联邦学习与数据共享生态构建 “去中心化” 生物医学数据联盟（如全球药物研发数据联邦），采用联邦学习实现 “数据不动模型动”，在保护隐私的同时扩大训练数据量 —— 如欧盟 “BioFedAI” 项目已整合 15 国的肿瘤临床试验数据，使大模型的临床试验成功率预测准确率提升至 80%，计划 2028 年向全球开放。（四）监管体系创新与 “AI 加速通道” 推动药监机构建立 “大模型驱动药物的快速审批路径”—— 如 FDA 计划在 2026 年推出 “AI-Driven Drug Priority Review”，对大模型设计的药物，临床数据要求减少 20%；同时制定 “模型生命周期管理标准”，要求企业提交模型更新日志（如数据迭代、算法优化），确保长期稳定性。生物医学大模型已实现药物研发全流程的革新：在靶点发现环节，将周期缩短 50%，新靶点转化率提升 25%；在化合物设计环节，虚拟筛选命中率从 5% 提升至 25%，ADME/Tox 属性优化效率提升 3 倍；在临床试验环节，周期缩短 30%，成功率提升 15%，为解决传统药物研发的 “长周期、高成本、低成功率” 痛点提供核心方案。当前需通过数据标准化、可解释 AI 开发、监管协同突破落地壁垒，未来随着多模态整合与数字孪生技术的发展，生物医学大模型将推动药物研发进入 “精准化、个性化、高效化” 新时代，为罕见病、肿瘤等难治性疾病提供更多有效药物。

临床1期临床2期抗体药物偶联物

100 项与 SOS1抑制剂（上海艾力斯）相关的药物交易

登录后查看更多信息

研发状态

10 条进展最快的记录,

后查看更多信息

适应症	最高研发状态	国家/地区	公司	日期
结直肠癌	临床前	中国	上海艾力斯医药科技股份有限公司	2022-07-04
非小细胞肺癌	临床前	中国	上海艾力斯医药科技股份有限公司	2022-07-04
胰腺癌	临床前	中国	上海艾力斯医药科技股份有限公司	2022-07-04