投资人如何看AI在医药行业的应用? | AI

2023-07-30

信使RNA核酸药物

开栏语上个月，全球市值最高的医药公司礼来的首席执行官David Ricks在接受Business Insider采访时表示，对于生物医药行业来说，人工智能（AI）是有潜能颠覆整个行业的技术。Ricks认为，现阶段技术的应用不会完全取代人的角色，而是完成一些日常管理工作，承担重复程序工作，从而解放员工，让他们把时间投入到更加有创造力的工作。礼来的目标是发展其所谓的“数字工人/等同劳动力”，这一概念有助于量化使用数字技术所节省的时间。目前，礼来正在投资人工智能、机器学习，所涉领域涵盖药物发现、自然语言生成、机器人流程自动化和聊天机器人等。Ricks 也提到了AI可以在药物发现领域发挥价值，帮助化学家打开思路。除礼来之外，赛诺菲也在这个领域野心勃勃。公司在今年6月13日发布的新闻稿的标题为Sanofi “all in” on artificial intelligence and data science to speed breakthroughs for patients。CEO Paul Hundson称，公司的目标是成为第一家由AI大规模驱动的制药公司。随着大公司们的进入，AI 成为热点已毋庸置疑，接下来的关注重点是具体如何应用的问题。为此，研发客特别开辟AI专栏来持续关注AI可能带来的巨大变革以及这条赛道中的先驱者们。我们第一篇文章将展现投资人观点，从创新源头去探寻AI的可能性。最近，研发客采访了几位专注于AI医疗领域的投资人，他们对AI应用于不同场景的现状和发展有着各自的观点。光速光合是一家专注于中国市场的创业投资基金，聚焦绿色科技、硬科技、医疗科技等领域，曾帮助耀乘健康、望石智慧、因明生物等多家医疗科技公司成长。采访中，负责医疗科技领域的合伙人高健凯认为，目前AI在药物研发方面的应用日渐成熟。而另一位不予具名的投资机构人士持有不同的观点，他更看好AI在慢病管理、轻问诊等场景的发展。成长于技术的浪潮下AI概念在最近几年进入大众视线，但实际上，早在2011年，IBM沃森就提出了将其应用于医疗领域，包括诊断、疾病研究、健康管理等等。在发展的过程中，AI经历了算法、知识图谱、深度学习、大模型等技术迭代。早期的算法只是一些比较简单的应用，比如通过计算偏好，实现初步的健康管理。在2015年前后，随着技术的进一步发展，国内外药企开始将AI 和机器学习运用于新药开发，包括靶点发现、制剂优化、mRNA药物递送等等。而在诊疗部分，AI在医疗影像、以数字靶点做疾病预判、辅助诊断等方面给的应用也逐渐成熟起来。当前的AIGC（生成式AI）技术，可以更好地模仿人类的思维，进行分析推理和学习。据光速光合负责医疗科技领域的合伙人高健凯介绍，AIGC可以应用于管理与营销环节，比如帮药企做文献整理、检索优化、生成报告、提高人工效率。也可以在药企与医生、患者的互动过程中发挥作用，做好患者管理。当然，他也提到，大模型在新药研发部分的应用还有待商榷。与药企的共谋，快还是慢近日，AI医疗投融资和交易风生水起。英伟达刚刚宣布了向生物技术公司Recursion投资5000万美元，加快用于药物发现的人工智能模型的开发。而就在今年五月，Recursion斥资8700万美元收购了两家AI制药初创公司Cyclica和Valence。此外，还有Moderna与IBM合作，探索生成式AI与量子计算在mRNA疫苗研发中的潜力；辉瑞牵手谷歌，利用AI 工具识别靶向先导化合物；Launch Theraeutics与Medidata AI达成交易，加快推进临床试验，包括提高入组率和质量。AI驱动的药物研发正在成为传统药企的另一个翅膀。国内外互联网巨头、全球的AI制药初创公司，乃至CRO企业都凭借自身优势进入这个赛道。2021年，罗氏（基因泰克）斥资1.5亿美元预付款，与Recursion达成转型合作。该项交易共启动40多个项目，利用Recursion的人工智能技术，在神经科学关键领域以及肿瘤适应症中确定新的靶点和药物。如果每个项目都成功实现商业化，后者将获得120亿美元的收益。这一动作彻底掀起了整个制药行业对AI 赋能药物研发的浪潮。辉瑞选择了与PostEra合作建立人工智能实验室。强生利用Tempus的人工智能技术和真实世界数据库进行药物开发。BMS与Exscientia合作，通过AI加速肿瘤及免疫领域的小分子候选药物。阿斯利康则从合作伙伴BenevolentAI手中，收获了慢性肾病和肺纤维化两大领域共5个药物靶点。国内企业中，英矽智能的风头正劲。6月27日，该公司正式向港交所递交上市申请，同时还宣布了一款自主研发的抗纤维化小分子候选药物INS018_055已完成2期临床试验首例患者给药。这也是全球首款由人工智能完成新靶点发现和分子设计的候选药物进入2期临床试验。自成立以来，英矽智能已先后与复星制药、EQRx等企业达成合作，去年还分别与赛诺菲和强生牵手。拓展阅读英矽智能：AI全程推动研发的样本项目+股权投资：英矽智能与复星大手笔肿瘤免疫疗法合作此外，就在今年5月，礼来与晶泰科技签署一项 AI 小分子新药发现合作。礼来将支付最高可达 2.5 亿美元的预付款及里程碑费用；针对某个未披露的创新靶点，由晶泰科技利用其特有的小分子药物发现平台 ID4Inno 研发首创新药。拓展阅读晶泰科技与礼来达成药物发现合作，以AI+实验机器人驱动首创新药研发光速光合高健凯认为，药物研发是当前AI在整个大健康应用场景中更深入、更快、更成熟的领域。“过去几年，国内外很多公司都在运用AI 的深度学习能力来推动最初的靶点发现，用AI来阅读大量文献，找出潜在可能的靶点，通过临床试验的方式来验证。”他向研发客表示。2020年，光速光合投资了剂泰医药METiS，以AI驱动、优化药物递送方式。高健凯透露，今年该公司旗下的一款药物已进入3期临床。那么，AI在药物发现领域的应用是否已进入了快车道？不同的声音来自另一位专注于医疗大健康领域的风投人士。在接受研发客采访时，他表示，尽管曾参与英矽智能的投资，但对于AI 在药物研发领域的发展仍然持保守态度。他认为，目前为止跨国药企仍然将研发的重心放在欧美市场，在中国的投入相对少一些，美国应该是当下AI研发最好的地方。而更值得关注的是，以AI 驱动的药物研发在整个商业模式上还不是特别成熟，一些技术公司的同质化也比较明显。AI数据公司如果不能与药企达成合作，就会溢出。眼下一些AI+合成生物学、AI+材料学的企业就是非常典型的例子。他更看好AI 在慢病管理、轻问诊、院外医疗等应用场景的发展势头。同时，他还提到，全球的制药巨头正在数字化营销的转型下功夫，不过目前还受到数据合规等一些因素的局限。数字疗法，越来越多入局者除了制药，AI 在诊疗方面的应用同样长袖善舞。“数字疗法”一词出现于2012年前后，即提供循证治疗干预措施，预防、管理或治疗疾病。目前，数字疗法被认为可用于精神健康疾病领域，作为认知行为疗法，通过数字方式向患者提供治疗；此外，还可应用于复杂的适应症，如糖尿病、高血压和肥胖症。在国内这可能是一个相对陌生的概念，不过早在2010年，FDA已批准了WellDoc的BlueStar糖尿病管理系统平台处方版，这是美国第一个批准的处方数字疗法。过去十年间，FDA批准了多个数字疗法，包括GAIA AG的全自动多语言抑郁症治疗deprexis、Pear Therapeutics的reSET针对药物使用障碍、“智能药片”系统Abilify MyCite。据德勤对Rock Health数字健康基金数据库数据的分析，与2019年相比，2020年美国对健康科技创新者的风险投资几乎翻了一番。2021年仍在持续增长。目前，全球数字疗法市场的年收入为34亿美元，预计到2026年，这个数字将达到131亿美元。光速光合、金鼎资本、Picus Capital等投资了一家国内数字靶点开发公司Luca Healthcare。该公司成立于2021年，核心业务是数字靶点以及基于数字靶点的数字伴随产品和数字医学产品的开发。通过声音、眼球运动、精细与大运动等人体数字化生理与行为数据，从数据维度触达精准医疗，做个性化剂量调整。目前，Luca Healthcare已经开发了40多个数字靶点。Luca Healthcare网站首页展示了患者监测业务。Luca Healthcare与阿斯利康合作，通过患者的声音来诊断慢性呼吸疾病达到90%的准确率，并且可以通过咳嗽声音预测急性发病风险，帮助判断患者是否需要提早用药或者增加用药剂量。此外，还与曙方医药合作重症肌无力的病情监控，通过声音、眼动来变化判断重症肌无力的病情，决定是否需要做更多的药物干预治疗等。高健凯表示，人体数据信息的收集会越来越普遍。跨国生命医学公司、初创公司、监管部门都在探索如何管理这类产品。同时，他还提到，未来数字靶点有可能直接作为临床终点。这样药物和数字靶点结合就更具可靠性，在研发过程中可以使用数字靶点来监控患者的药物是否有效，当然这也需要更深入地探索如何监管。监管与支付，谁来买单技术的日新月异，让AI 在大健康领域的应用无孔不入，涉及医疗服务、院内信息管理、检验/病理诊断、医疗机器人AI 等等。当然，技术从来就是一把双刃剑，为监管带来更大的考验。高健凯认为，AI在To C端的应用发展会慢一些。“我们需要有人对AIGC（生成式AI）出来的结果负责。如果直接做TO C的话，需要医生或者技术公司愿意为结果背书，监管目前还不是特别成熟。并且，在这一方面的监管也会更严格。当然这是非常必要的。”“如果直接把推荐结果给到潜在的患者或者一般民众，有可能会形成误导，风险非常高。在没办法完全替代医生，或者认可它比医生更精准的情况下，还是要有一个人来签字负责，这个目前还没办法突破。”而AI在To B端的应用，高健凯告诉研发客：“阻力相对少很多，因为大部分在这里的参与者都是专业的。比如技术公司、药企、医生。大家可以对结果予以确认，再看如何去应用。我认为To B的应用发展会快很多，不论是药物研发、销售或患者管理。”支付是另一道关键门槛。从Luca Healthcare这样的案例来看，通过数字方式更好地实现患者病情监控，药企作为获益方，愿意为此买单。而在药物研发领域，华安证券的一份研究报告中提到，AI制药公司的商业模式可分为三类：一类是软件供应商，提供算法进行软件产品授权，医药专业性较低，产品溢价低可快速切入市场并创造营收，如OpenEye、Chemical Computing Group等计算机公司采取此模式；另外也有一些公司采取向软件整合延伸，提供“电脑内服务”如Atomwise等。一类是AI+CRO的模式，提供新药研发服务，集中在临床前靶点发现、先导化合物发现，更加偏向CRO模式，临床前阶段进行向外授权，用一定新药研发风险换取较多上行空间收益，如Exscientia、Absci 等。还有一类是AI+Biotech模式，自研新药并推进临床研究，偏向创新药企模式，专业性高，进入门槛高，可在临床一定阶段向外授权或自主商业化，创造更高价值，如薛定谔、英矽智能、Relay Therapeutics、BenevolentAI、Cyclica等。编辑｜戴佳凌dai.jialing@PharmaDJ.com 总第1926期访问研发客网站可浏览更多文章www.PharmaDJ.com