Metis Pharmaceuticals

//   • 2024年前三季度，跨国药企的AI相关合作交易数为21笔，总金额达到129.32亿美元； • 海外融资额超过1亿美元的AI制药企业在2024年上半年有6家； • 剂泰医药赖才达认为，国内AI制药公司的估值比较合理； • 英矽智能任峰认为，国内的AI技术基本可以比肩全球，但算法的优化和数据的积累稍显落后。 拿下诺贝尔化学奖，仅仅是对AI的众多认可之一。“未来AI会是大势所趋，这已成为制药行业的共识，用AI的公司数量会超越不用的公司，慢慢实现产业界全面拥抱AI。”英矽智能联合首席执行官兼首席科学官任峰如是评价。 事实上，跨国药企已开始拥抱AI技术。2023年，跨国药企的AI相关合作交易数仅为11笔。而2024年前三季度，这一交易数为21笔（见下图），总金额达到129.32亿美元。艾伯维更是以2.125亿美元收购了一家AI小分子公司Landos Biopharma，这也是跨国药企首次收购一家AI制药公司。 跨国药企还建立内部AI团队。在今年诺贝尔化学奖公布的前一天，礼来任命了首任首席人工智能官（CAIO）这一新的职位，领导从药物发现、临床试验至制造等多个领域的AI 项目。此前8月，辉瑞也任命了首席AI官。在更早的2023年，赛诺菲宣布了“All in”人工智能战略，首席执行官Paul Hudson透露“赛诺菲在小分子药物发现的预测准确率超过80%，通过人工智能和机器学习化合物设计的小分子项目达到75%”。 拓展阅读 投资人如何看AI在医药行业的应用 MNC强势拥抱AI的同时，海外AI制药资本市场也正掀起热潮。2024年以来，大量的风险投资流入AI。如，超10亿美元融资的Xaira Therapeutics，创下今年以来生物医药领域的最高额融资，创始人团队里就有今年获得诺贝尔化学奖的David Baker教授。 海外火热，国内呢？ 2024年上半年，海外融资额超过1亿美元的AI制药企业就有6家，其中不乏知名投资机构a16z、ARCH Venture Partners、红杉资本，以及礼来、安进、赛诺菲等MNC。 其中Formation Bio在6月完成的3.72亿美元的D轮融资，就是由a16z领投，赛诺菲、红杉资本、Thrive Capital等跟投。 正如BMS的首席数字与技术官Greg Meyers所说，“可能一些公司还没有很好的产品或技术平台契合市场，但只要GenAI（生成式人工智能）这个词出现在宣传平台中，就会融到钱。” 相比下，今年前三季度共有19家国内AI制药公司完成融资，其中披露融资额的14家企业，其总融资额约2.63亿美元。对此，剂泰医药联合创始人&CEO赖才达评论到，近期美国市场股价波动非常大，所以有一些泡沫的可能性，中国的资本市场相对冷静一些，估值也比较合理。 的确，国内整体面临资本寒冬的情况下，AI制药领域同样难免遇到困难。不过也有好消息，晶泰科技于6月登录港交所挂牌上市，英矽智能在3月再一次向港交所递交招股书，拟香港主板IPO上市，剂泰医药完成了1亿美元的C轮融资。产品开发也有积极信息传出，9月，英矽智能的首个AI创新药物ISM001-055获得了临床2a期的积极结果。 从技术端看，赖才达认为，国内外不存在太大差异，几乎是平行时间起步，可能海外的优势体现在与大药企的合作能够更快地推进内部管线和优化平台，而国内企业在出海时要花更多精力。 任峰也表示，国内的AI技术基本可以比肩全球，但算法的优化和数据的积累稍显落后。“对AI制药公司而言，这两方面是主要壁垒。其一，目前企业大多使用的是公开数据，数据如何清洗并保证质量，这需要企业通过时间的积累和人员的培养积累达到。其二，算法需要不断经过项目验证，淘汰成功率低、优化成功率高的算法，才能提高最终由算法组合搭建产品的成功率。” 例如近期刚获得A轮融资的分子之心，创始人许锦波开创的深度学习算法RaptorX-Contact启发了后来的AlphaFold，被誉为“AI预测蛋白质结构第一人”。 并购趋势初显 新生代AI制药在资本市场火热的同时，初代AI制药企业已开始报团取暖。 8月，两家AI制药龙头公司Recursion和Exscientia宣布达成最终协议合并。两家公司都诞生于2013年最初的AI制药萌芽期，且在合并前Exscientia经历了不小的动荡。 5月Exscientia宣布裁员20%至25%，其CEO在2月被解雇，去年10月停止了一项核心产品EXS-21546的1/2期研究。 Recursion在合并前虽未有失败产品，但在合并一个月后的9月8日首次公布研究数据，主要药物REC-994的2期研究疗效有限，股价下跌超过16%。 赖才达认为，AI制药行业正面临着产品进入后期阶段的瓶颈期，在资本市场中难免遇到困境，对Exscientia来说合并是当下合适的时机。不过Recursion背后有英伟达支持，并且Recursion和Exscientia的技术和管线并不重合，整合后能强强联合、优势互补。 “两家公司是生物学能力和化学能力的结合。”赖才达解释，“Recursion的强项是生物学能力，将蛋白组学、基因组学、表观组学的数据串联起来，理清靶点跟疾病的关系，Excientia强项在小分子结构设计，在知道一个靶点口袋后，设计出达到成药需求的小分子，且从药化角度解决传统制药的问题。结合后能打通制药环节的上下游，将高通量的上游细胞数据与下游的分子设计结合在一起，进一步梳理和整合两家的管线产品，节约研发与转化的成本。” 结合新生代AI企业Xaira来分析，赖才达认为利用AI技术解决研发流程中的某一关键问题、且是传统药物研发无法解决的问题，达到足够优势，成功的概率会更大一些。 “Xaira就是依托传统制药流程，在其中某一研发环节，AI能最大限度发挥作用，利用大模型解决抗体轻链端的设计，这是很大的突破点。而Excientia和Recursion在成立之初就想做全链条的AI制药研发，从而替代传统制药的流程。”赖才达说。 Xaira与Recursion、Excientia的不同选择路径，或许可以给全球AI制药行业的生物技术公司带来一些思考和借鉴。 无论融资如何火热，最终获得市场认可仍需要产品来说话。英矽智能的TNIK抑制剂近期将临床研究推进到2期，这让我们增加了对AI制药的期待。下一篇，我们将关注那些可能最早冲线的在研产品。 编辑 | 姚嘉 yao.jia@PharmaDJ.com  总第2229期 访问研发客网站，深度报道和每日新闻抢鲜看 www.PharmaDJ.com

“这是人类科学共识上的一个转折点”，“AI生物学时代已经到来！” 2024年的诺贝尔奖揭晓后，AI横扫物理学奖和化学奖瞬间成为舆论的最大焦点，并激起了从业者阵阵惊叹。 然而，当AI逐渐开启人类科学的新纪元，在科研和产业落地之间却仍横亘着一条巨大鸿沟。AI制药领域便是鲜明例证。曾经备受资本青睐的它，如今已在经历一场大变局。 资本市场上，国内终于在2024年迎来第一家AI制药上市公司，光环缠身的晶泰科技，上市首日市值大涨了10%；另一头部玩家英矽智能紧随其后，再次向港股IPO发起冲刺；寒冬之际，仍有AI制药企业剂泰医药完成1亿美元的C轮融资。 另一边，有些事情却在给这场繁荣，泼一盆冷水：海外两家AI制药龙头公司官宣合并，看似强强联合，却也有一丝“自救”的味道；国内一家AI制药公司走到了注销的关头，而难以为继的，并非只有它一家；晶泰科技和深势科技则在开辟新能源方向，并且前者已拿下一笔约10亿元的大订单，远超其制药带来的营收。 种种迹象，似乎都预示着AI制药企业已经在寻找制药领域之外的新增长点。 市场冰火两重天的背后，是AI制药经过数年发展走到了商业化阶段，却依旧没能很好解决商业落地的关键难题。 虽然这个行业已经给我们呈现出了两种不同的商业化解法——聚焦药物发现端所衍生出来的三种模式，以及试图从医学角度颠覆制药逻辑的模式，但它们也都或多或少面临来自市场的挑战。 某药企创始人跟一家AI制药企业谈合作时，就曾灵魂发问：“你用AI一下给我提供了100个分子，是在减少我的工作量，还是增加负担？” 中国AI制药的商业化到底该怎么走通？在市场回归理性，新技术力量涌现的今天，这或许是中国AI制药企业亟需回答的核心问题。 AI制药商业化的两种解法 A. 三大主流模式： 从技术周期、资本周期和行业周期复盘过去，预测未来的AI制药，峰瑞资本合伙人马睿用不太严谨的方式划分了当今中国AI制药的发展历程。 其中，2022年以前成立的AI制药公司（基于判别式AI），是他眼中AI制药1.0时代的叙事者，贡献了如今最为主流的3种商业路径——软件服务、CXO、开发管线。 彼时，秉持利用计算和深度学习解决药物开发贵和难的问题（10年和10亿美元），一批具有物理、计算和制药交叉背景的人走到一起，催生出了中国第一批AI制药公司。 “这些公司大都瞄准药物研发的临床前阶段，并集中在小分子药物发现领域。而用AI做小分子药物研发是挑了一个最难做的问题”马睿说道。初代AI，加上最难的问题，很大程度上决定了未来商业路径的走向。 以销售软件为主的SaaS服务，是其中最直接的商业化方式。全球第一家上市的AI制药企业薛定谔，便是这一路径的代表。 2024年上半年，薛定谔凭借软件售卖，拿下了超70%的营收。只是，若商业路径局限在销售软件，天花板亦肉眼可见。薛定谔自然深谙此理，2018年开始，它就积极搭建创新药项目，试图打开市场想象空间。 回看国内英矽智能和晶泰科技的招股书，同样不难发现，尽管软件售卖毛利率很高，但其营收占比很低。开发管线和做CXO无疑是三种路径中更具想象力的两种。这也是国内多数AI制药主选的商业化道路。 不过，在选择成为AI Biotech还是AI CXO，亦或是两者兼具时，国内不少AI制药公司曾有过摇摆。有投资人曾坦言，最早的那批AI制药公司，有一些在成立后的一段时间里，都没能想清楚到底是做管线，还是做平台成为CXO。 马睿所在的峰瑞资本，完整地参与了国内AI制药1.0时代的发展。2016年，这家机构投资了晶泰科技，看中的则是它量化计算+AI+机器人的技术平台。 “与其纠结做管线还是做技术平台，不如看看是否在某一价值环节上有‘人无我有’的能力，简言之，一是要有独特价值的技术平台，二是要知道怎么基于该平台实现商业变现。”马睿说道。 2024年上半年，晶泰科技发布首份半年报，其超1亿元的营收和10亿元的大订单，无疑是这一变现努力的最好证明。 行业另一知名玩家英矽智能，走的则是开发管线进而对外授权，实现自我造血的路线。近两年，英矽智能不断调整业务，将更多精力从药物发现业务放在了资产对外授权和软件业务上。2023年，其药物开发项目对外授权带来的营收占比已到达76%，超越药物发现业务成为创收主力军，软件服务也同比增长了124%。 B. AI+疾病，颠覆制药逻辑 不同于聚焦临床前的“AI+分子”制药公司，国内也有玩家选择了另辟蹊径，试图用AI改变制药原有的逻辑。在它们的探索中，也逐渐诞生了有别于上述3类的商业模式。 中科院（计算技术研究所）孵化的哲源科技，是其中之一。“当下全球制药都是先写答案后找题目。”哲源科技联合创始人赵宇援引江涛院士的话说道。而哲源科技要做的，是用AI重新定义制药，开启新范式。“我们是先定题目再找答案。”赵宇说道。 “制药的最大短板在于临床试验，这个过程耗费的时间和资金成本占到了总成本的七八成。如果对生物学机制不清楚，写完答案（做好一个分子）才不断找题目（适应症）试错，那原先在药物发现领域缩短时间，提高效率就变得无意义。” 第一批AI设计的药物进入临床后遭遇大溃败，在赵宇看来根本原因就在于此，“AI赋能药物分子发现，并无法弥补当前临床试验超90%的失败率。而后者才是创新药研发的关键痛点。 于是，在AI制药已为人熟知的今天，哲源科技早在2020年便提出了“计算医学”这一新概念。 用赵宇的话说，哲源科技是“谋定而后动”，它所采取的方式是用AI+疾病的路径，解决致病机理不清的问题，试图实现制药的工程化。基于此逻辑，哲源科技搭建了两个AI工具平台——新靶点新机制递呈平台和虚拟临床试验平台。 “计算机上试错的宽度和维度是非常广的，我可以通过一个虚拟临床试验试几万个病人。我们的胰腺癌药物，从研究疾病机制到提出靶点，只用了三个多月。”赵宇说道。目前，哲源科技胰腺癌药物管线进展最快，已在CDE正式受理。 从计算医学入手，在临床上找“题目”，再回到药物发现端寻找“答案”分子，哲源科技基于AI的赋能方式，奠定了其商业模式。“哲源科技的定位很明确，即药物的IP工厂。哲源科技会在对疾病机制不断有科学发现的时候，将成果转化成IP。这个IP并不是一个分子，而是一个解决方案，然后跟产业合作。”赵宇解释道。 同时，他进一步拆解了IP的定义： “一类IP是已有靶点的新药IP。比如该靶点已经获得验证，通过计算医学找到该靶点新的MOA，或者新的疾病下的适用人群特征，在差异化的适应症上和人群上能获得收益； 另一类是相对全新的IP，选择的靶点本身具有新颖性，通过计算医学花费更少的资金和时间推进到临床，并且在临床过程中不断地验证和反馈，优化临床入排条件，最终获得全球权益的FIC。” 而无论哪类IP，在“低垂的果实”已几乎摘完，追求原研创新的时代，这一路径无疑有望开辟新的富矿。 AI制药能获得市场拥抱吗？ 但当下市场真的拥抱AI带来的变革吗？ “我们作为一个深度交叉的新技术，在行业里还是面临一定挑战。”赵宇并不避讳在市场上碰到的困境，他认为归根究底是新思维与传统思维的碰撞。“以前都是从循证医学的角度，理解生命的复杂度，定义疾病的分类等，但哲源科技是用工程化的概念制药，一旦跟产业落地结合，还是不免受到原来思维，尤其是仿制药思维的束缚。” 这挑战并非哲源科技一家独有。一方面，技术的革新往往快于公众的认知步伐。四年前，当哲源科技对外表示已构建了超脑大模型，“造概念”的质疑声便不少。 2022年底ChatGPT横空出世，引发了大语言模型的浪潮。2023年，马睿敏感的看到AI的变化会外溢到AI制药，他也在不少场合重点提到GPT在Biotech中的应用，当时正是AI制药投资的低潮期，生成式AI并没有激起AI制药投资人的兴奋点。 另一方面，过去的AI制药公司大都在技术尚未完全具备时，就瞄准了一个特别难的问题，以致于在商业落地上难以服众，打击了市场信心。 好比当年AI影像企业刚起步时就想要完全替代医生，但直至今天都未能实现。原因在于当时的数据量、算法和算力都不足以支撑它的商业模式。 这与过去瞄准小分子药物发现的AI制药企业，境况同样相似。即便是在今天，AI药物设计领域也尚未实现革命性突破，成功率仍旧不高。 由此带来的一个问题，便是很多AI制药企业只能做跟随式创新，FIC产品开发不足。在追求创新的时代，这也导致了一定的商业化阻力。 因此，当热潮褪去，寒冬袭来，矛盾便更为凸显。马睿直言：“1.0时期的AI制药企业手握初代工具，技术并不完全成熟。上一个资本周期流动性是充足的，但是巨额的资金集中向头部公司，这从晶泰科技和英矽智能过往的融资情况便可窥一斑——前者IPO前累计融资额高达7.32亿美元，后者则累计超过4亿美元。而80%的公司，可能都会因融不到足够的资金而倒下。” 当涌现更多AI工具，商业模式走向何方？ 时间来到2020-2024年，马睿看到了AI技术本身以及生物行业的（大）模型快速迭代，有了很大变化——2020年12月Alphafold2横空出世，解决了蛋白结构预测的问题；2023年7月发明RF Diffusion，蛋白设计从物理计算转向AI；2024年5月Alphafold3可以预测所有生物分子的相互作用，6月统一的基石模型ESM3能够实现生物分子的设计…… 如此种种，都让他感叹：“现在AI制药企业手上的工具更多了，粗略估计1.0时代的底层技术的能力也就相当于今天的1/5-1/10，而且技术还在快速迭代，这让人对未来10年非常激动。” 而他去年提到的，2.0时代GPT对制药的变革，如今已有一些团队在做这方面尝试。从某种程度上来说，这与哲源科技从生物医学角度入手，寻找创新的想法是有所契合的。 马睿将GPT在Biotech中的应用，分为了三个层次： “一是GPT驱动的NLP的进步，直接应用于生物医疗知识的提取。我们有非常多生物和药物研发相关的知识，通过GPT再学习，能不能发觉以前人脑没法发现的隐含知识和联系？ 二是聚焦在生物大分子本身，序列-结构-功能，能不能去做计算？Alphafold2已经基本解决了单体蛋白质结构的预测。而对于给定功能或结构去设计序列，则是现在迭代很快的一个领域，基本是以月为单位在进化。 三是生物分子相互作用的计算，Alphafold3就在解决这个问题。” 4个月前，峰瑞资本的天使轮项目剂泰医药，完成了1亿美元的C轮融资。该公司成立于2020年，聚焦药物递送环节。 目前，剂泰医药基于AI药物递送平台, 结合迅猛发展的大模型和生成式AI技术，已建立世界首个METiSLipidLM脂质语言模型和PhatGPT脂质生成模型, 打造了百万级脂质库，并成功突破国际专利壁垒。 马睿表示：“一家公司如果能用AI解决药物研发链条上最核心的矛盾，想象空间和市值往往会更大。” 眼下，尽管中国市场现在尚处于跟随的阶段，从通用大模型到生物制药领域的渗透速度没有美国市场快，但马睿认为，在AI制药发展处于大变化的时刻，新的机遇已经浮现，且必须紧紧抓住了。 现在是进场AI制药的好时机 “我曾在不同的场合反复讲，未来10年要抓住生物科技加AI带来的机会。”过去一段时间，马睿依旧马不停蹄地在看AI项目，未敢松懈，他透露：“今年看的AI for science的项目应该比去年多了。” 从AI生物大模型到AI材料计算，种种新兴领域，他都希望能有机会筛选出好的标的。“假如2.0时代有100家公司，我们也希望投到前五名。” 在当下投资者都趋于谨慎，对AI制药有所怀疑的时候，马睿及其所在的峰瑞资本的坚定并不多见。这家陪伴中国AI制药产业从1.0时代步入2.0时代的机构，对于当下市场的水温，并非全然不知，“行业正处于偏冷静期，也是对AI制药信仰不够强烈的时候。”马睿坦言。 从发展阶段看，中国AI制药产业在2020年左右时也曾有过信仰低潮期。医药魔方MedAlpha新药投融资数据库显示，截至2020年年底，一级市场上入场该领域的资金已超9亿美元，但市场却未能看到一个特别的革命性产品出现。 即便时间走到今天，在回应市场关心的商业化和盈利问题时，AI制药公司呈现出来的两种解法能否最终跑通，也因各自的挑战，暂时无法给出确切答案。 但另一边，新的技术力量GPT、Alphafold3和大模型已经在不断迭代。也正因如此，“现在是投资下一批AI制药公司的好时机。”马睿强调，“现在不管出来什么新技术，对市场的刺激都没以前强，这个时候进场非共识领域，会有希望找到一些非常好的公司。” 马睿对AI制药的前景是理性且乐观的。同样，赵宇也在带领团队拓展市场，不断跟行业交流。 8月底，美国FDA宣布成立AI委员会，率先开始整合AI药物开发监管流程，一度在市场中引发热议。赵宇表示，中国的监管机构对AI制药的态度，远比市场想象的要开放，关键问题在于原先的仿制药思维未能完全转变。 好在，这几年里，这一思维已经逐渐在向追求原研创新靠拢。这是赵宇感受最深的一点。而对原研的追求，势必将带来对新技术的理解宽容，直至接纳。 上个月，海外两家AI制药龙头企业一场看似“自救”的合并，也一定程度上验证了赵宇的信心。 合并前，专注于AI药物设计的Exscientia在管线上接连失误，引发股价一泻千里，Recursion同样经历了大涨大跌，即便有英伟达的注资和罗氏的合作背书，但管线上无重大进展，还是让市场信心受损。最终，Recursion以股票交易形式合并了Exscientia。 “市场上大多都感觉突然。”但赵宇并不这么认为，“两家公司，一家致力于对生物学机制的理解，提供靶点识别，另一家则聚焦药物设计，它们的合并是合理且相得益彰的。”而这样的结合，可以在哲源科技身上看到影子。 “虽然短时间内，市场可能不一定会拥抱我们这个团队，但以后大家一定会拥抱计算医学。”赵宇坚信，AI+疾病路线有望颠覆制药的逻辑，带来真正的变革。 “人们总是会高估5年之内的变化，低估10年的变化。”马睿的这番话，何尝不是AI制药当前境遇的真实写照。 但“我对AI制药的未来还是很乐观的，随着算力进化，算法不断进步，生物数据越来越多，AI带来的产品也将更符合市场需求，实现商业化落地。”从这一点上看，“未来5年出现的公司，非常值得让人期待。”马睿说道。 推荐阅读 AI制药领域最大一笔并购诞生！ 中国AI制药第一股市值180亿港元，3名麻省理工博士后今敲锣 Copyright © 2024 PHARMCUBE. All Rights Reserved. 欢迎转发分享及合理引用，引用时请在显要位置标明文章来源；如需转载，请给微信公众号后台留言或发送消息，并注明公众号名称及ID。 免责申明：本微信文章中的信息仅供一般参考之用，不可直接作为决策内容，医药魔方不对任何主体因使用本文内容而导致的任何损失承担责任。

2024的医疗AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式AI掠过医疗领域。过往的互联网医疗、医学影像、新药研发……一个一个场景经由新一代AI重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察场景、技术、风控、商业化等方方面面，才能做出决定。 因此，今年的人工智能报告将研究核心放在了“场景”与“产品”之上，尝试通过洞悉医院、药企、械企多方的供需逻辑，分析先驱者们的实战案例，为AI企业下一步的布局、选品、研发、商业化提供参考建议。 什么构成了医疗AI产品配置动力？ 拆解医疗AI的配置需求，大致可分为政策驱动与提效驱动两个方面。 在AI发展之初，政策驱动在医疗AI落地的过程中起主导作用。政策制定者通常会根据医疗卫生领域的发展现状和未来趋势，制定具有前瞻性和指导性的政策文件。这些政策文件不仅明确了医疗信息化建设的总体目标和阶段性任务，还规定了建设内容、技术要求、实施路径等关键要素。因而对于公立医院，政策需求是他们需要考虑的首要需求。 为了树立医院对于前沿技术的正确认知，引导相关产业的快速发展，我国自2016年起便开始围绕AI出台相关政策，从宏观角度出发，推动AI技术在医疗领域的应用，提高医疗服务效率和质量，最终实现医疗行业的智能化升级。 推动医疗AI发展的核心宏观政策(资料来源：蛋壳研究院) 对于医院以外的场景，同样有部分赛道需要沿着政策的方向提前布局。以生物制药为例，“722”事件后，NMPA（当时为CFDA）相继发布了《关于开展药物临床试验数据自查核查工作的公告》《关于调整药物临床试验审评审批的公告》等文件，引发了国内EDC、RTSM市场的繁荣，太美医疗等企业在系统中植入AI，使其顺势成为药企数字化的关键要素。 如今FDA鼓励药企采用数字健康技术（DHT）进行临床试验申办，间接引导着药企的进一步开展转型。以eCOA为例，美国约80%的临床研究都以eCOA的形式进行，欧洲也有60%依照这一路径，而中国只有不到5%的申办方使用了eCOA。当出海“欧美”成为大势所趋，FDA的政策也将传导至中国的药企。目前，Medidata、Veeva等企业已将AI融入数字化转型解决方案中，准备承接这波海外政策变化带来的新需求。 与政策主导下的AI需求不同，早期提效主导下的AI需求没有引导、没有给定的形态。它需要企业自身从医院的临床、运营、管理等流程中发现真正痛点，且当AI解决这一痛点时，能够为医院带来直观的收益。 众多场景之中，影像AI是最早出现也是最为直观的例子。作为AI领域应用最为广泛的应用之一，此类AI能够帮助医生处理高强度重复的阅片工作，帮助影像科提质增效。 随着AI的进一步发展及医生对于AI技术的进一步认可，许多医生、管理者开始找到AI企业主动提出需求，要求后者根据具体需求打造能够提质增效的AI解决方案。 举个例子。DRG出台后，医院的盈利逻辑由规模扩张向成本控制转变，管理者开始更加注重内部管理的精细化和科学化，提高运营效率和医疗服务质量。这个时候，传统的医疗IT系统不能满足医院精细化管理提出的各种需求，医院管理者转向AI系统寻求助力，形成了提效主导下的AI购置动力。 诸如此类的场景还有很多，尤其是当医疗机构逐步完成政策定下的基础要求，他们开始主动需求智能化升级，提升竞争力。在没有新政策出台的前提下，提效主导下的AI购置动力将逐步取代政策主导下的AI购置动力，引导医疗AI的未来发展路径。 自我突破，医疗AI形态异变 政策与提效两大购置动力支持下，国内已经孕育了一大批医疗人工智能产品，嵌入了医疗领域中的绝大多数场景。 先谈医学影像。统计有过融资记录的人工智能初创企业与公布产线的上市公司，蛋壳研究院总计对64家企业进行梳理，调研总计436个产品，覆盖了几乎所有脏器。 许多热门脏器的人工智能已经非常成熟，能够实现高精度的多病种辅助诊断，如心脏（70）、骨骼（58个）、头颈（53个）、肺部（44）等部位。一些冷门脏器也在开发之中，如肠道（5个）、泌尿（4个）、整腹（2个），部分产品已经取得了医疗器械注册证，能够实现一定程度的商业化。 2024年1-9月通过第三类医疗器械注册准入的医疗AI产品(资料来源：国家药监局官网) 再看病种，心脑血管、骨关节、肺结节、肿瘤（放疗）、眼底是当前最火热的病种，市场上的同类产品超过15种；布局肠息肉、泌尿相关等疾病的企业较少，细分赛道相对冷门。 形势背后的原因可归纳为三点： 1. 伴随标准化医疗数据获取难度的降低，市场需求全面主导影像AI的研发方向。肺癌在我国恶性肿瘤中发病率和致死率均居首位，每年死于肺癌的病人大约是65万。因此，医疗体系对于心血管AI、肺癌AI的强烈需求驱动企业围绕对应疾病进行研发。 2. 以脏器为目标的诊断取代了以单一病种为目标的诊断，驱动企业基于脏器进行全面布局。过去，影像AI的研发落地常围绕某一特定疾病进行，但影像科医生在阅读CT、X光片时，不会先入为主预设患者的患病情况，而是会逐一确认影像中的每一个细节，这种辅助模式限制了影像AI的价值。如今，影像AI企业为实现某个脏器的诊断，必须将该脏器中的热门病种逐一诊断，进而导致热门病种对应的影像AI数量激增。 3. 冷门病种虽然独立，但仍有潜力。病理、心电等场景同样存在工作量大、相关医疗资源缺乏的问题，是医疗AI落地的优质场景，但由于这类场景不属于医疗影像，主流AI公司较少跨界这一方向。此外，不少仅需二类证即可实现商业化落地，因而产品竞争相对平淡。不过，如今也有不少相关AI获批医疗器械三类证，用AI深度赋能上述细分赛道，或在未来改变这一场景的应用逻辑。 其次是医疗IT。评级仍是医院配置AI主要动力，5级以上的电子病历评级需要医院在数字化建设的基础上实现智能化部署，这意味着他们必须引入AI工具，并将其高度整合至已有的信息化体系。 2023年8月，中国医学科学院阜外医院成为国内首家获得8级电子病历评级的医院，突破了中国医疗信息化建设水平的上限。截至此时，全国总计312家医院获评高级别电子病历评级，其中1家医院获评8级，3家医院获评7级、40家医院获评6级、268家医院获评5级。 电子病历系统整体应用水平分级评价基本要求（资料来源：公开信息整理） 未来会有更多医院向电子病历高等级评级发起“冲刺”。尤其是作为高级别的入门等级，5级评级依然存在很大通过难度，未来数年内三级医院冲5望6将是主流。将为人工智能带来巨大机遇。 8级电子病历需要达成的条件（资料来源：公开信息整理） 最后谈制药AI。自2020年制药AI在一级市场迎来爆发性增长后，大量创业公司将其管线推至临床阶段。此前，AI主导的进入临床试验阶段的创新药项目仅为个位数。2021年这一数字已迅速增长至100多个，2022年维持增势突破200，2023年进一步提升，管线数量迈入300大关。 趋势之下，阿斯利康、拜耳、罗氏、礼来及赛诺菲等等MNC相继入局AI制药，国内恒瑞医药、石药集团等制药龙头也通过战略合作、股权投资等方式积极布局AI，试图通过创新技术找到研发药物的新途径。 不过，2024年的制药AI发展步伐明显放慢。 蛋壳研究院选取了39家主流制药AI公司的管线进行了调研。2023年10月31日统计数据，上述企业共有95条进入临床研究的管线，截至2024年9月1日，仅5条产线更新了最新的临床情况，进入新的阶段。 2023年10月31日—2024年9月1日更新了临床情况的管线 （资料来源：蛋壳研究院、、动脉橙产业智库） 剩下的管线中，总计有15条管线/适应症被企业从官网撤下或宣告停止。其中，临床Ⅰ期管线总计3条，占比20%，临床Ⅱ期管线总计9条，占比60%；临床Ⅰ/Ⅱ期管线总计3条，占比20%。 39家主流制药AI公司停止或被撤下的管线 （资料来源：蛋壳研究院、动脉橙产业智库） 同时，上述企业新增16条管线/适应症，与停止或被撤下的管线数量持平。这些管线中，有近一半管线来自于中国持股的AI制药企业，英矽智能、埃格林医药、冰洲石生物、剂泰医药（晶泰科技持股）占据了其中的7席。  39家主流制药AI公司新增管线/适应症 （资料来源：蛋壳研究院、动脉橙产业智库） 但放眼全球，AI制药依然充满生机。其中，英伟达近两年在该赛道频繁出手“疯狂扫货”成为AI制药回暖的重要推手。据Pitchbook、Crunchbase及动脉橙产业智库数据，英伟达在2023年及2024年（截至2024年9月5日）共参与投资超过70起，所有投资无一例外，均与AI相关，而其中至少投注AI制药企业14家，医疗其他领域企业8家。 2023年—2024年8月英伟达投资的AI制药企业 （资料来源：Pitchbook、Crunchbase、动脉橙产业智库） 此外，近两年MNC与AI新药研发及AI驱动的相关医药企业之间的合作交易也增幅显著。J.P.Morgan数据，生物制药行业交易的预付款份额自2020年来呈下降趋势，其中2024年上半年的预付款比例仅为6%。药物研发的高风险高投入属性，小额预付款无疑降低了交易的经济风险，该现象也反映了MNC在BD交易时日趋谨慎的态度。在此背景下，MNC资金更多流向AI医疗领域更是“用脚投票”，肯定了AI制药的价值。 大模型之下，生成式AI何以颠覆医疗？ 一如当年深度学习的火热，新兴的大模型正以肉眼可见的速度席卷医疗行业。不到两年时间，市面上的医疗垂直模型数量已逾百个，甚至有不少头部医院要求主动上线相关平台，自发开启人工智能次世代的探寻。 不过，科技医疗要想在医疗领域站稳脚跟，不仅需要技术本身具备充分创新，还需要相应产品高度适配于场景本身，融入医疗体系已有的流程。换句话说，属于大模型的历练，才刚刚开始。 在资本支持、市场需求推动下，医疗大模型发展迅速，不到两年时间，市面上发布的医疗垂直模型数量已逾百个。据蛋壳研究院不完全统计，2024年截至9月10日，收集到新发布的医疗大模型39个。 按蛋壳研究院《2023年医疗人工智能报告》中的九大大模型应用领域分类，近30%的大模型适用于2个及以上分类中的应用场景。其中，“辅助决策”“质控”“患者服务”应用场景依然是大模型最为集中的细分领域，其次是“中医”与“新药研发”，而“科学研究”及“治疗方案生成”领域的大模型相对稀缺，暂无“公共卫生”应用场景的新大模型发布。 尽管应用数量已成规模，但涉及的场景有些分散、未成体系、深度也有待提高，企业通过它们能够触及的市场规模总额有限，还不足以证明这项技术已经跑通了商业化之路。因此，要推动大模型的规模商业化，企业还需解决以下问题。 一、基础设施建设问题。目前完成大模型落地的医院绝大多数都是排名靠前的三甲医院，这些医院有资金、有条件进行大模型的部署。而那些排名靠后的医院乃至基层医疗机构，他们距离大模型还有一段距离。 现阶段大部分医院现有资源环境基本是面向通用计算的CPU，很少有医院有面向图形处理和并行计算的GPU资源。缺乏大模型的部署环境，医院需要在购置应用的同时配备GPU运营大模型应用，并保证足够的存储和高速的网络连接，才能保证大模型的稳定运行。 对于大多数医院而言这都是笔不小的成本。按照一个普遍科室一张RTX 4090进行估计，要供给一个院区的算力，大致需要医院投入百万元级的成本进行芯片的配置。虽然头部医院在部署大模型方面表现出极大的热情，愿意进行本地化部署，但大量医院会对这笔费用敬而远之。 二、数据整合问题。因为医院信息化系统复杂，涉及众多系统和厂商，整合患者全生命周期数据面临巨大挑战。对于众多医疗大模型公司而言，必须进一步强化大模型对于多模态数据的处理能力。 理想状态下的多模态大模型，不应只是对各类医疗数据进行分类处理，更能提取各模态数据的关键之处，给出综合性的建议。 三、应用局限性问题目前基于大模型构建的智能应用仍然没有脱离传统医疗 IT 应用的范畴，更像是互联网医疗的Plus版，虽有价值，但并非不可替代。未来，企业需要围绕医院需求构造“杀手级”应用，唤起医院购置大模型的需求，进而实现大模型的规模化落地。 以上为报告主要内容节选，扫描二维码，即可免费下载报告全文。 第一章 什么构成了医疗AI的配置动力？ 1.1 政策主导下的AI购置动力 1.2 提效主导下的AI购置动力 1.3 部分主体对于医疗AI的购置态度 第二章 自我突破，医疗AI形态异变 2.1 医学影像AI：拓宽视野，影像AI脱离影像科 2.2 信息学AI：曾经被动的管理者们，如今主动迎接医疗IT 2.3 制药AI：下行时期，在变化之中寻找新的机遇 2.4 讨论：颇具规模的AI产品矩阵，能够破解商业化难题吗？ 第三章 融资寒冬，医疗AI尽力改善现金流 3.1 一级市场融资整体回落，制药AI相对强势 3.2 交表企业普遍亏损收窄，降本创收已成AI企业经营核心 3.3 讨论：逆市之下，人工智能如何自救 第四章 大模型之下，生成式AI何以颠覆医疗？ 4.1 前沿技术：从判别式AI到生成式AI 4.2 讨论：规模商业化，大模型还要迈几步？ 第五章 医疗人工智能标杆案例 5.1 深睿医疗：自研多模态AI引擎，数智化助力医院数据资产管理 5.2 医渡科技：“双中台”助力全线产品升级，盈利能力大幅提升 5.3 埃格林医药：“自研管线+AI服务”双引擎战略，引领国内AI制药 5.4 柏视医疗：兼具AI MDT放疗与手术双产品线，领跑国内市场 *封面图片来源：神笔pro 如果您认同文章中的观点、信息，或想进一步讨论，请与我们联系；也可加入动脉网行业社群，结交更多志同道合的好友。 近 期 推 荐 声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。 动脉网，未来医疗服务平台