Adapsyn Bioscience, Inc.

注：本奖项申报将于2025年4月30日截止近年来，人工智能（AI）技术突飞猛进。与此同时，AI技术的颠覆性突破，正从算法层面向产业深处渗透。AI技术的迅猛发展已深刻重塑医药行业，从药物研发到临床诊疗，乃至全球产业链的协同模式均经历颠覆性变革。AI工具通过机器学习（ML）与大数据分析，将传统药物研发的“双十魔咒”（十年周期、十亿美元成本）大幅压缩。回顾2024年，各大跨国制药公司（MNC）都在为AI制药按下加速键——从靶点发现、分子设计到临床试验优化，AI技术将大幅缩短药物研发周期、提高新药开发效率。那么全球巨头药企们在2024年具体有哪些AI制药领域的合作？他们在AI制药领域有着怎样的布局？医药魔方Pro挑选了2024年制药业务收入排名前十的MNC巨头（推荐阅读：2024年全球药企TOP10），收集、整理了他们2024年在AI制药领域的合作和布局，供读者参考。01. 辉瑞早在2016年，“宇宙大药厂”辉瑞就与全球AI领域知名公司IBM达成合作，使用Watson的ML等技术进行新药物靶点识别、组合疗法的研究和患者的选择。2018年，辉瑞任命了一位首席数字官——Lidia Fonseca，负责制定和实施“加速和提高公司数字能力的战略”，奠定了公司数字化转型的基础。此后的几年，辉瑞相继宣布与Adapsyn、晶泰科技、Atomwise、CytoReason、Gero、Tempus等AI制药公司达成合作协议，涵盖靶点发现、小分子药物发现、免疫疾病模型、抗体药物研发等多个方面。2024年8月，辉瑞任命Berta Rodriguez-Hervas加入其数字领导团队，担任首席人工智能和分析官（Chief AI and Analytics Officer）。TRIANA Biomedicines2024年10月15日，辉瑞宣布与TRIANA Biomedicines达成战略合作和许可协议，以发现用于多个疾病领域（包括肿瘤学）的针对多个靶点的新型分子胶降解剂。TRIANA Biomedicines的药物发现平台由高分辨率的结构信息、AI和计算工具以及定制的化学文库驱动。根据协议条款，TRIANA Biomedicines将获得4900万美元的预付款，并有资格获得超过15亿美元的里程款。（推荐阅读：超15亿美元！辉瑞“加码”分子胶）02. 默沙东默沙东是最早“拥抱”AI制药的MNC之一。公开资料显示，2012年，默沙东就与Numerate公司合作研发心血管疾病的治疗方法。Numerate主要是利用ML软件研发治疗神经退行性疾病、心血管疾病和肿瘤的新兴治疗方案，并致力于为开发小分子疗法的企业提供药物设计平台。近几年，默沙东分别与AbSci、BigHat Biosciences、BenevolentAI、Exscientia等AI制药公司达成合作。2024年是全球AI制药合作遍地开花的一年，对默沙东来说也不例外：Unnatural Products2024年1月24日，默沙东宣布与Unnatural Products（UNP）达成总额约2.2亿美元合作，将应用UNP在AI与化学上的专业来设计和开发针对肿瘤治疗靶点的大环类候选药物。Variational AI2024年1月25日，默沙东实验室宣布与Variational AI公司达成合作，将利用Variational AI的Enki生成式AI平台，设计创新和选择性小分子药物。Evaxion Biotech2024年9月26日，默沙东与丹麦AI制药公司Evaxion Biotech就两种临床前候选疫苗（EVX-B2和EVX-B3）达成了期权和许可协议。其中EVX-B2是一种基于蛋白质的淋病候选疫苗，EVX-B3靶向一种未公开的感染因子。Evaxion将获得最高1320美元的预付款。此外，Evaxion还有资格获得每个产品5.92亿美元的里程款，交易总金额近12亿美元。03. 强生近年来，强生已为其AI能力投入了数亿美元。华尔街日报称，强生聘请了约6000名数据科学和数字专家，这些专家不仅精通数据科学，还具备生物学、化学和药物研发等多领域的知识。此外，强生还拥有名为Med的大型数据库，包含超3PB的信息，涵盖真实世界数据和临床试验结果。这些数据为AI模型提供了丰富的训练素材，帮助加速药物开发。早在2013年，强生就与AI制药顶尖公司Exscientia建立合作，将Exscientia的设计技术应用于新化合物的发现。2020-2023年间，强生相继与英矽智能、Tempus、SRI International、Aqemia、Intellomx等AI制药公司建立合作。Odyssey Therapeutics2024年4月4日，强生旗下杨森制药宣布与Odyssey Therapeutics达成战略研究合作，共同发现和优化针对特定治疗靶点的小分子药物。两家公司将结合各自在AI、ML、计算化学和药物发现方面的专长，共同发掘难以成药靶点。BigHat Biosciences2024年4月24日，杨森制药宣布与BigHat Biosciences达成合作，这一战略合作将强生的药物发现、临床开发和数据科学专业知识，与BigHat的Milliner™平台相结合，后者是一套与高速湿实验室集成的ML技术，用于指导多个神经科学治疗靶点的高质量抗体的设计和选择。晶泰科技2024年10月10日，杨森制药宣布与晶泰科技下属部门Ailux Biologics签署大分子药物发现AI平台授权协议。根据协议，晶泰科技商业授权杨森及其附属公司使用晶泰自主开发的XtalFold™ AI平台进行大分子药物的发现和工程化设计。04. 艾伯维Alphabet（谷歌母公司）旗下的抗衰老研究公司Calico致力于了解衰老的生物学特性。艾伯维与Calico的合作关系始于2014年，艾伯维负责推动Calico研究发现的开发和商业化。2020年，艾伯维子公司Cerevel Therapeutics宣布与Cyclica开展研究合作，利用AI加速神经科学新药的发现。Cerevel将使用Cyclica专有的AI平台来筛选、鉴定、设计和评估针对神经科学疾病预先指定靶点的化合物。2023年1月，艾伯维宣布与Anima Biotech合作，利用AI发现和开发针对肿瘤学和免疫学靶点的mRNA生物学调节剂，Anima将获得4200万美元的预付款。2023年12月，艾伯维宣布与BigHat Biosciences合作，利用AI和ML发现下一代治疗性抗体。BigHat将获得3000万美元的预付款，并可能有资格获得高达约3.25亿美元的里程款。2024年，艾伯维又宣布一项AI制药方面的合作：Gilgamesh Pharmaceuticals2024年5月13日，艾伯维与Gilgamesh Pharmaceuticals达成合作协议，利用后者在新型神经功能重塑因子（neuroplastogens）的创新平台，共同开发新一代精神疾病药物。Gilgamesh Pharmaceuticals将药物化学方面的专业知识与AI发现和平台相结合，加速了新型精准精神疗法的创造。根据协议，艾伯维支付6500万美元预付款，19.5亿美元里程款。05. 阿斯利康在AI制药领域，阿斯利康的布局多元且深入。2017年，阿斯利康与Berg Health、Roivant等新一代AI和数据驱动型的公司合作，完成了在AI制药领域的试水。2019年，阿斯利康开启了新的战略方向：包括由数字、数据和AI驱动的未来医疗战略，并在内部进行了一次根本性的组织架构调整，数据科学和AI部门应运而生。2023年11月，阿斯利康宣布推出一家新的全球健康科技公司Evinova，正式进军AI CXO领域，为药企、CRO公司提供包括实验解决方案、研究设计和规划以及管线资产管理的三大类服务。同年，阿斯利康也大刀阔斧地进行AI革命，相继和SandboxAQ、Verge Genomics、Saama、Nanoform、AbSci等多家AI制药公司达成合作。Nabla Bio2024年5月14日，Nabla Bio宣布完成2600万美元A轮融资，同时与阿斯利康、BMS和武田达成战略合作，前期付款和里程款超5.5亿美元。Nabla开发了集成的AI和湿实验室技术，能够实现原子精度的药物设计和药物功能的高通量测量，公司的研究重点是针对多通道膜蛋白的抗体，包括G蛋白偶联受体（GPCR）、离子通道和转运体。（推荐阅读：同一天，AI制药新锐宣布A轮融资、与三家MNC超5.5亿美元合作）06. 罗氏现阶段AI药物研发的痛点之一是数据问题，罗氏是最早押注制药领域大数据的MNC之一。2018年，罗氏以19亿美元前瞻性收购肿瘤大数据领头羊Flatiron Health的全部股份。同一年，基因泰克与医疗数据化分析公司GNS Healthcare达成协议，使用其AI平台分析已知疗法在肿瘤中的功效。2021年，罗氏与拥有国家级大数据中心的天津港保税区结盟成为长期战略合作伙伴，共同开展包括个体化医疗研究等多方面的合作。2023年，罗氏宣布扩大与Shape Therapeutics（简称ShapeTX）的合作伙伴关系。双方的合作始于2021年8月，当时达成了总金额可能超30亿美元的合作协议。此次扩大合作，ShapeTX将利用其专有的AI RNA编辑平台，开发一种潜在的一次性疗法。Dyno Therapeutics2024年10月24日，罗氏宣布与Dyno Therapeutics达成第二项研究合作，开发针对神经疾病的下一代AAV基因疗法。双方此前于2020年10月宣布了一项针对神经疾病和肝脏定向疗法的研究合作与许可协议。Dyno Therapeutics是一家利用AI推动体内基因递送的生物技术公司。根据此次新合作协议，Dyno Therapeutics将进一步向罗氏提供其领先的平台和序列设计技术，促进体内基因递送。罗氏将向Dyno支付5000万美元的预付款，以及超10亿美元的里程款。07. 诺华与其他MNC类似，诺华在AI制药领域也经历了早期探索阶段。2017年6月，诺华与IBM Watson Health达成了合作，用AI技术来改善乳腺癌治疗方案。在此之前，诺华与Cota Healthcare也进行了类似的合作。2019年，诺华与微软合作，建立AI创新实验室，作为其AI和数据科学战略的重要一环。该实验室旨在增强诺华AI从研究到商业化的能力。其核心是创新的AI模型和应用程序，从生成化学、图像分割和分析开始，解决生命科学领域一些最困难的计算挑战。近年来，诺华不断深化对外合作与技术拓展，2024年相继宣布了多项AI制药领域的合作：Isomorphic Labs2024年1月7日，数字生物公司Isomorphic Labs宣布与诺华和礼来达成战略合作。其中与诺华的合作涉及三个未公开的靶点，Isomorphic Labs将获得3750万美元的预付款，并有资格获得高达12亿美元的里程款。Generate Biomedicines2024年9月24日，诺华宣布与Generate:Biomedicines达成多靶点合作，以发现和开发横跨多种疾病领域的蛋白质疗法。此次合作利用了Generate专有的生成式AI平台The Generate Platform，通过基于AI的优化和从头生成，创造潜在的first-in-class及best-in-class分子。根据协议条款，诺华将向Generate支付总计6500万美元的预付款，其中1500万美元用于购买Generate的股权。此外，Generate还将获得超过10亿美元的里程款，以及分层版税。（推荐阅读：超10亿美元！诺华“牵手”AI制药明星公司）BioAge Labs2024年12月18日，诺华宣布与BioAge Labs进行多年研究合作。该合作旨在通过研究驱动与衰老相关疾病的生物学机制和介导体育锻炼的有益作用，鉴定和验证多种新型治疗药物靶点。BioAge Labs搭建基于AI技术的高通量目标识别平台。根据协议条款，BioAge将获得高达2000万美元的预付款和研究资金，以及未来高达5.3亿美元的长期研究、开发和商业里程款。08. BMS在AI制药合作方面，BMS可以称得上是数量最多的MNC之一。2020年，BMS分别与Schrödinger（总金额27.55亿美元）和PsychoGenics达成合作；2021年，与Exscientia达成合作（总金额12亿美元）；2022年，与Envisagenics达成合作。2023年，BMS分别与CHARM Therapeutics、Tempus、Terray Therapeutics等多家AI制药公司达成了合作。2024年，BMS继续发力，与四家AI制药公司达成了合作：VantAI2024年2月13日，BMS宣布与VantA达成合作，借助生成式AI技术，加速分子胶的发现。此次合作将结合VantAI在几何深度学习方面的积累以及BMS在靶向蛋白降解剂开发方面的经验。根据协议，VantAI将有资格从BMS获得高达6.74亿美元的里程款。（推荐阅读：6.74亿美元！BMS“加码”AI制药，这次目标是分子胶）Nabla Bio2024年5月14日，Nabla Bio宣布完成2600万美元A轮融资，同时与阿斯利康、BMS和武田达成战略合作，前期付款和里程款超5.5亿美元。Nabla开发了集成的AI和湿实验室技术，能够实现原子精度的药物设计和药物功能的高通量测量，公司的研究重点是针对多通道膜蛋白的抗体，包括G蛋白偶联受体（GPCR）、离子通道和转运体。（推荐阅读：同一天，AI制药新锐宣布A轮融资、与三家MNC超5.5亿美元合作）Menten AI2024年5月28日，BMS宣布与Menten AI达成研究合作和许可协议。Menten AI是一家专门从事AI设计生成大环肽的biotech公司。合作利用了Menten AI平台，该平台结合了ML、基于物理的模型和量子化学模拟，以简化设计和优化过程。AI Proteins2024年12月3日，BMS宣布与AI Proteins达成合作，利用AI Proteins强大的发现平台发现和开发基于微蛋白质的新型疗法。AI Proteins将获得一笔预付款，交易总价值高达4亿美元。09. 礼来近年来，礼来通过一系列战略投资和合作，逐步深化了在AI制药领域的布局。2019年以来，礼来相续与Atomwise、Biolojic Design、Verge Genomics、Genesis Therapeutics、晶泰科技、Fauna Bio等多家AI制药公司合作，合作范围涵盖RNA靶向疗法、小分子药物开发和抗菌药物研发等领域。2024年10月，礼来宣布任命Thomas J. Fuchs为首席AI官（CAIO），标志着礼来对AI的重视上升到新的高度。同时，2024年，礼来在AI制药合作方面继续“加大马力”：Isomorphic Labs2024年1月7日，数字生物公司Isomorphic Labs（简称IsoLabs）宣布与诺华和礼来达成战略合作。其中与礼来的合作包括针对多个靶点的小分子治疗研究，Isomorphic Labs将获得4500万美元的预付款，以及高达17亿美元的里程款。Genetic Leap2024年9月5日，礼来与Genetic Leap达成基因疗法药物开发合作，将利用Genetic Leap的RNA靶向药物的AI平台，为礼来选定的靶点开发寡核苷酸药物。根据协议条款，除了分级特许权使用费外，Genetic Leap还将从礼来获得高达4.09亿美元的里程款。（推荐阅读：4.09亿美元！礼来与AI制药公司达成合作，共同开发寡核苷酸疗法）Axcelead DDP2024年9月5日，礼来与Axcelead Drug Discovery Partners（简称Axcelead DDP）就多个药物发现项目达成战略研究和合作协议。Axcelead DDP通过其成熟的药物发现能力和包括AI在内的创新技术来生产候选药物。Insitro2024年10月9日，礼来宣布与AI制药公司Insitro签署三项战略协议，双方共同推进治疗代谢疾病的潜在新药，包括代谢功能障碍相关的脂肪性肝病（MASLD）。前两项协议中，礼来为Insitro提供了获得GalNAc（N-乙酰半乳糖胺）递送技术许可的选择权。第三项协议中，Insitro和礼来将合作发现和开发针对代谢疾病的第三个新靶点的抗体。（推荐阅读：双赢！礼来与AI制药公司达成最新合作）10. 赛诺菲近年来，赛诺菲与多家专长不一的AI药企进行了深度绑定，如Owkin、Exscientia、天演药业、英矽智能、CytoReason、SandboxAQ、百图生科、Aqemia等。2023年6月，赛诺菲宣布，全公司数字化转型迈出下一步，“all in”AI和数据科学，为患者加速取得突破性成就。这也是第一家高调宣布全面高举AI战略的MNC。2024年以来，赛诺菲在AI制药领域依然动作不断：Formation Bio、OpenAI2024年5月21日，赛诺菲宣布与OpenAI、Formation Bio建立合作伙伴关系，以加速AI在药物开发中的应用，三方将共同构建一款AI驱动的药物开发软件。Healx2024年11月13日，赛诺菲宣布与Healx达成合作，双方将利用Healx的AI药物发现平台Healnet，以及赛诺菲的化合物来确定新的疾病适应症。小结除了上文提到的MNC，默克、吉利德、拜耳、勃林格殷格翰、武田等巨头也在2024年纷纷加码AI制药。合作范围极为广泛，不仅涵盖利用AI研发多靶小分子、抗体、ADC等药物，还涉及FIC靶点发现、集成AI平台等领域。2024年，AI制药迎来高速发展。从biotech到MNC，再到传统药企，都在更加积极拥抱AI，推动创新药研发迈向“智造”时代。这表明AI制药的影响力正在不断扩大，越来越多的制药巨头正凭借其强大的技术与资源优势，加速AI技术在药物研发中的应用，进一步推动整个行业的创新与变革。参考资料：[1]各公司官网[2]Business Wire官网推荐阅读专访晶核余海华 | 核药赛道“十二问”尧唐生物吴宇轩：基因编辑迎来「中国解法」医药魔方Pro洞察全球生物医药前沿趋势赋能中国源头创新成果转化媒体合作：15895423126Copyright © 2025 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。

前言“10年时间，10亿美元，10%成功率。”常被用来形容新药上市的难度和窘迫现状。然而根据美国塔夫茨大学药物开发研究中心(CSDD)发布的数据，截至2014年，研发一款新药至上市的成本约为26亿美元，与2003年相比，增长了145%。不仅如此，创新药研发遵循反摩尔定律，随着低垂的果实被摘完，创新药的研发周期会越来越长、难度也会越拉越大。而AI制药能够通过全产业链赋能，优化创新药的发现时间、增加药物研发的成功率。AI制药即指利用人工智能进行药物研发，含：数字生物学、计算机药物发现、实验室自动化、AI辅助临床试验等。AI技术在制药领域的应用价值主要体现在降本增效，例如可以缩短试验周期、节省成本、促进新事物发现、提升试验成功概率等。特别是，AI技术可以有效地用于不同环节，如药物设计、化学合成、药物筛选、多药理学和药物再利用等。据《药理科学趋势》杂志于2019年发表的来自IBM Watson Health 人工智能团队的综述文章《临床试验设计中的人工智能》指出，AI可以加快药物临床试验的成功，从而助力破解“反摩尔定律”难题。因此，AI制药概念备受热捧。近日，MNC巨头陆续公布半年报，其中不约而同地强调了AI工具在他们的药物开发、制造和商业化方面的重要作用。那么这些巨头药企们在AI制药领域有着怎样的布局？近期他们又有哪些孵化/投资AI制药的动作？下面我们根据行业媒体Endpoints News的报告，来一探究竟。  01  武田制药（Takeda）在近期的投资者电话会议上，武田制药（Takeda）表示，公司利用AI工具在生产制造方面，通过图像识别提高了生产线的效率；在临床研究方面，人工智能优化了测试临床试验方案和加速试验的进程；在商业化方面，人工智能优化了和医生的数字互动。随着武田全球战略性调整，这家拥有240多年历史的“百年老店”正在将科技公司的特质与自身制药企业的基因相融合。“挖掘数据与技术的潜力”已成为武田关键战略之一。自2017年来，武田制药至少与4家AI药物发现和临床前公司展开了合作。2017年6月，Numerate宣布与武田达成一项多年期协议。多个合作项目将依靠Numerate的AI平台，针对武田的核心治疗领域进行活性化合物发现、先导化合物设计和优化等；2019年1月，AI药物研发公司Recursion Pharmaceuticals宣布与武田扩大合作，以评估和确定罕见病的新型临床前候选药物。2021年，作为武田数字化创新生态的一部分，武田正式启动创新孵化器TakedaSpark，旨在探索高附价值的创新医疗方案和规模化的落地场景。2023年2月，武田斥资40亿美元，从一家波士顿创业公司手里买下了一款银屑病药物，其背后的化合物配方正是该公司花费6个月时间利用AI选择出来的。今年年内，该款药物将进入Ⅲ期临床试验，有望成为AI发现药物的最新范例。投行杰富瑞曾预期，这款药物如果成功获批上市，将给武田带来37亿美元的年收入。今年3月，武田与初创公司 Arzeda 合作，这是一家蛋白质设计初创公司。武田将利用Arzeda 的蛋白质智能设计技术，来加速优化可纳入治疗产品的蛋白质。该合作旨在帮助改进武田研究管线中的治疗性蛋白质。总之，AI制药、数字化转型之于武田的意义，不亚于这家公司曾经历的从传统中草药向化学制药、再到生物制药的业务变革，以及从本土化迈向全球化演进等关键转折。  02  阿斯利康(AstraZeneca) 在投资者电话会议上，阿斯利康表示，其使用AI优化位于瑞典的全球最大生产基地之一的生产计划，使调度时间缩短90%。在AI制药领域，阿斯利康可谓是领头羊般的存在。2017年，阿斯利康与Berg Health、Roivant等新一代AI和数据驱动型的公司合作，完成了在AI制药领域的试水。2019年，阿斯利康开启了新的战略方向：包括由数字、数据和人工智能驱动的未来医疗战略，并在内部进行了一次根本性的组织架构调整，数据科学和AI部门应运而生。从这一年开始，阿斯利康频繁与AI制药公司合作，包括和BenevolentAI、Gatehouse Bio等公司合作开发新药和新靶点；利用AI制药先驱Schrödinger的软件来提高其自动化化合物合成的效率等。公开数据显示，在2016-2020年间，阿斯利康产品开发的成功率达到31%，高于行业平均水平。2021年的投资者大会上，阿斯利康的生物制药研发执行副总裁Mene Pangalos指出，公司50%的小分子项目正在应用AI方法，同时将效率提升70%。2023年6月，阿斯利康与卡迪夫大学（Cardiff University）合作，进行了一项新研究，即利用AI创造出能有效运输药物，并且可以精确瞄准和治疗患病细胞的微观粒子。该研究使用四种测定法来测量siRNA和小分子治疗对纳米颗粒摄取和运输机制的影响，从而确定用于改善递送的具体机制。研究使用先进的图像分析与机器学习相结合来关联治疗，从而增加 LNP 的功能传递与机械分析中的特定表型特征。该研究表明，机器学习和AI可以成为构建更有效的纳米疗法设计过程中不可或缺的一部分。除AI制药外，阿斯利康还在积极布局AI诊断和疾病管理，作为其核心药物的生态圈，提升对精准医学、慢病管理等领域的能力。  03  罗氏（Roche） 同样在投资者电话会议上，罗氏表示其开发了内部的语言模型，类似ChatGPT。在AI制药方面，罗氏旗下子公司基因泰克（Genentech）与AI公司Genesis Therapeutics在2020年10月达成多目标合作协议。罗氏利用Genesis Therapeutics的图形机器学习和药物发现专业知识，为多个疾病领域的治疗目标确定创新的候选药物。同年，罗氏与Dyno Therapeutics达成合作许可协议，应用Dyno的CapsidMa平台为罗氏的产品组合开发下一代腺相关病毒载体，用于中枢神经系统疾病的基因治疗和肝脏导向治疗。2021年12月，基因泰克与数字驱动药物发现公司Recursion合作，通过Recursion的操作系统（OS）利用技术赋能的药物发现，在神经科学的关键领域以及肿瘤适应症中更快速地确定新的靶点和先进药物。今年，罗氏在AI制药领域还未传出合作交易的声音。  04  葛兰素史克（GSK） 据Endpoints News报道，葛兰素史克（GSK）正在使用新技术来预测患者反应，包括协助入组和识别生物标志物等。例如，GSK将其乙肝药物bepirovirsen的II期数据与AI和机器学习相结合，分析了五个患者群体，来更好地了解该疾病在不同人群中的表现，以及患者对药物的反应。GSK在AI制药的布局始于2017年。这一年，GSK宣布与AI制药公司Exscientia达成合作，Exscientia将为其在多达10个疾病相关靶点上，发现新型选择性小分子。同年，GSK与英矽智能（Insilico Medicine）合作，以发现新的生物靶点和分子。2018年，GSK宣布与Cloud Pharmaceuticals合作，利用Cloud专有的AI驱动工艺为GSK指定靶点设计新型小分子药剂。 2020年，GSK与英伟达、阿斯利康和英国国家医疗服务局建立新合作伙伴关系，计划建造英国最强大的超级计算机，并将其用于医疗保健领域的人工智能研究。2022年4月，GSK和PathAI宣布合作，以推进肿瘤学和非酒精性脂肪性肝炎（NASH）的临床试验和药物开发。PathAI正在开发AI驱动的数字病理学工具来分析组织样本，寻找特定的生物标志物。2022年10月，GSK宣布扩大与Tempus在精准医学领域的合作，GSK使用Tempus的AI平台和机器学习（ML）能力，来与Tempus合作改进临床试验设计、加快临床注册并确定药物靶点。这将有助于GSK提高药物研发成功率，并更快地为患者提供更个性化的治疗方案。2023年2月，GSK与美国生物统计学CRO公司Cytel达成合作，双方将算法与云计算能力相结合，临床开发团队可以使用AI软件快速生成数千个试验模型，用于针对大量临床试验的不确定性进行压力测试，包括治疗效果和入组率，并通过可视化的方式提供量化科学和商业权衡的能力。  05  辉瑞（Pfizer）早在2016年，辉瑞就与全球人工智能一流公司IBM达成合作，使用Watson的机器学习等技术进行新药物靶点识别、组合疗法的研究和患者的选择策略。2018年，辉瑞任命了一位首席数字官——Lidia Fonseca，负责制定和实施“加速和提高公司数字能力的战略”。2020年，辉瑞与初创公司Saama Technologies达成协议，运用AI帮助辉瑞更好地发掘临床实验数据，加速临床试验进程并将药物快速推向市场。2022年1月，辉瑞与数字疗法公司Alex Therapeutics达成合作，将联手为患者提供基于证据、经过临床验证和个性化的数字治疗。2022年6月，辉瑞和真实世界数据公司Truveta合作，后者能够实时获取超过5000万患者的完整电子病历数据，从而帮助辉瑞实时发现、监控和评估潜在安全性信号。2022年12月，辉瑞开始建立机器学习研究中心（WRDM Machine Learning Research Hub），大规模招聘计算人才，包括聘请各个项目的负责人，希望引领生物制药行业进入下一波创新浪潮。辉瑞还与Adapsyn、晶泰科技、Atomwise、CytoReason等AI制药公司达成合作协议，涵盖靶点发现、小分子药物发现、免疫疾病模型、抗体药物研发等多个环节。今年上半年，辉瑞分别与以色列理工学院、AI和精准医疗公司Tempus、张江孵化器孵化企业智化科技以及谷歌云等开展合作，进一步探索AI在制药领域的运用。表注：2023上半年辉瑞在AI药物研发相关的合作（根据公开资料整理）作为一家百年老店，辉瑞对数字化转型展现出了极大的热情，在AI制药、临床试验、大数据、患者服务与投融资方面，都进行了深入的布局。  06  赛诺菲（Sanofi）赛诺菲曾经宣布全公司数字化转型迈出下一步，“All in”人工智能和数据科学，为患者加速取得突破性成就，代表了赛诺菲全力押注AI的决心。2021-2022两年时间，赛诺菲深度绑定了9家专长不一的AI药企。2021年11月，赛诺菲向Owkin独家投资1.8亿美元，同时宣布了一项价值9000万美元、研究四种癌症的新疗法合作。该公司将机器学习和生物学相结合，建立AI疾病模型，以开发生物标志物并确定新的药物靶点。2022年1月，赛诺菲与Exscientia共同开发至多15款肿瘤或免疫相关的小分子新药，赛诺菲支付1亿美元预付款、52亿美元里程碑金额。2022年3月，赛诺菲与天演药业合作，利用后者的安全抗体SAFEbody技术，开发四种掩蔽单克隆与双特异性潜在抗体。此后，还与英矽智能合作，进行不超过6个创新靶点的候选药物研发。赛诺菲还推出了大规模AI平台plai，这是赛诺菲与人工智能平台公司Aily Labs共同开发的AI应用程序，可提供实时、反应性的数据交互，是一个集成了公司内部数据的AI大脑，从研发、临床到制造都能够为公司提供分析决策。不过到了2023年，赛诺菲在AI药物研发的布局速度明显慢了下来。今年截至6月份，仅披露1起赛诺菲布局AI的事件，即今年1月，赛诺菲与 CytoReason合作，使用CytoReason的 AI 平台，帮助其在炎症性肠病 (IBD) 领域寻找新靶点。目前，赛诺菲在以AI为驱动力的小分子优化、抗体研发、临床试验设计及分析、mRNA疫苗设计等各个领域都有布局和深度合作。  07  诺华（Novartis）诺华一直以创新药、并购闻名于世，并取得了巨大的商业成功。同时应该看到的是，数字创新也是诺华探索的重要方向。2017年6月，诺华与IBM Watson Health达成了合作，用人工智能技术来改善乳腺癌治疗方案。稍早之前的几个月，诺华与Cota Healthcare也进行了类似的合作。2019年，诺华与微软合作，建立AI创新实验室，作为其AI和数据科学战略的重要一环。该实验室旨在增强诺华人工智能从研究到商业化的能力。其核心是创新的AI模型和应用程序，从生成化学、图像分割和分析开始，解决生命科学领域一些最困难的计算挑战。近两年来，诺华在AI领域的布局鲜见报道。除了以上提到的药企外，百时美施贵宝、默沙东、拜耳、强生、礼来、安斯泰来等制药巨擘均在AI制药领域有所布局。他们或以投资/收购的方式与AI制药公司合作，或以孵化器赋能AI制药初创企业的方式进行加入。这些巨头们不仅仅满足于AI在药物发现阶段的运用，还将其应用到其他更多的环节。  08  AI制药面临的难题虽然AI技术在生物制药领域的应用取得了很大的进步也展现出很多潜力，但依然面临着很多挑战。首先大部分AI制药企业缺乏大体量的优质药物研发数据用来训练以及优化算法模型。药物研发数据视为药企的生命河，药企不会轻易对外开放，这就导致目前公共数据库内的数据并不能很好地实现建模，高质量的数据很少且难获取。其次目前AI技术在伦理和监管方面缺乏基准和共识，在AI技术产生的结果专利及监管等方面，仍然需要完善的监管规定。另外，受宏观经济下行以及AI在制药领域尚未取得成果的影响，与往年相比，MNC们目前在AI领域的布局更加谨慎。不过，一项新技术的落地总需要一个过程，尤其是当一个新的工具下沉到一个产业中去时，它需要AI技术专家和药物产业专家双方去全力融合。AI的出现正在推动当前世界新药的研发方式由传统的“专家+试验”的方式，向“AI+自动化实验”，再加专家的数据驱动方式转变，以提高创新药的研发效率和成功率。药企要做的就是给AI更多的机会和耐心，可以预见，未来数年如果AI技术迭代取得突破，对于创新药从终极产品到产业链到研发思路和效率的影响将是巨大的。胜利将属于那些以合作精神拥抱AI技术，并做时间的朋友的那批人。参考资料：1.https://endpts.com/astrazeneca-roche-takeda-gsk-tout-ai-tools-during-half-year-earnings-reports/.2.https://phys.org/news/2023-06-ai-generated-nanoparticles-capable-modern-medicines.html.3.https://www.dynotx.com/news/press-releases/.4.Recursion loops in Roche, Genentech for multibillion-dollar AI drug discovery deal.5.https://www.sanofi.com/en/media-room/press-releases/2023/2023-06-13-12-00-00-2687072.封面图来源：123rf精彩推荐药研之“星”，等你来挑战FDA亲自帮忙修改临床终点，结果还是没打过安慰剂...药时代路演第三期 | 抗体领域龙头企业优质系列双抗对外授权7月“裁报季”，15家药企宣布裁员！点击这里，与药时代一起快乐学习！

前言“10年时间，10亿美元，10%成功率。”常被用来形容新药上市的难度和窘迫现状。然而根据美国塔夫茨大学药物开发研究中心(CSDD)发布的数据，截至2014年，研发一款新药至上市的成本约为26亿美元，与2003年相比，增长了145%。不仅如此，创新药研发遵循反摩尔定律，随着低垂的果实被摘完，创新药的研发周期会越来越长、难度也会越拉越大。而AI制药能够通过全产业链赋能，优化创新药的发现时间、增加药物研发的成功率。AI制药即指利用人工智能进行药物研发，含：数字生物学、计算机药物发现、实验室自动化、AI辅助临床试验等。AI技术在制药领域的应用价值主要体现在降本增效，例如可以缩短试验周期、节省成本、促进新事物发现、提升试验成功概率等。特别是，AI技术可以有效地用于不同环节，如药物设计、化学合成、药物筛选、多药理学和药物再利用等。据《药理科学趋势》杂志于2019年发表的来自IBM Watson Health 人工智能团队的综述文章《临床试验设计中的人工智能》指出，AI可以加快药物临床试验的成功，从而助力破解“反摩尔定律”难题。因此，AI制药概念备受热捧。近日，MNC巨头陆续公布半年报，其中不约而同地强调了AI工具在他们的药物开发、制造和商业化方面的重要作用。那么这些巨头药企们在AI制药领域有着怎样的布局？近期他们又有哪些孵化/投资AI制药的动作？下面我们根据行业媒体Endpoints News的报告，来一探究竟。  01  武田制药（Takeda）在近期的投资者电话会议上，武田制药（Takeda）表示，公司利用AI工具在生产制造方面，通过图像识别提高了生产线的效率；在临床研究方面，人工智能优化了测试临床试验方案和加速试验的进程；在商业化方面，人工智能优化了和医生的数字互动。随着武田全球战略性调整，这家拥有240多年历史的“百年老店”正在将科技公司的特质与自身制药企业的基因相融合。“挖掘数据与技术的潜力”已成为武田关键战略之一。自2017年来，武田制药至少与4家AI药物发现和临床前公司展开了合作。2017年6月，Numerate宣布与武田达成一项多年期协议。多个合作项目将依靠Numerate的AI平台，针对武田的核心治疗领域进行活性化合物发现、先导化合物设计和优化等；2019年1月，AI药物研发公司Recursion Pharmaceuticals宣布与武田扩大合作，以评估和确定罕见病的新型临床前候选药物。2021年，作为武田数字化创新生态的一部分，武田正式启动创新孵化器TakedaSpark，旨在探索高附价值的创新医疗方案和规模化的落地场景。2023年2月，武田斥资40亿美元，从一家波士顿创业公司手里买下了一款银屑病药物，其背后的化合物配方正是该公司花费6个月时间利用AI选择出来的。今年年内，该款药物将进入Ⅲ期临床试验，有望成为AI发现药物的最新范例。投行杰富瑞曾预期，这款药物如果成功获批上市，将给武田带来37亿美元的年收入。今年3月，武田与初创公司 Arzeda 合作，这是一家蛋白质设计初创公司。武田将利用Arzeda 的蛋白质智能设计技术，来加速优化可纳入治疗产品的蛋白质。该合作旨在帮助改进武田研究管线中的治疗性蛋白质。总之，AI制药、数字化转型之于武田的意义，不亚于这家公司曾经历的从传统中草药向化学制药、再到生物制药的业务变革，以及从本土化迈向全球化演进等关键转折。  02  阿斯利康(AstraZeneca) 在投资者电话会议上，阿斯利康表示，其使用AI优化位于瑞典的全球最大生产基地之一的生产计划，使调度时间缩短90%。在AI制药领域，阿斯利康可谓是领头羊般的存在。2017年，阿斯利康与Berg Health、Roivant等新一代AI和数据驱动型的公司合作，完成了在AI制药领域的试水。2019年，阿斯利康开启了新的战略方向：包括由数字、数据和人工智能驱动的未来医疗战略，并在内部进行了一次根本性的组织架构调整，数据科学和AI部门应运而生。从这一年开始，阿斯利康频繁与AI制药公司合作，包括和BenevolentAI、Gatehouse Bio等公司合作开发新药和新靶点；利用AI制药先驱Schrödinger的软件来提高其自动化化合物合成的效率等。公开数据显示，在2016-2020年间，阿斯利康产品开发的成功率达到31%，高于行业平均水平。2021年的投资者大会上，阿斯利康的生物制药研发执行副总裁Mene Pangalos指出，公司50%的小分子项目正在应用AI方法，同时将效率提升70%。2023年6月，阿斯利康与卡迪夫大学（Cardiff University）合作，进行了一项新研究，即利用AI创造出能有效运输药物，并且可以精确瞄准和治疗患病细胞的微观粒子。该研究使用四种测定法来测量siRNA和小分子治疗对纳米颗粒摄取和运输机制的影响，从而确定用于改善递送的具体机制。研究使用先进的图像分析与机器学习相结合来关联治疗，从而增加 LNP 的功能传递与机械分析中的特定表型特征。该研究表明，机器学习和AI可以成为构建更有效的纳米疗法设计过程中不可或缺的一部分。除AI制药外，阿斯利康还在积极布局AI诊断和疾病管理，作为其核心药物的生态圈，提升对精准医学、慢病管理等领域的能力。  03  罗氏（Roche） 同样在投资者电话会议上，罗氏表示其开发了内部的语言模型，类似ChatGPT。在AI制药方面，罗氏旗下子公司基因泰克（Genentech）与AI公司Genesis Therapeutics在2020年10月达成多目标合作协议。罗氏利用Genesis Therapeutics的图形机器学习和药物发现专业知识，为多个疾病领域的治疗目标确定创新的候选药物。同年，罗氏与Dyno Therapeutics达成合作许可协议，应用Dyno的CapsidMa平台为罗氏的产品组合开发下一代腺相关病毒载体，用于中枢神经系统疾病的基因治疗和肝脏导向治疗。2021年12月，基因泰克与数字驱动药物发现公司Recursion合作，通过Recursion的操作系统（OS）利用技术赋能的药物发现，在神经科学的关键领域以及肿瘤适应症中更快速地确定新的靶点和先进药物。今年，罗氏在AI制药领域还未传出合作交易的声音。  04  葛兰素史克（GSK） 据Endpoints News报道，葛兰素史克（GSK）正在使用新技术来预测患者反应，包括协助入组和识别生物标志物等。例如，GSK将其乙肝药物bepirovirsen的II期数据与AI和机器学习相结合，分析了五个患者群体，来更好地了解该疾病在不同人群中的表现，以及患者对药物的反应。GSK在AI制药的布局始于2017年。这一年，GSK宣布与AI制药公司Exscientia达成合作，Exscientia将为其在多达10个疾病相关靶点上，发现新型选择性小分子。同年，GSK与英矽智能（Insilico Medicine）合作，以发现新的生物靶点和分子。2018年，GSK宣布与Cloud Pharmaceuticals合作，利用Cloud专有的AI驱动工艺为GSK指定靶点设计新型小分子药剂。 2020年，GSK与英伟达、阿斯利康和英国国家医疗服务局建立新合作伙伴关系，计划建造英国最强大的超级计算机，并将其用于医疗保健领域的人工智能研究。2022年4月，GSK和PathAI宣布合作，以推进肿瘤学和非酒精性脂肪性肝炎（NASH）的临床试验和药物开发。PathAI正在开发AI驱动的数字病理学工具来分析组织样本，寻找特定的生物标志物。2022年10月，GSK宣布扩大与Tempus在精准医学领域的合作，GSK使用Tempus的AI平台和机器学习（ML）能力，来与Tempus合作改进临床试验设计、加快临床注册并确定药物靶点。这将有助于GSK提高药物研发成功率，并更快地为患者提供更个性化的治疗方案。2023年2月，GSK与美国生物统计学CRO公司Cytel达成合作，双方将算法与云计算能力相结合，临床开发团队可以使用AI软件快速生成数千个试验模型，用于针对大量临床试验的不确定性进行压力测试，包括治疗效果和入组率，并通过可视化的方式提供量化科学和商业权衡的能力。  05  辉瑞（Pfizer）早在2016年，辉瑞就与全球人工智能一流公司IBM达成合作，使用Watson的机器学习等技术进行新药物靶点识别、组合疗法的研究和患者的选择策略。2018年，辉瑞任命了一位首席数字官——Lidia Fonseca，负责制定和实施“加速和提高公司数字能力的战略”。2020年，辉瑞与初创公司Saama Technologies达成协议，运用AI帮助辉瑞更好地发掘临床实验数据，加速临床试验进程并将药物快速推向市场。2022年1月，辉瑞与数字疗法公司Alex Therapeutics达成合作，将联手为患者提供基于证据、经过临床验证和个性化的数字治疗。2022年6月，辉瑞和真实世界数据公司Truveta合作，后者能够实时获取超过5000万患者的完整电子病历数据，从而帮助辉瑞实时发现、监控和评估潜在安全性信号。2022年12月，辉瑞开始建立机器学习研究中心（WRDM Machine Learning Research Hub），大规模招聘计算人才，包括聘请各个项目的负责人，希望引领生物制药行业进入下一波创新浪潮。辉瑞还与Adapsyn、晶泰科技、Atomwise、CytoReason等AI制药公司达成合作协议，涵盖靶点发现、小分子药物发现、免疫疾病模型、抗体药物研发等多个环节。今年上半年，辉瑞分别与以色列理工学院、AI和精准医疗公司Tempus、张江孵化器孵化企业智化科技以及谷歌云等开展合作，进一步探索AI在制药领域的运用。表注：2023上半年辉瑞在AI药物研发相关的合作（根据公开资料整理）作为一家百年老店，辉瑞对数字化转型展现出了极大的热情，在AI制药、临床试验、大数据、患者服务与投融资方面，都进行了深入的布局。  06  赛诺菲（Sanofi）赛诺菲曾经宣布全公司数字化转型迈出下一步，“All in”人工智能和数据科学，为患者加速取得突破性成就，代表了赛诺菲全力押注AI的决心。2021-2022两年时间，赛诺菲深度绑定了9家专长不一的AI药企。2021年11月，赛诺菲向Owkin独家投资1.8亿美元，同时宣布了一项价值9000万美元、研究四种癌症的新疗法合作。该公司将机器学习和生物学相结合，建立AI疾病模型，以开发生物标志物并确定新的药物靶点。2022年1月，赛诺菲与Exscientia共同开发至多15款肿瘤或免疫相关的小分子新药，赛诺菲支付1亿美元预付款、52亿美元里程碑金额。2022年3月，赛诺菲与天演药业合作，利用后者的安全抗体SAFEbody技术，开发四种掩蔽单克隆与双特异性潜在抗体。此后，还与英矽智能合作，进行不超过6个创新靶点的候选药物研发。赛诺菲还推出了大规模AI平台plai，这是赛诺菲与人工智能平台公司Aily Labs共同开发的AI应用程序，可提供实时、反应性的数据交互，是一个集成了公司内部数据的AI大脑，从研发、临床到制造都能够为公司提供分析决策。不过到了2023年，赛诺菲在AI药物研发的布局速度明显慢了下来。今年截至6月份，仅披露1起赛诺菲布局AI的事件，即今年1月，赛诺菲与 CytoReason合作，使用CytoReason的 AI 平台，帮助其在炎症性肠病 (IBD) 领域寻找新靶点。目前，赛诺菲在以AI为驱动力的小分子优化、抗体研发、临床试验设计及分析、mRNA疫苗设计等各个领域都有布局和深度合作。  07  诺华（Novartis）诺华一直以创新药、并购闻名于世，并取得了巨大的商业成功。同时应该看到的是，数字创新也是诺华探索的重要方向。2017年6月，诺华与IBM Watson Health达成了合作，用人工智能技术来改善乳腺癌治疗方案。稍早之前的几个月，诺华与Cota Healthcare也进行了类似的合作。2019年，诺华与微软合作，建立AI创新实验室，作为其AI和数据科学战略的重要一环。该实验室旨在增强诺华人工智能从研究到商业化的能力。其核心是创新的AI模型和应用程序，从生成化学、图像分割和分析开始，解决生命科学领域一些最困难的计算挑战。近两年来，诺华在AI领域的布局鲜见报道。除了以上提到的药企外，百时美施贵宝、默沙东、拜耳、强生、礼来、安斯泰来等制药巨擘均在AI制药领域有所布局。他们或以投资/收购的方式与AI制药公司合作，或以孵化器赋能AI制药初创企业的方式进行加入。这些巨头们不仅仅满足于AI在药物发现阶段的运用，还将其应用到其他更多的环节。  08  AI制药面临的难题虽然AI技术在生物制药领域的应用取得了很大的进步也展现出很多潜力，但依然面临着很多挑战。首先大部分AI制药企业缺乏大体量的优质药物研发数据用来训练以及优化算法模型。药物研发数据视为药企的生命河，药企不会轻易对外开放，这就导致目前公共数据库内的数据并不能很好地实现建模，高质量的数据很少且难获取。其次目前AI技术在伦理和监管方面缺乏基准和共识，在AI技术产生的结果专利及监管等方面，仍然需要完善的监管规定。另外，受宏观经济下行以及AI在制药领域尚未取得成果的影响，与往年相比，MNC们目前在AI领域的布局更加谨慎。不过，一项新技术的落地总需要一个过程，尤其是当一个新的工具下沉到一个产业中去时，它需要AI技术专家和药物产业专家双方去全力融合。AI的出现正在推动当前世界新药的研发方式由传统的“专家+试验”的方式，向“AI+自动化实验”，再加专家的数据驱动方式转变，以提高创新药的研发效率和成功率。药企要做的就是给AI更多的机会和耐心，可以预见，未来数年如果AI技术迭代取得突破，对于创新药从终极产品到产业链到研发思路和效率的影响将是巨大的。胜利将属于那些以合作精神拥抱AI技术，并做时间的朋友的那批人。参考资料：1.https://endpts.com/astrazeneca-roche-takeda-gsk-tout-ai-tools-during-half-year-earnings-reports/.2.https://phys.org/news/2023-06-ai-generated-nanoparticles-capable-modern-medicines.html.3.https://www.dynotx.com/news/press-releases/.4.Recursion loops in Roche, Genentech for multibillion-dollar AI drug discovery deal.5.https://www.sanofi.com/en/media-room/press-releases/2023/2023-06-13-12-00-00-2687072.