有关专家认为，AI医药将成为国内医药行业弯道超车的契机。应以人工智能医药为切入点，加强对这一新兴领域的前瞻性政策支持，推动中国整体创新医药产业的原始自主创新最终将实现中国创??新的海外扩张。我国AI医药产业的“后发优势”近年来，中国本土AI医药企业不断涌现，涉及新药研发全链条，涵盖靶点识别与验证、药物发现、临床前研究等多个阶段和临床研究。有关专家认为，欧美国家目前处于AI医药3.0初期，中国处于2.0初期。国内大部分AI药企正处于动物试验、药效和毒理学验证阶段，今年晚些时候可能进入临床前候选化合物阶段，有望在两到三年内进入3.0初期。美国仍主导着全球AI药物管线的布局。据智库“智慧药政”统计，截至6月20日，全球共有26家AI药企，约51个AI辅助药物管线进入临床I期。其中，超过80%是美国公司，中国公司只有Insilicon、Unknown、IcelandStone这3家。目前已经上市的AI药企龙头基本都是欧美公司，目前还没有中国公司。日本武田制药公司亚太开发中心负责人王林博士在接受记者采访时表示，中国本土人工智能企业和生物科技企业在人工智能辅助药物研发方面的能力迅速提升。一些本土企业已经开发出自己的专利开发平台，甚至开始探索国际企业尚未涉足的前沿领域，如小分子晶体结构预测、初级药物设计等。2021年开始，大量国内资金开始进入AI新药研发企业。当年一个月内，3家中国人工智能药企获得种子轮融资。近两年来，备受业界关注的融资项目有3起。首先是总部位于香港的InsiliconIntelligence，该公司去年成功筹集了2.55亿美元，用于推进AI开发的候选药物进入临床试验，并推进算法调整以发现更多新目标。北京网石智能科技有限公司也在同年4月成功融资1亿美元。2020年9月，总部位于深圳的晶泰科技也成功融资3.19亿美元。此外，腾讯、百度、字节跳动等国内互联网巨头也纷纷将强大的AI算力转向药物研发设计领域。中国在利用人工智能技术辅助新药研发方面具有得天独厚的优势，这将为国内医药行业带来弯道超车的历史机遇。如果这项新兴技术能够灵活应用，国内药企有可能成为行业龙头，进入全球范围内的领先行列。”王林说。一方面，充足的大数据是训练AI的关键，中国人口基数大，医院规模大，更有利于大规模数据的收集和整合。其次，中国目前约有3000家CRO（即合同研究机构）企业，这为药企将多家CRO企业同时纳入药物研发、并行进行多项实验创造了可能：比较不同的结果是人工智能学习进步的关键。必要的过程还可以降低成本并提高质量。但相关专家认为，我国在人工智能方面更具竞争力，在医药方面略逊一筹。专注于智能药物设计平台的生物科技公司元一智能创始人兼CEO潘禄荣博士告诉记者，我国在AI算法方面与欧美没有差距，甚至可以超越，但对数据的理解和应用、生物学和转化医学的基础建设、知识体系的健全程度、人才储备以及整个医药行业的标准和质量管理、产业链和供应链都远远落后于中国。国外。浙江工业大学智能医药研究院院长段洪良也认为，中国的AI水平与美国不相上下，但医药行业还远远落后。在AI与各行业的融合中，与医药行业的融合难度更大，也不是一蹴而就的。我们应该尊重药物研发规律，花时间打磨。“新旧融合”的挑战与风险虽然人工智能已经渗透到医药研发的方方面面，但新兴产业与传统产业的结合仍面临着数据、算力、政策等诸多挑战与风险.有关专家认为，AI医药产业存在以下挑战和风险，也是我国发展该产业需要重点关注的重点。数据和计算能力问题。行业专家任锋认为，未来AI医药的竞争将从算法竞争过渡到数据竞争。第一个挑战是数据量。只有海量干净数据的持续输入，才能充分训练AI模型，提高其准确率。其次，是数据标准化的问题。目前大部分数据来源于科研经费、出版物等公开数据。数据清洗和整合比AI建模更费时费力。浙江工业大学智能医药研究院院长段洪良表示，目前我国大部分企业通过公共数据库获取药物研发数据，质量低、数量少，需要生成并从化学和生物实验室收集数据。此外，还有计算能力的限制。模拟蛋白质或分子空间构象需要高精度。目前，即使是超级计算机也无法穷尽所有组合。新药开发的不确定性。潘禄荣表示，创新药研发最大的风险和挑战是人类对疾病的认识还很浅。在过去的20年里，尽管我们对各种细分疾病的生物学和病理学的认识逐渐提高，但在分子生物学和人类基因组学的帮助下，仍有大量未知。此外，从整体运作来看，新药研发的时间跨度较长，很多好的科研项目受资金、政策环境等各种外部影响无法继续开展。“如果立项的科学家没有足够的毅力去面对过程中的种种质疑，在资金、产业环境等障碍面前继续前行，再好的想法也可能半途而废。”潘禄荣说，所以政策和产业资本对创新团队和科学家的支持非常重要。领域整合是“不可接受的”。AI医药是一个高度封闭保密的行业和最开放的行业的碰撞。”潘禄荣荣都说AI与制药的结合是生物实验和计算机科学的知识体系和方法重新融合的过程，两种气质截然相反：国际大型制药公司发展了数百年，拥有丰富的知识、经验和数据但壁垒严格。如今，医药行业仍以专家经验为主，对拥抱数字化有天然的抵触情绪。AI领域强调“开放”，训练数据的广度和质量非常重要。博士生导师西湖大学生命科学学院教授，??西湖近江（杭州）郭天南，fo旗下生物科技有限公司也认为，医药是一个保守的领域。目前，大型药企很难改变框架。传统药企的创新成本非常高。相反，会出现新成立的公司，行业面临洗牌。复合型人才极度短缺受访专家均指出，复合型人才匮乏是行业最大的痛点，而国内复合型人才短缺尤为严重。任峰表示，目前仍有人了解传统药物研发，但也相信人工智能或愿意将人工智能技术用于创新药物研发。很少。AI医药需要更多有传统经验，能以开放的视野接受AI技术的人。潘禄荣也认为，生物、化学、医学、AI技术等复合背景的人才太少，专家团队也面向不同领域。此外，国内顶层设计的AI人才紧缺。这样的人才不仅要有算法工程背景，还要有AI系统工程、生物化学等交叉学科训练，实现顶层架构，实现技术落地。郭天南表示，中国在该领域的人才培养体系有待完善。生物医药是科学家，发展路径是本科，保研，博士。懂业务的人大多在传统企业。在国外很容易找到商业合作伙伴，这在中国相对稀缺。高校教师或科研人员创业面临体制机制阻力。国际政治环境影响合作。当前，疫情和政治因素等国际环境并不好。确定性会对供应链、人才流动、会议等科研交流和国际合作产生负面影响，阻碍人工智能创新药物的发展。潘禄荣表示，现在任何创新药研发都离不开全球产业链，外包研发服务非常成熟。例如，CRO服务，从早期化学和生物合成到体外试验和临床试验，在全球范围内由许多细分公司承担，中国也承担了产业链的重要一环。因此，我们不可能完全依靠一国的力量来推动一个真正的创新药物研究项目，最终还是国际合作的结果。激活我国AI医药产业刻不容缓相关专家建议，应从制度上充分激发我国AI医药产业活力，在人才培养、监管审批、园区建设、数据等多方面给予支持管理，从而推动AI制药实现我国创新药研发的“革命”。一是加强复合型人才培养，吸引跨国人才。有关专家认为，AI医药是一个非常前沿的领域，中外人才差距较大。应采取措施充分调动全球人力资源。加快复合型人才培养。段洪亮表示，要打破计算机和生物医学专业人才壁垒，着力培养复合型人才。郭天南建议，生物科学家专攻领域，视野狭窄，很难有跳槽到另一个行业学习新事物的动力。可以建立机制，鼓励部分生物医学博士自主创业。此外，高校生命科学领域的博士名额太少。例如浙江大学生命科学方向的博士生导师，平均三年只能招收一名学生，无法充分发挥一大批顶尖大学教授的能力。系统内科研人员需要更多支持，有一批高级人才。转换项目。在资源配置和项目评审中，除了寻找领域内的权威专家外，投资者也是一个评估群体，相对来说更加客观和敏感。充分调动跨国人才。任峰表示，目前人工智能医药领域的海外人才比国内更为发达，希望能出台更多优惠政策，便利海外高层次人才的引进。潘禄荣也认为，要有灵活的工作时间、多元的激励方式、线上线下的协同模式，才能有效调动全球资源。目前，很多国外一线药企的核心研发人员都是中国人，尤其要寻找这个群体。在政策方面，可以放宽相关签证政策，吸引特殊技能人才，为他们提供更好的生活和科研环境。二是前瞻性加速监管审批。为了满足紧急临床需求或特殊情况下，国外一些监管机构试图在充分的AI大数据支持的基础上，减少一些临床前研究，以加快新药研发进程，甚至直接加速到人体临床试用阶段。王林表示，希望我国药监局等监管部门在加快引进具有临床价值的创新药物的基础上，继续科学评估国外监管机构的最新监管措施，制定更多前瞻性的——结合国内实际情况和需要，研究政策法规。例如，在一些特定领域，如果有合适的人工智能技术，可以建立虚拟动物模型进行测试，也可以作为临床前研究效果的参考。任锋还表示，期待监管部门缩短AI新药临床试验申请审批的等待时间，AI药企也期待与监管部门合作制定完善行业标准，让AI的发展中国的人工智能药物将更加规范。三是推进复合型产业园区建设。任峰表示，人工智能药学是一门交叉学科，期待以政府为主导的人工智能、生物制药等交叉学科孵化园，联合上下游产业，形成良好的产业生态。园区可以建设一些配套设施，比如提供算力支持的超级计算中心、可以验证早期AI药物研发的共享实验室等。四是加强数据和隐私管理。王林表示，AI制药涉及大量的数据支撑和应用。相关企业在评估是否采用新兴人工智能算法或数字工具时，首要考虑的应该是数据安全和隐私保护。潘禄荣也认为，医药领域数据的保密性与AI领域对数据的依赖存在矛盾，需要新的加密技术、行业合作机制、创新的数据资产业务管理机制来解决解决。
