AI制药离患者还有多远？可能每个环节都需要一个大模型
一只实验猴子要花几万元，考虑到AI需要的数据量，“实验做不起，数据就比较少，影响AI的预测和模型开发。”
“国外有很多华人年轻学者，不用给到七八百万，可能给两百万他们就回来了。但问题是，两百万比国内一些CEO拿的还多。”
如果想要让AI真正在制药上发挥作用，还需要若干个像AlphaFold这样级别的发现，AlphaFold只是“拼图中的一块”。
责任编辑：冯叶
冯叶使用AI工具生成/图。
谈及新药研发，“双十定律”是常被提起的关键词，意在表达创新药从研发到上市面临的路程之艰：平均研发成本超过十亿美元、研发周期通常大于十年。
而人工智能（AI）的崛起有望打破这一定律。据海通证券研报，AI制药是以医药大数据为基础，通过运用机器学习、深度学习等AI技术模拟和加速实验，对药物靶点、结构、化合物等进行快速分析，以优化药物研发环节的技术手段。
2020年，谷歌（NASDAQ: GOOG, GOOGL）旗下DeepMind公司发布的AI系统AlphaFold 2因能准确地预测蛋白质的3D结构，点燃人们对AI驱动药物研发的热情，在新冠疫情对医药行业的催化下，AI制药一时入局者众。
如今近四年时间过去，实际情况却难言理想。全球范围内鲜有所谓的AI制药企业实现盈利；顶着国内“AI制药第一股”光环的晶泰科技（2228.HK）登陆港交所后屡屡破发；两家在纳斯达克上市的AI制药龙头公司Recursion（NASDAQ：RXRX）和Exscientia（NASDAQ：EXAI）宣布合并，被市场认为是“抱团取暖”。
进入2024年，一些昔日明星初创AI制药企业被传清算，不少公司在破产边缘徘徊。市场上也仍未出现由AI设计的药物。
AI制药究竟遇到了什么麻烦？真正由AI设计的药物离患者还有多远？
“跑出来的寥寥无几”
药物研发过程通常可以分为四个环节：药物发现，包括动物实验在内的临床前研究，在人体进行Ⅰ期到Ⅲ期临床实验，最后是新药申请。当前AI制药大都针对药物发现和临床前研究。
蔡诚是一家上市药企的计算药物科学家，他告诉南方周末，AI在药物发现和临床前研究环节有两大重要任务：选择正确的靶点，找到针对该靶点的临床前候选分子。
其中，找到正确的靶点是整个药物研发的第一步，对整个新药研发项目起到决定性作用。
如果把疾病比作一把锁，那么靶点即锁芯，如果能够找到锁芯，研究出锁芯的立体结构，那么就可以为其配备一把专有钥匙——新药。
临床前候选分子，指的是已完成动物实验等环节，等待在人体进行临床试验的药物分子。“AI被认为能让这两个环节加速、提效。”蔡诚说。
华创证券分析师援引波士顿咨询公司（BCG）统计研究报告数据指出，过去10年，AI发现的药物分子临床试验数量增长迅速，年复合增速超过60%，但目前大部分还停留在临床Ⅰ期。
上述数据还显示，截至2023年12月24日，共有24个AI发现药物分子完成Ⅰ期临床，21项成功，成功率远高于40%-65%的行业历史平均水平；共有10个AI发现药物分子完成Ⅱ期临床，4项成功，持平/略高于行业30%-40%的历史平均水平。
如果保持上述临床Ⅰ/Ⅱ期成功
登录后获取更多权限
校对：星歌
180****8842
“AI制药”应以制药为目的，AI只是手段。药物研发本质是创新、创造，一个好的研发项目更像是一件艺术品，艺术是无法用AI创造。但有一点，药物研发要符合物理原理、化学原理，这点可以用计算加速，但需要的资源也会更多。最可怕的是“AI制药”如果把AI作为了目的，那就本末倒置了。