0
AI制藥正在一步步兌現行業對它的期待。
據統計，制藥公司研發一款新藥平均需要花費26億美元，以及長達10年的研發時間，即使成功進入臨床試驗階段，藥物研發的失敗率仍然高達90%以上。
目前，全球用AI來輔助藥物研發的公司已經超過200余家。尤其是AlphaFold2的橫空出世，讓非醫藥出身領域的百度、騰訊、華為、字節跳動等科技巨頭也紛紛布局AI醫藥領域。
與此同時，一些較早期就專注深耕AI新藥研發的企業，已經用實際成果印證AI的潛力。
2014年，晶泰科技創立于麻省理工校園，以計算驅動創新，解決藥物臨床前研究中的效率與成功率問題。公司將量子物理、人工智能與超大規模云計算相結合，實現對小分子藥物重要特性的快速、準確預測，在藥物發現、設計和藥物固相篩選等領域擁有多項技術。
近年來，晶泰科技陸續與多家藥企以及生物科技公司實現合作。
去年，晶泰科技獲得C輪3億美元的融資。4月，晶泰科技宣布與希格生科的肺癌新靶點藥物發現合作中， 利用AI算法與疾病模型的驗證與反饋，兩家公司僅用半年多就獲得了全新靶向藥的PCC（臨床前候選），標志著AI制藥全新的突破。
當下，AI新藥研發是否會成為下一個創業的熱門賽道？AI在新藥領域是否真的前景無限？借此機會，雷鋒網與晶泰科技CEO馬健進行了一次對話。
雷鋒網：從2020年開始，AI藥物研發的行業熱度升高，下半年接連出現多個融資事件，背后的原因有哪些？是否意味著其已經成為新的投資和創業風口？
馬健：2020年的資本市場里，生物醫藥行業的熱度非常高。
我之前看到的一個數據是，2020年一、二級市場總體的募資規模是2087億，這個數量相當于2018年、19年的總和。這其中有多重政策因素的推動。
中國的創新藥，從2015、16年開始起航，其次是2018年的港交所引入18A章，對尚未盈利的生物醫藥公司敞開大門。兩年來，借助于港股市場的政策優勢，和國家對生物醫藥產業的重點支持，未盈利生物藥企得到了前所未有的關注。2019年7月，科創板正式開市。
打通一二級資本市場后，生物醫藥行業形成了很好的流通機制。從細分賽道來看，AI藥物研發是中國創新藥一個很重要的主題。
此外，從一致性評價開始，到2018年的帶量采購。仿制藥的利潤空間受到了很多的擠壓，大量的仿制藥企面臨轉型的巨大壓力，尋找獲得創新藥研發的外部加持。
所以，中國生物醫藥的發展和戰略轉型不是一個單純的口號，是上到政策、中到市場，進而體現在整個行業的大勢所趨。
過去幾年，中國的創新藥還是快速跟進式的藥物發現——fast-follow-on新藥。但是，結合全球市場的競爭格局，我們必須做到 First-in-class（首創新藥）。只有往“首創新藥”的方向走，才能夠在未來的5到10年，讓中國的生物科技企業真正具備市場競爭力，現在行業已經非常清晰地認識到了這一點。
AI藥物研發面向的是藥物研究整體效率和成功率的優化，尤其是面向源頭創新階段，AI是一個非常重要的新手段，也是中國藥企“彎道超車“的重要伙伴。所以，AI制藥風口背后，是中國醫藥產業轉型升級的強勁東風，也是中國藥物研發領域巨大發展空間的體現。
雷鋒網：是什么契機讓你創辦這家公司？2020年月，晶泰科技也獲得了C輪3億美元融資，能否談談當時創辦晶泰科技時印象深刻的事情。
馬?。?/strong>回頭看來，晶泰科技的創辦是“天時、地利、人和”。
2014年我們在波士頓組建團隊時，正是國內雙創大潮最熱火朝天的時候，而中國的生物醫藥又經歷了一個非常重要的節點——2014到2015年，我們看到仿制藥一致性評價開始啟動，中國醫藥行業進入一個新的周期。
晶泰科技的成立，可以說是踩中了一個行業發展的好節點。
而在技術層面，AI算法、計算化學等技術的發展，也在刷新行業的高度。
2018年，我們與輝瑞制藥簽訂戰略研發合作，為他們提供商業化的AI服務。我們融合量子物理與人工智能，建立小分子藥物模擬算法平臺，提高算法的精確度和適用廣泛度，讓更多的預測可以在藥物發現中得到使用落地。
在此之后，我們將底層技術的應用領域從研究晶體結構拓展至藥物發現、藥物設計，向藥物研發的源頭推進，其實也是推動了AI藥物研發行業的整體進步，并在很多客戶合作中證明了整個平臺的價值。所以，去年的融資也是對晶泰科技的一種肯定。
雷鋒網：晶泰科技的技術亮點和業務構成有哪些？
馬?。?/strong>一開始，晶泰科技是以量子物理、量子化學為根基，從微觀世界的物理模型開始，來構造一個很底層、但是具備很高拓展性的核心研究能力。
以這一核心能力為原點，讓我們可以從原子、電子層面，對藥物分子的表現和與靶點蛋白質之間相互作用，實現非常高精度的描述、模擬，這就是晶泰科技量子物理計算方法的本質。
因此，從這些技術基礎出發，晶泰科技主要是從計算的角度為藥物研究提供一套全新的基礎設施，尤其在數字化和智能化兩方面進行技術創新和貢獻。
我們的主要業務在兩個方面，一個是在藥物的開發環節，通過對藥物的晶型和鹽型、水合物等固體形態的準確預測減少藥物開發實驗探索的成本。比如說，晶型預測。
小分子藥物必須通過系統的固態研究，普遍是通過實驗篩選完成。在有限的時間內，利用有限的原料藥篩選出最佳藥用晶型是一項很有挑戰的實驗工作。
針對不同的體系復雜度，固態實驗需要少則幾個月、多則一年以上的研發周期，還面臨轉晶、臨床期間更換申報晶型、上市后晶型專利被挑戰的風險。晶泰科技結合量子化學、人工智能和云計算技術，從底層構建了一個高性能晶型預測平臺。
基于前沿的算法和龐大的計算資源支持，快速、高精度的晶型預測技術可以在2～3周內確認潛在的藥物晶型，并給出晶型在生產、存儲的自然溫度區間內的熱力學穩定性排位。
精確預測與實驗篩選相結合，可以幫助藥企快速判斷實驗篩選是否充分，判斷篩選出的晶體粉末的純度，準確判斷實驗晶型的穩定性風險，鎖定最優晶型，這就能夠有效加速研究和決策過程，大幅降低固體形態在后期應用的風險。
如今，晶泰科技的固態研究算法已經成為我們的“拳頭產品“，被越來越多的國內外藥企青睞，速度、準確度遠遠走在學界與工業界的前沿。并提供全套的晶型實驗、MicroED晶體結構確認和結晶工藝開發服務。
另外一類業務是在藥物發現環節。
以小分子藥物為例，我們目前擁有化學空間全覆蓋的藥物分子通用力場、高精度藥物活性預測、目標導向的人工智能分子結構生成、針對性優化的藥物性質評估模型等一系列核心技術，覆蓋靶點發現后到臨床試驗前的全部研發步驟，提供包括苗頭化合物篩選、先導化合物產生、先導化合物優化在內的多項服務。
我舉一個例子。
先導化合物優化（Lead Optimization）是新藥研發活動中極其重要的一個階段，也是一個復雜的多變量優化的過程。這個階段通過對先導化合物化學結構的修飾，在保持其生物活性的前提下，進一步改善分子的選擇性、物理化學性質、藥代動力學和毒理學性質，最終優化得到一個安全有效、具有開發價值的臨床前候選藥物（Pre-clinical candidate，PCC）。
不論是me-too, me-better類新藥，或者是first-in-class類新藥，其研發過程一般都需要耗費大量的資源和時間，因此非常有必要引入高效的優化方法。
我們的算法平臺可以針對指定的靶點，生成結構新穎的分子骨架，準確預測新分子的理化性質及成藥性質，尤其是與靶點的結合活性。這樣可以充分利用AI的創造力，發現遠超過人類認知的潛力分子。
雷鋒網：AI可以在制藥的多個流程中實現應用：靶點發現、化合物篩選、化合物合成、優化臨床實驗設計等等。目前，從AI在新藥研發領域的整體應用看，主要集中在靶點發現階段，即主要集中在新藥研發早期，而化合物合成、化合物篩選、晶型預測等環節的企業數量較少。出現這種現象的原因是什么？技術難度還是其他？
馬健：從我們看到的行業情況來看，大部分企業還是在化合物發現階段，而基于AI技術的靶點發現還比較早期，在臨床部分也有很多活躍的想法。但是，藥物研發的不同階段，其數據的來源、數量和質量都不太一樣。
因此，所謂的AI藥物研發，還是一個以數據驅動為主的狀態。在一些領域，實驗數據的采集條件差別很大，數據質量參差不齊，或者數據不平衡，負樣本——也就是失敗結果的數據難以獲得，這都會限制AI在這個領域的發展和應用。
晶泰科技的物理思維接入，讓我們可以更好地描述問題、讓算法更高效地利用數據，包括高精度計算產生的自有數據。
同時，我們的實驗室可以提供快速的反饋，形成閉環，也幫助晶泰科技在這些研發瓶頸領域，特別是數據難以獲得的領域實現突破，提高我們的研發效率和算法精度。
雷鋒網：這幾年來，AI在醫療領域應用最為成熟的賽道是醫學影像。但與此同時，同質化的現象也比較嚴重?！巴|化”的現象會不會在AI藥物研發領域出現？
馬健：同質化的現象不太會在這個領域出現。這是因為AI制藥有非常多的細分切入點，每家公司的技術都有特色和差異化空間。
AI藥物研發和AI醫學影像面對的是兩類問題。
藥物研發評估維度更多、優化目標更復雜。一個藥物分子從無到有，從基本的物理、化學性質，到人體內的藥學表現，不同的靶點和適應癥，還有不同的研發路徑、開發策略、臨床方案等等，而每一個維度都涉及不同的需求和相應的研究挑戰。
而且藥物研究的時間周期顯著更長，橫跨幾十個學科領域。這意味著在細分領域中有更豐富的機會，而復雜的疾病領域也給這些AI制藥企業寬廣的施展空間。
晶泰科技選擇的是全鏈條覆蓋的AI研發策略，在藥物發現的早期就從多個關鍵維度篩選、優化候選分子，從而實現更高的研發效率和成功率。
雷鋒網：既然AI制藥公司的關注點如此分散，從另一個角度來說，是不是很難出現“頭部玩家”？
馬?。?/strong>AI制藥行業現在還沒有完全中心化。
舉個例子，現在生物的CDMO已經是比較中心化的了。但是AI藥物研發作為一個新興領域，目前我覺得還沒有形成一個特別強的中心化趨勢，某一家不太可能把所有的技術全部都涵蓋。
AI制藥行業的市場天花板非常高，大家都還處在一個高速增長的過程中，距離市場飽和還很遙遠。前段時間我們在公司年會上還提到，現在已知的疾病數量與已經通過藥監局審批的藥物之間，仍然存在非常大的差異。而反觀現狀，很多新藥研發都是同一賽道藥企扎堆，大家都在做同樣的事情，千軍萬馬獨木橋，比誰先上市。
因此，在這個離飽和非常遠、創新效率仍然較低的市場里，AI能夠用更高的效率、更快的速度發現更多的新藥。那么，它可以承載的市場還是非常大。
從晶泰科技的角度說，我們擁有一個可擴展的云端創新平臺。如果有足夠的計算資源，我們希望把它最大的潛力發揮出來?；谀壳暗挠嬎隳芰?，我們可以同時支持幾十個新藥研發的項目。
雷鋒網：你們在選一個研發方向時的標準是什么？現在有哪些比較好的項目案例？
馬?。?/strong>從我們自身的平臺和算法開發的角度來說，晶泰科技一直聚焦于藥物研發中的核心環節，和那些最明顯的瓶頸問題。
不論是最初的晶型研究，還是后來的晶泰藥物分子通用力場、AI分子生成算法，在我們眼中，是否值得做，比問題的難易更重要。
特別是隨著我們與藥企合作的深入，包括與輝瑞、阿斯利康等創新龍頭有聯合的研究項目和論文發表，我們有機會從一線研發科學家處直接掌握他們的痛點，找到那些晶泰科技憑借量子物理、AI領域的優勢，更有機會獲得領先成果的突破口。
在外部合作方面，我們挑選的客戶、也是研發伙伴，主要集中在幾個領域。
一是具有創新性的先鋒生物科技公司，我們已經宣布的合作中，包括思路迪、新格元、青煜醫藥、希格生科、還有PhoreMost等等。
我們期待這些新技術的強強聯合可以為更多具有挑戰性、缺少治療選擇的疾病領域帶來突破性的新藥。
此外，輝瑞等實力創新藥企，以及轉型中的仿制藥企，也是我們很看重的合作伙伴。
晶泰科技的算法與藥企所擁有的數據結合，可以更大限度地發揮AI的真正實力。我們也有一些合作是與學界研究組、頂尖生物學家進行的。
我們希望數字化、智能化的領先算法，可以幫助科學家將前沿的科研結果更快實現轉化，探索新的研究方法和道路。
雷鋒網：除了創業公司，2013-2018年間， 國際藥企AI相關的商業運作（如并購，合作，自我研發等）總共達到了170宗，幾乎每個國際藥企都至少和一家AI企業有合作。輝瑞，葛蘭素史克和諾華等制藥公司也在內部建立了大量的AI研究團隊，利用AI進行臨床管線的早期開發。藥廠的這些舉動，是否會對創業公司的發展產生沖擊？
馬?。何艺J為之所以會有這樣的現象，是因為大家都認識到這個問題非常重要。
首先，過去很多年，在藥企內部就已經很廣泛地研究和推進data mining（數據挖掘）。藥企內部本身就對技術非常重視。
其次，從創新角度來說。很多突破性的創新活動是來自創業型公司，不是大型企業內部。像晶泰科技這樣的企業，比一個大公司的內部更有機會針對一個特定的技術問題，組建一支跨越科學、藥學、算法、工程等多個學科領域的團隊重點突擊，擺脫傳統的思維模式，從而獲得突破性的思路和成果。
第三，藥企畢竟不是一個服務型機構，更多的研究是面向內部體系，而晶泰科技有幾十家客戶，可以同時跟三、四十家不同的企業橫跨多個疾病領域去合作、孵化很多管線。從項目的數量多樣性上講，與我們也是不太一樣。因此，單純從合作數量、應用范圍上來看，AI藥物研發公司的覆蓋面還是非常廣的。
雷鋒網：國外AI藥物研發公司，似乎均比國內公司的進程更快。例如，Atomwise、BenevolentAI、Exscientia。Exscientia2012年就在英國牛津成立，進行藥物設計全自動化。相反，國內在近兩年才迎來創業和項目的集中“爆發”，這其中的差距主要由哪些因素導致？
馬?。?/strong>我覺得大家真的是各有特色。一個公司的活動離不開市場，市場決定了很多公司的商業形態。同時，也離不開所在地區的經濟和技術的發展環境。因此，中外藥物研發企業有很多差別。
從AI技術來看，我認為大家沒有太大差距。
但是，中國有工程師紅利、科學家紅利、新興市場的需求，這些能夠給我們帶來差異化。而海外的AI創業公司，他們的優勢在于歐美大型藥企的合作更加直接。
我覺得，目前中國和歐美AI公司難分伯仲，沒有產生特別大的差距。
雷鋒網：現在國內的絕大多數AI藥研公司處于相對早期的階段。2021年，AI新藥研發公司想要進一步獲得融資，需要做好哪些事情？從資本角度來看，他們更愿意投哪一類的公司？
馬?。?/strong>AI制藥領域的熱度有目共睹，企業首輪融資的額度也是水漲船高。
一些投資人和創業者都容易對這類新興領域和高成長性的技術產生FOMO (Fear of missing out) 心理，相信未來，AI制藥這一賽道上的創新企業和投資人會越來越多。
這些企業在融資中很重要的一點是選擇真正有實力陪伴他們成長的投資人，因為藥物研發過程是漫長的，要自證AI算法是否真的能在細分領域帶來價值，需要投資人的耐心等待和長期支持。
當然，隨著融資輪次的推進，在創始人身上的壓力也會越來越大。能否真的實現融資宣傳時描繪的藍圖，在藥物研發中帶來讓藥企認可的切實價值，找到差異化的突破點，也是企業必須面對的考驗，也是市場自然的優勝劣汰。
我們希望看到更多優秀的、有技術特色的AI 制藥公司出現，讓智能化的解決方案滲透到更多的研究領域和研發步驟。
我相信這是中國醫藥創加速崛起的重要機會。雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
