翻看近期医疗AI相关的产业论坛，大家都在几乎都在内容设置上加入了商业化落地的探讨。当医疗AI产品逐步在医院打磨、试用，商业化也就成了资本、企业等相关从业者最关心的事情。

但是由于新一代医疗AI产品大多都是定位辅助诊断产品，这些产品尚未获得药监局的审批，所以此类产品的商业化只是停留在探讨尝试阶段，无法大面积的推广与落地。

AI在新药研发领域的应用，主要是在新药发现、安全性、有效性测试等方面，这些应用的门槛主要是技术方面，而不是监管层面。新药研发周期长、成本高已经成为行业的大痛点，所以AI+新药发现的产品一旦成熟，落地就不是很困难。

动脉网近期了解到，药企巨头在最近两年的时间里已经开始选择是用AI技术加速药物研发，并选择与医疗AI创业公司合作，加速此项事务的推进。

比如，阿斯利康与BergHealth，强生与Benevolent AI，默沙东与Atomwise，武田制药与Numerate，赛诺菲和葛兰素史克与Exscientia，辉瑞与IBM Watson ，辉瑞与晶泰科技等都打成了合作关系。动脉网对这些合作进行了盘点，了解他们的合作内容。

辉瑞与晶泰科技

2018年5月，以算法驱动创新的AI医药研发公司晶泰科技宣布与辉瑞制药签订战略研发合作，融合量子物理与人工智能，建立小分子药物模拟算法平台，显着提高算法的精确度和适用广泛度，驱动小分子药物的创新。

药物模拟这一技术被广泛应用于药物发现与设计，让科学家可以从原子层面对药物的生物学、药学性质和反应进行研究与预测。

在这次合作中，晶泰科技将发挥其量子力学、人工智能、云端高性能科学计算的技术优势，对现有的药物模拟技术进行改进与突破，让这一平台可以覆盖更广泛的化学空间，并生成更精确的药物分子模型。

在这一基础上，平台还将实现对药物若干项关键性质的准确预测，进一步赋能药物发现与发展中的重要环节。本次战略研发合作的确立，得益于晶泰科技与辉瑞已有的良好合作基础。

其药物晶型预测技术受到辉瑞的青睐，而这一药物模拟算法平台将进一步增强双方在计算辅助药物设计与药物固相筛选方面的技术实力。

为了促进产学研界的技术交流，此次研发成功后还将面向学界开源分享一部分基于公开数据库产生的分子力学参数，以此促进和支持相关领域的持续进步与创新。

药明康德与Insilico Medicine

2018年6月11日，美国新一代人工智能公司Insilico Medicine宣布与中国医药研发服务行业龙头药明康德签署一项合作协议。

根据协议，Insilico Medicine公司使用其独有的生成对抗网络和强化学习等新型算法生成的新药研发管线将在药明康德的新药研发服务平台上进行测试。

两家公司制定了一系列里程碑计划，旨在针对全新的以及具有挑战性的生物靶点，例如未知晶体结构或配体的靶点，利用下一代人工智能技术开发理想临床前药物候选分子。

自2016年以来，Insilico Medicine发表了多篇研究论文展示采用GAN和RL人工智能技术生成全新的具有所需性质的各种药物分子的能力，并且通过初步的实验验证筛选出一些最有前景的管线分子。

此次与药明康德的合作将使该公司能够对其发现的候选药物分子进行快速地进一步实验验证，并同时生成有价值的数据以推进其人工智能技术的开发。

Berg Health与阿斯利康

2017年，阿斯利康与马萨诸塞州的初创公司BERG建立了合作伙伴关系，利用后者的人工智能平台寻找帕金森症等神经疾病的生物靶标和药物。

如何利用人工智能？ BERG公司CEO尼文·R·纳拉因表示，首先要“回到生物学上来”。从健康者和患者身上提取组织样本，进行各种分子分析，结合临床数据，然后通过BERG的人工智能平台找出靶标。

纳拉因表示，在进行数据分析时，BERG会避开“公开的数据库。”他说道：“我们使用贝叶斯方法，而不是神经网络。并不是把一批数据放到模型里然后得出某种相关性这么简单。开始的时候并没有一个预先决定的假设，而是把所有数据都输入系统，让数据自己生成假设。”

早在2016年10月，Berg Health公司与美国国防部宣布达成合作，利用人工智能技术开展新药研发。以寻找应对现有药物不起反应的侵入性乳腺癌治疗方案，将筛选多达25万个样本来寻找早期癌症的新生物学指标和生物标记。

BenevolentAI与强生

2016年11月，BenevolentAI与强生达成合作，强生把一些尚处于试验中的小分子化合物转交给了BenevolentAI，进行新药开发。

BenevolentAI的技术平台利用人工智能技术，从这些散乱无章的海量信息中提取出能够推动药物研发的知识，提出新的可以被验证的假设，从而加速药物研发的过程。这个技术平台叫做JACS（Judgment Augmented Cognition System，判断加强认知系统）。详细参阅：《BenevolentAI ：这家欧洲最大的人工智能+新药研发公司，两种在研药就卖了8亿美元》

默沙东与Atomwise

2015年，默沙东与美国的Atomwise合作，其开创性的AtomNet技术平台能像人类药物化学家一般逻辑思考，它每天使用强大的深度学习算法和超级计算机工具分析数百万的潜在疗法，从而加快药物研发进程。主要针对的是新药的有效性和安全性预测。

2018年5月，Atomwise获得4500万美元的融资，百度风投和腾讯都参与了投资。

Atomwise开创性的软件技术AtomNet通过强大的深度学习算法和超级运算，可以像人类化学家一样每天分析千万级的分子来筛选潜在药物。

在过去的两年内，Atomwise发展迅速，已与美国前十大制药公司，多家生物技术公司，四十多所主要研究型大学建立了合作关系。

同时，有50多个研发项目正在进行。Atomwise与包括Merck等四家大型药企达成了合作关系，还和很多其他的生物技术公司、研究机构和大学关系密切。

武田制药与Numerate

2017年6月，Numerate公司与武田药业正式签约，就使用Numerate公司的人工智能技术（artificial intelligence， AI）寻找肿瘤学、胃肠病学和中枢神经系统疾病的小分子药物展开合作。

Numerate首席执行官Guido Lanza表示，他们将AI应用于各个阶段的化学设计。Numerate和东京Takeda公司合作，筛选靶标分子，设计和优化化合物，对药物吸收、分布、代谢和排除以及毒性进行建模，为Takeda提供临床试验候选药物。该协议的金额和特许权使用费并未披露。

在日本，除了武田药品，富士胶片及盐野义制药等企业将利用人工智能(AI)推进新药开发。包括富士通和NEC等IT企业在内，大约有50家企业参加该项目。

计划与理化学研究所和京都大学合作，开发研究新药用的人工智能，以快速寻找能够用于制作新药的候选物质。目前开发新药需要巨额费用，而成功率只有2万-3万分之1。使用人工智能将提高开发效率，在激烈的全球新药开发中提高竞争力。

企业与研究机构组成的联盟将于近期启动。不仅是日本国内，预计海外的IT企业和制药企业也会参与。力争以3年后为目标，普及基于人工智能的新药开发。

日本文部科学省将在2017年度的预算概算要求中增加25亿日元为该项目提供支援，预计最终总额将达到100亿日元规模。

赛诺菲与Exscientia

2017年5月，据GEN网站报道，赛诺菲与Exscientia签订了一项潜在价值为2.5亿欧元(约2.76亿美元)的合作和许可交易。这一交易旨在开发针对代谢疾病的双特异性小分子药物。

Exscientia将利用其人工智能驱动平台(artificialintelligence(AI)－drivenplatform)以及自动化设计能力鉴定具有协同作用的药物靶点组合，然后，利用其lead－finding平台鉴定针对这些靶点的双特异性小分子药物。

Exscientia将负责所有化合物设计，赛诺菲提供化学合成。此外，赛诺菲保留了许可“相关化合物”的选择权，将承担未来的临床前和临床开发。Exscientia将获得用于鉴定“靶点对”以及优先候选药物的研究经费，并有资格获得未来非临床、临床以及销售相关的里程碑付款。

Exscientia的药物研发“引擎”建立在一个AI平台上。公司能够利用该平台设计和评估新化合物，包括效力、选择性和ADME等。公司正利用该平台搭建一些合作关系，开发针对单靶点的小分子药物以及针对靶点组合的双特异性小分子候选产品。

除了这项新交易，2016年4月，Exscientia与德国Evotec达成了一项Immuno-Oncology合作。在上个月的AACR年会上，双方公布了选择性adenosine 2A受体拮抗剂以及双特异性小分子药物（靶向A2AR 和CD73）的细节。

此次Exscientia的伙伴赛诺菲与Evotec也有合作关系。双方曾在2015达成合作，其中，合作内容包括开发基于β细胞的糖尿病疗法。

葛兰素史克与Exscientia

2017年7月，大型药企葛兰素史克日前宣布，与英国AI企业Exscientia达成约4300万美元的交易。

Exscientia会使用其人工智能平台，协助葛兰素史克药厂进行10款药品研发。Exscientia将按研发成果获得款项，总计3300万英镑，折合约4300万美元。

Exscientia首席执行官Hopkins表示，该公司的的AI系统只需相当于传统方法四分之一的时间和成本即可完成新药候选。

Exscientia也在5月与赛诺菲签署了协议。包括默克、强生和赛诺菲安万特等其他大型药企也在开发人工智能的潜力，以帮助药物开发程序变得更加顺畅。

这些制药商希望借助现代化的超级计算机和机器学习系统，来预测药物中的各种分子将如何表现，以及这些药物成功的机率有多大，从而不用为那些不必要的测试花费时间和金钱。

IBM Watson与辉瑞

IBM Watson与辉瑞达成了一项新协议，会将前者的超级计算能力用于癌症药物研发。辉瑞将用上Watson for DrugDiscovery的机器学习、自然语言处理及其它认知推理能力，用于免疫肿瘤学(Immuno-oncology)中的新药物识别，联合疗法和患者选择策略。

Watson for DrugDiscovery是一个新的云平台，旨在帮助生命科学家发现新的药物靶点和替代性的药物的适应症。

按辉瑞的说法，许多研究人员都认为，免疫肿瘤学的未来在于针对独特肿瘤特征的组合，这会改变癌症治疗范式，让更多肿瘤患者得到治疗。而免疫肿瘤学是一种使用人体免疫系统帮助对抗癌症的癌症治疗方法。

这些合作的金额都是千万美元以上

2017年6月，动脉网曾盘点过16家从事AI+新药研发的公司，这些公司如今有超过8家公司都与药企巨头有商务的合作，从已知合作的规模得知，金额都在千万美元和数亿美元。

比如，葛兰素史克与Exscientia的交易金额是4300万美元。

BenevolentAI与一家美国制药公司合作，将两个正在研发的阿尔茨海默氏症新药卖给这家美国公司，这两款药物处在中标候选化合物评估阶段。此次交易高达8亿美元，BenevolentAI获得4亿美元的预付款。

而从目前了解的情况来看，国内定位辅助诊断的医疗AI公司的营收还是科研经费、技术服务或者其他业务，想实现大规模的营收还需时日。

令人感到奇怪的是，国内从事AI+新药研发的企业主要是晶泰科技和冰洲石生物，国内的医疗AI企业有几家已经拥有上百名研究人员，是否可以考虑布局新药研发，值得创始团队思考。

AI时代或许是新药企崛起的好机会

根据外药企2017年财报的营收数据显示，排名前十的药企分别是辉瑞、诺华、罗氏、葛兰素史克(GSK)、默沙东、强生、赛诺菲、艾伯维、礼来、安进。

全球药企研发投入前十

排名前十的药企名单，在最近几年的时间内少有变化。因为他们的研发投入会支撑起未来的营收。如果没有新技术以及新技术带来的变革，这个格局不会轻易被打破。

以日本为例，国立研究开发法人医药基础健康营养研究所计划从2017年度开始通过现有的人工智能来寻找新药候选物质。

据动脉网了解，新开发的用于新药开发的人工智能除了通过学习各种数据来提高精度外，还能够追踪新药候选物质产生效果的原因等，有助于推进临床应用。

日本国内最大的制药企业武田在全球制药行业仅排名第17位（日本武田药品收购爱尔兰制药巨头希雷制药公司之后，排名会进入前十），在规模方面不及美国辉瑞和瑞士诺华等制药巨头。

开发费也仅为辉瑞等制药大企业的一半以下。如果不通过活用人工智能来提高研发效率，日本制药企业将无法在全球性竞争中取胜。

在中金公司近期发布的《中国创新药十年展望》中提到，到2030 年，以研发出的“新活跃成分”计算，中国对全球医药创新的贡献，将从目前的2%提高到12%，进入全球第二梯队。

中国企业在全球医药研发金额的占比，将从目前的5%提高到20%，超过英国而位居第二位。中国将每年产生1-2 个First-in-Class 的新药。十年中出现3-5 个全球销量超过10 亿美元的blockbusters。

创新药销售20%将来自海外市场。

人工智能在药物研发方面的巨大应用前景将缩短药物研发的时间，并降低成本，这为创新性的药企打破现有格局提供了一种可能。

但是国内药企也应该注意到，国际传统药企巨头在医疗AI领域的布局已经很深入，国内也应该考虑借助AI加速药物研发速度，避免错过此轮技术红利。

值得一提的是，医疗AI将让中药变得更可靠：很多人并不信任中药，因为大部分中药都是标明不了具体分子学药理机制以及毒副作用。

AI制药技术如果应用于中药研究，那么将会是发展的里程碑。AI通过深度学习，构建神经网络，吸收已知有机化学反应，接触药物里分子，最后分析出药理机制。

如此看来，AI辅助新药研发或将成为新药企崛起的好机会。(生物谷Bioon.com）