2017-2018人工智能+医疗产业研究报告.ppt

药物挖掘： AI 助力缩短新药研发时间，降低研发成本，使低成 本、快速研发个性化治疗药物成为可能 Part3. 八大应用场景解析 药物挖掘应用场景 ◆ 场景描述： 药物挖掘，主要完成的是 新药研发、老药新用、药物筛选、药物副作用预测、药物跟踪研究 等方面的内容；人工智能技 术在药物挖掘方面的应用，主要体现于 分析化合物的构效关系 （即药物的化学结构与药效的关系），以及 预测小分子药物晶型结构 （同一药物的不同晶型在外观、溶解度、生物有效性等方面可能会有显著不同，从而影响了药物的稳定性、生物利用度及疗效）； ◆ 人工智能与药物挖掘的结合，使得 新药研发时间大大缩短，研发成本大大降低 ；这将有可能根本上改变用药 “ 平均 ” 观念，即某种 药物在临床使用中对大多数人有效，则认为这种药物对所有人有效。拿肿瘤举例，每位患者的肿瘤基因组均不相同，导致生物学行 为有差异，也就导致药物在临床反应中效果不一；而通过低成本、快速的药物挖掘研发个性化治疗药物，将成为可能；目前主要成 果体现于抗肿瘤药、心血管药、孤儿药（罕见药）以及经济欠发达地区常见传染病药，其中抗肿瘤药占到 1/3 ； ◆ 公司现状： 目前国内有 7 家公司提供 “ 药物挖掘 ” 服务。 ：各类药物市场特点 药物类型 抗肿瘤药 特点 备受重视， 2015 年全球销售额 约 1011 亿美元，年均增速 5.5% 2015 年全球销售额约 1518 亿美 元，年均增速约 15% 使用者极少且支付能力差，药 企收益不足以覆盖研发成本 （ ） 思路迪 裕策生物 舶众数据 瑞博生物 吉凯基因 心血管药 孤儿药以及经 济欠发达地区 常见传染病药 来源：蛋壳研究院 赛福基因 明码生物科技 64 AI 可有效解决研发周期长、研发成本高、研发成功率低等痛点； 相关公司需时间积淀，短期很难产生营收数据 Part3. 八大应用场景解析 药物挖掘应用场景 ◆ 发展环境： 传统的药物研发存在研发周期长、研发成本高、研发成功率低等痛点。 一款新药的研发，要经过化合物研究、临床前研 究、临床研究（临床 Ⅰ 、 Ⅱ 、 Ⅲ 期试验）、 SCFDA 或 CFDA 审批后才能够上市。而人工智能技术的引入，则在一定程度上解决这些 痛点。例如，在临床前研究环节，把得到活性数据结合化合物结构得到初步构效关系，以指导后续结构优化；若效果不理想，则需 要退回上一步，重新合成，非常耗费时间；人工智能则可以提高筛选效率，优化构效关系。此外，在临床试验阶段，寻找匹配的病 人参与试验十分耗费时间；而人工智能能够结合医院数据，快速找到符合条件的病人； ◆ 人工智能与药物挖掘结合最典型的案例，是硅谷公司 Atomwise 通过 IBM 超级计算机，在分子结构数据库中筛选治疗方法，评估出 820 万种候选化合物，研发成本仅为数千美元，研究周期仅需要几天。 2015 年， Atomwise 基于现有的候选药物，应用 AI 算法，不 到一天时间就成功地寻找出能控制埃博拉病毒的两种候选药物，以往类似研究需要耗时数月甚至数年时间； ◆ 目前国内 AI+ 药物挖掘已经在逐步落地， 但研发周期仍相对较长，且算法需要大量的时间和数据积累 ，短期内很难产生营收数据。 药物研发上市流程 5000-10000 个候选化合物 临床 ⅠⅡⅢ 期 试验剩余 5 个 最终 1 款新药 实现上市 化合物研究 临床前研究 临床研究 剩余 250 个化 合物 药品审批 SCFDA 或 药品上市 CFDA 申请审 批 65 AI+ 药物挖掘公司需针对疾病本身特点进行业务规划，例如对 肿瘤治疗进行全产业链布局，以弥补新药研发的局限 Part3. 八大应用场景解析 药物挖掘应用场景 ◆ 公司案例及业务模式： 虽然人工智能的引入，使得新药研发速度和成本得到优化，但目前药物研发仍周期较长，成本对于大多数病 患来讲都负担较重（尤其是针对肿瘤的个性化药物），或不被医药企业所看好。所以，致力于 “AI+ 药物挖掘 ” 的公司需要做好 “ 持久战 ” 的准备，并针对疾病本身的特点进行业务规划。例如肿瘤治疗领域，患者个性化差异