所有明星裸露影片合集在线播放_欧美在线视频二区_国产丝袜一区二区三区免费观看_av电影在线网址_日本乱大交xxxx公交车_久久99久久精品在免费线97_91一区二区精品综合影院_阿v天堂2014_久热免费精品视频在线观看_国产黄a三级三级三级a

生物醫藥行業長期以來面臨新藥研發周期長、成本高、成功率低的挑戰。人工智能可對大量現有的藥物數據進行深度學習，以此分析藥物的化學性質和生物活性，更快地設計新藥物，預測藥物的吸收、代謝和毒性等復雜過程，從而縮短藥物研發時間。

中國AI制藥雖然起步較晚，但發展勢頭強勁，在國家政策利好、人工智能技術升級等因素的推動下，有望實現市場規模快速增長。

賦能藥物研發多個環節

優勢明顯

AI制藥是指將自然語言處理（NLP）、機器學習（ML）及大數據（Big Data）等人工智能技術應用到制藥領域各環節，以提高、優化新藥研發的效率及質量，降低臨床試驗失敗概率及研發成本。

傳統制藥的一般流程為藥物靶點的發現和驗證、藥物設計、化合物合成篩選、臨床前研究、臨床試驗、審批和上市等步驟。在新藥研發過程中，通常會對5000~10000個化合物進行篩選，約5個藥物會進入臨床試驗階段，最終約1個藥物有機會進入審批環節并上市，成功率僅有0.01%。根據公開數據，傳統制藥研發一款新藥平均研發成本為10億~20億美元，平均周期超過10年。可見，傳統的新藥研發存在周期長、投資大、風險高等挑戰。

近年來，隨著基因組測序工程的快速進展、二代測序技術的快速普及、人工智能技術的進步和高性能計算機的發展，AI制藥應運而生，發展迅速。從制藥流程來看，AI技術已滲透到包括靶點發現、化合物合成和篩選、晶型預測、機制探索、選擇受試人群、藥物警戒等多個環節。相較于傳統藥物研發，AI技術能將藥物發現、臨床前研究的時間縮短近40%，新藥研發成功率可從12%提高到約14%。中國AI制藥企業在藥物發現階段的應用布局涉及虛擬篩選、分子生成等領域。（詳見圖1）

政策支持

中國AI制藥迎來高速成長期

《“十四五”醫藥工業發展規劃》指出，以新一代信息技術賦能醫藥研發，探索人工智能、云計算、大數據等技術在研發領域的應用，通過對生物學數據挖掘分析、模擬計算，提升新靶點和新藥物的發現效率；在實驗動物模型構建、藥物設計、藥理藥效研究、臨床試驗、數據分析等環節加強信息技術應用，縮短研發周期、降低研發成本。

政策的推出有利于推進健康醫療大數據的開發應用和整合共享，探索建立統一的臨床大數據平臺，為創新藥研發及臨床研究提供有力的支撐，進一步促進了中國醫藥工業高端化、智能化和綠色化發展。

截至2023年年底，中國AI制藥企業已超過90家，包括騰邁醫藥、英矽智能、晶泰科技、深勢科技等，這些企業覆蓋藥物研發的六大環節，包括早期藥物開發、數據處理、臨床開發、端到端藥物開發、臨床前開發及藥物再利用。從開發藥物的

適應證來看，主要集中在腫瘤、免疫學及神經病學等領域。

生成式AI實現藥物從頭設計技術進步顯著提升研發效率

20世紀90年代初，基礎AI研究取得突破，推動近30年來的各種實際應用，如ImageNet、GANs、Transformer及其他先進神經網絡結構。人工智能應用于藥物發現的可能性引發各界關注。

在早期階段，AI制藥主要集中在擴大化合物篩選和優化藥物研發流程上。例如一些初創公司開始利用卷積神經網絡等技術進行藥物發現，通過訓練大量的生物數據來提高新藥研發的成功率。直至2020年，英國Exscientia公司開發的藥物DSP-1181作為全球第一個由AI設計的分子進入臨床試驗階段，標志著AI制藥開始進入實際應用階段，這推動了AI制藥熱興起，2020年成為AI制藥爆發元年。

生成式AI通過從頭設計，顯著提升藥物研發效率。生成式AI在藥物發現中能預測候選藥物的元素（如原子、鍵的類型等），并為特定目標生成化學實體，由此推動藥物發現和臨床前研究階段由4~6年縮短至1~3年。

2023年Chat GPT的爆火，進一步提升AI制藥領域的熱度，如英矽智能在生成化學領域知名期刊Chemical Science發表文章，闡述了分子生成平臺Chemistry42在AIphaFold2蛋白質結構預測的基礎上進行分子設計，進而在30天內發現靶向潛在抗癌靶點CDK20的小分子抑制劑的過程，展示了在有限分子結構數據下，人工智能可以輔助新藥物發現，實現降本增效。

目前，中國多家醫藥企業和CRO公司已布局AI+新藥研發的相關領域，隨著應用的不斷成熟和落地，預計將顯著提升藥物研發效率，助力藥物發現。（詳見圖2）

技術革新推動細分行業應用落地

市場體量快速增長

據頭豹研究院數據，2019—2023年，中國AI制藥市場規模由7000萬元增加至4.1億元，年復合增速達57.4%。預計2024—2028年，市場規模將由7.3億元增加至58.6億元，年復合增速達68.5%。（詳見圖3）

AI技術在新型療法中的應用迅速增加，更為成熟的應用有望實現商業化，驅動行業發展。小分子藥物處于AI在藥物發現應用中的領先地位，賦能包括模擬小分子-靶標相互作用、先導候選物優化和安全性預測等多個環節，應用較為成熟。

隨著AI技術和包括RNAi、CRISPR-Cas9、CAR-T和重組DNA等平臺技術的迭代，未來3~5年，或將有首款AI驅動設計的藥物獲批上市，并有大批管線進入有效性概念驗證階段，推動市場進一步擴容。

更為強大的整合工具產生

激勵人工智能與多學科交叉發展

2020年年底，谷歌旗下公司DeepMind推出的AlphaFold2改變了人們對蛋白質及其相互作用的理解方式，極大地激勵了人工智能和藥物化學、結構生物學等學科的交叉發展，為分子表征提供了更好的方法、對接方法及評分函數等。由此，人工智能技術與蛋白組學、核酸藥物、細胞療法和基因療法、微生物組學等新興技術和療法的結合廣受關注，人工智能通過探索巨大的序列空間和結構空間，包括設計自然界中不存在的蛋白質，為相關新型療法藥物帶來新的可能。

2023年10月，Deepmind聯合Isomorphic Labs共同發布了新一代AlphaFold模型，有望改變藥物發現的游戲規則。新一代AlphaFold可以預測蛋白質數據庫（PDB）中幾乎任何分子的結構，通常具有原子精度，包括配體（小分子）、蛋白質、核酸（DNA和RNA）以及含有翻譯后修飾（PTM）的生物分子。該模型的擴展功能和性能有助于加速生物醫學的突破，為疾病通路、基因組學、潛在治療靶點、藥物設計機制以及實現蛋白質工程和合成生物學的新平臺的功能提供新的解決思路。

AI加持

臨床管線增長迎來爆發期

截至2023年11月，全球處于臨床試驗階段且保持活躍狀態的AI參與研發的藥物管線總計97項，超過一半的管線處于Ⅰ期臨床試驗階段，超過1/3的管線處于Ⅱ期臨床試驗階段。

從市場分布來看，有67項來自國外，占比69.1%；30項來自國內，占比30.9%。其中，英矽智能、冰洲石科技、未知君、埃格林醫藥、藥物牧場、銳格醫藥等企業均有多條管線同時進行臨床試驗，推動中國AI制藥進入全球領先隊列。

從研發模式來看，自研新藥是AI企業研制新藥的主要模式，85.6%的管線為企業自研管線，14.4%的管線為合作研發管線，多為生命科學類AI企業協助大型藥企進行研發。

從適應證分布來看，近50%管線聚焦于腫瘤，占主導地位；神經系統疾病位列第二，占比約23%。腫瘤與神經系統疾病也是目前藥物研發難度高、研發需求又最為強烈的病癥之一。

各大藥企在AI制藥合作項目上，聚焦的病種廣泛分布在抗腫瘤、呼吸系統、抗感染等多個領域，其中大型藥企在癌癥和精神疾病領域的合作項目占比最高，均為27.9%，其次為心血管疾病，占比13.1%。（詳見圖4）

跨國藥企也在內部和外部的建設中進一步使用人工智能。例如，強生聘用超過6000名數據科學和計算科學專家；阿斯利康曾經提到，公司50%的小分子開發項目目前使用AI輔助。

近年來，中國城市慢性病的死亡率呈上升趨勢，由于龐大的人口基數及老齡化的加劇，中國的慢性病領域的潛在市場空間不斷增長，對于國產慢性病創新藥的需求緊迫，或將成為抗腫瘤之外的另一研發重點。

未來，隨著AI應用成熟度的提升，AI技術在制藥領域的滲透率將不斷提高，成為創新藥研發的主流方式。

（作者：頭豹研究院 何婉怡）

(責任編輯：陸悅)