全球AI药物开发公司Top 20！让AI走在生物制药的最前沿：要么创新要么灭亡

尽管制药公司每年在研发上花费超过1720亿美元，但使用传统技术发现的90％以上的分子在人体临床试验中都失败了。此外，75％的新批准药物无法承担开发成本，一些分析师甚至预测，到2020年药品研发的投资回报率可能会将为零。如果我们认同这种预测很可能为成为现实，那么AI可能也很快会成为为制药研发领域保持商业活力的一大“救星”，同时也为某些患者提供了宝贵的选择希望。

走在前沿的AI药物开发公司

在这场漫长而又激烈的角逐中，一些公司设定了自己的路线，希望在未知的领域挑战自己的极限。深科技投资基金Deep Knowledge Ventures旗下子公司——Deep Knowledge Analytics将全球1000家AI Healthcare公司中专门从事核心科学研发的公司筛选了出来。根据DKA的说法，人工智能医疗保健行业的进入门槛低于人工智能在药物发现方面的障碍，这些公司可以用更少的资金和更少的高度专业化的员工来实现真正的成果。

全球AI药物开发公司Top 20

药物发现公司的AI需要结合更高水平的传统生物制药科学（生物化学，生物学，生物医学等）和核心AI技术。为了积淀好新AI药物走向市场前所需的“完整堆栈”，公司需要非常强大、专业的团队，具有足够的个人专业知识和足够的专家总数。无锡明码（WuXi NextCODE）、Benevolent.ai和Insilico Medicine等公司是该领域的佼佼者。

Insilico Medicine的药物发现引擎非常强大，可以药物开发和药物开发周期的计算机验证阶段。该公司专注于生成具有特定分子特性的新型候选药物，以确定精确的疾病目标。传统制药公司通过许多可能的线索进行筛选，对每一个进行测试并希望其中有效。Insilico Medicine从其药代动力学和药效学特性方面专门设计的分子导联开始，因此对特定疾病靶标有效的概率更高。

困境如何破解？

但即使是投资者，也很难进入这个行业，因为所需的最低专业知识门槛相对较高。很少有投资基金真正了解该行业的内容、原因和方式，以及在该行业做出合理投资决策所需的参数。260家投资基金中，可能只有不到20家对125家活跃于AI领域的药物发现公司进行了投资。

也许在未来几年，其中一些公司将在制药行业拥有强大的影响力，在药物开发方面取得前所未有的突破。AI从根本上改变了医疗保健和患者的生活质量。然而，在最近几十年中，人们普遍认为我们已经陷入困境，希望AI在药物开发方面将医疗保健推向新的高度，则每一个新步骤都需要付出巨大努力。

Deep Knowledge Analytics将量化指标应用于行业分析，并使用数学方程式比较多个参数和100多个因素，以客观方式区分成熟度、业务发展水平和科学/技术优势。

2018年，一位名叫夏娃（Eve）的机器人科学家发现，从牙膏中提取的一种成分三氯生（Triclosan），可以治疗抗药性疟疾。不难看出，像夏娃这样的人工智能系统，有希望可以在5-10年内普及并改造生物制药领域。能够建立强大的人工智能部门并获得最佳AI时间的生物制药公司，将有望主导生物制药行业，并见证自身市值的飙升。没有将AI纳入其核心研发流程的生物制药公司很可能会消失。

考虑到过去三年药物发现的AI进展，我们有理由期待未来3年内取得一些真正重要的成果。这将为整个生物技术行业带来模式上的转变。药物发现变革的主要驱动力很可能来自谷歌、亚马逊、腾讯和阿里巴巴等大型科技公司，而非生物制药巨头们。

“随着我们更多地了解超级计算机可以做什么，我们获得了信心。在三年内，我想在12个月内从药物目标转变为分子。这需要5-6年。”葛兰素史克制药公司lnSilico Discovery高级副总裁John Baldoni博士表示。

加速新化合物的发现

筛选化合物的高成本推高了传统药物发现中开发新药的成本。商业筛选化合物的成本可高达每毫克15美元——超过黄金价格的10倍。为了筛选整个潜在药物库，人们需要使用这些昂贵的化合物。而AI则有助于降低这一方面的成本。

通过在药物开发中使用AI，可以准确地预测哪些药物对特定患者组别是安全有效的。AI通过生成候选药物，可以大大加速药物开发周期。传统制药公司通过对大量候选药物进行筛选，在此基础上进行测试。

AI for Drug Discovery公司就是一个很好的例子。它正在生产具有特定性质的新型药物——由于其特定的分子结构，使用AI发现的化合物更有可能有效对抗特定的疾病目标。一些人工智能公司，如Insilico Medicine，通过利用生成对抗网络（GAN）的力量来筛选潜在的候选药物。GAN通过使两个神经网络相互竞争来创建与真实数据集无法区分的合成数据集。一个神经网络生成数据，另一个神经网络将其与迭代周期中的实际数据集进行比较，以便合成数据集中的误差程度逐渐降低。在寻找分子导联时，不是使用反复试验，而是向网络发出请求以生成特定的线索。

我们不知道使用AI成功生产药物可以节省多少时间，因为至今还未有突破性的成功记录。当AI发现候选药物实际通过体外验证和临床评估时，我们将更好地了解该过程需要多长时间。但不可否认的是，人工智能将帮助研究人员超越药物发现中最耗时且最痛苦的部分，即发现分子线索。

进步技术国家

在接下来的五到十年中，使用AI鉴定的化合物数量将大幅增加，并且可以获得能够治疗非常精确病症的新药物。加速这一周期将需要逐步采用临床试验中使用的方法，包括使用AI。逐步技术驱动的国家可以重新制定药物评估和批准程序，以加快药物到达患者手上所需的时间。

最先进的人工智能公司将迁移到这些国家，区域生物技术中心也会一一落成。今天，许多国家正在金融科技（FinTech）领域开发最先进的AI平台。这些国家正吸引着来自世界各地的人工智能创业公司。因此，英国和新加坡正迅速成为全球创新中心。在接下来的几年里，最先进的国家将成为医疗保健领域人工智能的区域生物技术中心，尤其是药物发现中的人工智能。最有可能成为区域生物技术中心的“候选国家地区”包括新加坡、中国台湾、韩国、香港、以色列和瑞士。

2018年11月30日，AI研究人员联合开发了一个基准平台，包括各种机器学习技术，以便在标准数据集上进行比较，从而开发出生成药物发现的“数据集”（ImageNet）。MOSES（分子集）平台实现了几种流行的分子生成模型，并根据预定义的度量标准对它们进行排序。MOSES旨在加快药物发现的步伐，促进新模型的共享和比较。 它旨在促进人工智能药物的发现，就像ImageNet推动了对成像数据的深度学习一样。MOSES平台提供标准化的基准数据集，一组具有统一操作的开源模型，以及用于评估和最终生成结果的指标。

预防性药物与长寿

2017年和2018年，与人工智能研究和长寿应用AI相关的一些值得注意的活动频频涌现。Y-Combinator和加州老龄研究巴克研究所正致力于为长寿研究中心建立人工智能。Atomwise和BioAge在用于药物发现的AI领域以及老化研究领域中是众所周知的。由腾讯和北京基因组学研究所支持的中国碳云智能（iCarbonX）最近宣布，他们有兴趣将最先进的精准医学技术和人工智能应用于人口老龄化和健康长寿的问题上。

Insilico Medicine使用AI开发Ageless Cell，这是一种含有天然地理保护剂的长寿补充剂，其基因表达水平与二甲双胍和雷帕霉素等地质保护剂的相似性很高。Napa Therapeutics合作项目中，它兼具了巴克的优秀科学、资金和药物筛选，来自Juvenescence和AI实力的开发专业知识，以及来自Insilico Medicine的先进生物信息学专业知识。Insilico Medicine和A2A Pharmaceuticals是一家专注于肿瘤学新药开发的生物技术公司，已经合作组建了一家新公司Consortium.AI，该公司将应用AI的先进技术发现用于治疗Duchenne肌肉的新型小分子营养不良和其他罕见疾病。

AI医药投资

药物发现部门的AI投资从2012年到2017年稳步增长，2018年，与制药公司的投资额和合作项目数量大幅增加。药物发现的AI的拐点最早可能发生在2020年。药物发现创业公司的AI投资从2015年的2亿美元增长到2016年的3亿美元，并且在2018年已超过7亿美元。

目前，有260项投资为药物发现部门投资AI的资金，包括Soft Bank，Wuxi Apptec，Google Ventures，Andreessen Horowitz，Khosla Ventures和Sequoia Ventures等主要投资者。

分析师们对于2024年药物发现行业的AI预期估值没有达成一致。保守估计预计到2024年估值为50亿美元，而另一些预测为100亿美元甚至高达200亿美元。绝对清楚的是，药物发现的AI显著市值增长是不可避免的。只有这种增长的动态可能会有所不同。AI辅助新药研发或将成为新药企崛起的一大机遇。