本文來源:時代財經 作者:文若楠
今年年初,DeepSeek 火成現象級,再次引爆了 AI(人工智能)熱潮。生物醫藥領域亦在跟進這股潮流。在多家生物醫藥企業紛紛宣布接入 DeepSeek 之外,也有越來越多生物醫藥企業披露自身在 AI 方面的應用情況或更多布局。
投融資方面亦顯現活躍。3 月 13 日,英矽智能宣布完成 1.1 億美元 E 輪融資,由亞洲最大的獨立資產管理公司之一惠理集團旗下的私募股權基金、浦東創投和浦發集團、錫創投和宜興國控聯合領投。根據官網,英矽智能是一家由生成式人工智能驅動的生物醫藥科技公司。
當諸多事件頻頻展現目前 "AI+ 生物醫藥 " 的火熱,人們更想知道的是,AI 會如何賦能生物制藥,尤其是對于 " 九死一生 " 的創新藥而言。在 3 月 13 日 -15 日舉行的 BIO CHINA2025 易貿生物產業展覽期間,這些相關的問題為多個分論壇熱議。
" 人工智能顯然是具有顛覆性潛力的技術,你能夠犯的最大的錯誤就是低估它的未來,一旦低估就肯定要被甩到時代后面的,所以我們寧愿高估它的能力,也不要低估。" 廣州國家實驗室研究員 & 病原體結構與臨床應用創新研究院院長彭偉在上述大會中提到。
彭偉舉例稱," 我自己是搞結構生物學出身的,除了通用型的人工智能之外,專用的人工智能在生物學領域第一個顛覆性的應用就是 AlphaFold,用于大分子結構的預測。AlphaFold 的出現給結構生物學帶來了危機感,但換一個角度看,它的出現也拓寬了結構生物學家的研究領域,帶來了新的機遇。" 彭偉提到的 AlphaFold 是由 DeepMind 開發的 AI 模型,能夠根據蛋白質的氨基酸序列預測其三維結構。
伴隨著 AI 技術的持續發展,AI 在生物醫藥領域的想象力邊界不斷被拓展。今年 2 月,國盛證券發布的研報解釋道,AI 技術涵蓋 ML(機器學習)和 DL(深度學習)。ML 算法在新藥研發領域被廣泛用于分類和回歸預測等方面,DL 算法適合處理大數據,模型也更為復雜。隨著計算機性能的提高和數據量的積累,DL 算法在新藥研發中的應用越來越廣。
具體到應用層面,前述研報提到,目前,從全球 AI+ 新藥研發企業的應用實踐來看,AI+ 新藥研發主要是將 ML、DL 等 AI 技術,應用到前期研究、靶點發現、化合物合成、化合物篩選、新適應證發現、晶型預測、患者招募等新藥研發環節。
盡管已經應用到諸多環節,但是眼下仍存在亟待改進和優化的地方。在上述大會中,業內人士指向了 " 數據 " 問題。
對于數據的重要性,朗睿生物創始人兼 CEO 邢莉在上述大會中強調道," 大模型訓練離不開大數據,數據是基石。"
這意味著,如想進一步推動 AI 在制藥領域的應用,那么如何擴大數據的可及性尤為關鍵。
在現實層面,這并不容易。多位業內人士提到,這與制藥數據的保密性以及行業細分程度等特性息息相關。
" 我們這個行業有一點分散,每個公司雖然都在拼命產生數據,但是我們仍然沒有一個好的辦法把這些數據集中在一塊。這是未來需要解決的。" 華深智藥生物科技 CEO 彭健在上述大會中說道。
打破數據孤島,整合數據,顯然需要更多的時間。隨著后續相關政府、企業、醫療機構等的合力推進,AI 或許才能真正為人們打開想象力的大門,實現更為突破性的應用。
不過,從眼下來看,無論是應用到哪一個層面,AI 的應用無疑能提升了新藥研發的效率,為降本增效提供了可能。
對于 "AI+ 制藥 " 的應用現狀和存在的問題,晶泰科技 CEO 馬健則在上述大會上直言,"AI 做藥的成功率不是一個正確的問法,而是說在某一個環節能夠帶來的確定性變化是多少。" 同時,他也堅信,AI 幫助做創新藥已經成為既定的事實,"AI 幫助我們做的藥走到上市階段,只是時間問題。"