人工智能技术及其在生物制药领域不断扩大的作用

今天分享的是人工智能系列深度研究报告：《人工智能技术及其在生物制药领域不断扩大的作用》。

（报告出品方：毕马威）

报告共计：18页

来源：人工智能学派

前言

在生物制药领域，人工智能(AI)已然是一门成熟完善的工具。但由于AI的应用主要集中在研发阶段，而非下游的商业运营，在进一步整合方面仍然存在巨大机遇。与此同时，不少企业正在积极探索如何在现有数据和AI模型之上叠加生成式AI，包括OpenAl的ChatGPT等大型语言模型(LLM)，以进一步改进新药研发过程，提升运作效率。

交易格局分析

1.回顾历史:虽然人工智能对生物制药行业来说并不是什么新兴技术，但其广泛采用耗费了不少时间。在2010年代，已有大量同行评审论文探讨将生成方法和深度强化学习作为研发活动的补充方法，1尽管如此，对于专注AI的生物制药服务机构的生存能力，仍有部分人持怀疑态度。2因此，Insilico Medicine、BenevolentAl和Exscientia等创立于人工智能新药研发初期阶段的初创公司，往往难以获得风险投资。

在某种程度上，早期的质疑是因为许多AI企业尚未建立富有成效的合作关系，也未取得新药研发的切实成果。与此同时，人们针对A算法和输出在确定合适候选药物过程中的可靠性和准确性提出了疑问，进一步加剧了业内的担忧。监管和合规方面的不确定性也给这项技术的发展蒙上了阴影，对于AI方法将会受到何种监管，以及是否会采取强制管制措施，生物制药领域的龙头企业心存疑虑。由于以上种种因素，在2010年代末到2020年代初，3药企往往围绕AI生成的药物靶点自主建立研发管线，从而进行概念验证演示，建立企业信誉度。

2.展望未来:自良好的市场形势，加上人们对生物制药领域AI应用的信心日益增强，促使AI并购和合作交易大幅增加，其中，2013年至2022年的复合年增长率达到27.3%。

值得注意的是，2022年，地缘政治和经济因素导致A1相关交易量下降。为应对这种情况，药企转向了低风险的合作和资产收购交易。目前，信贷市场趋紧，且近期估值预计将下降，或将在短期内继续促使投资者对AI相关交易采取保守态度。

然而，尽管存在这些挑战，AI在生物制药领域的应用预计仍将继续维持上升趋势4(图1)。

3.交易类型:过去10年间，AI相关的交易主要集中在加强研发(161笔交易)以及开发和商业化许可(95笔交易)。此类初期重点领域反映了生物制药公司希望通过AI驱动的创新提升效率，实现价值。

生物制药公司可通过多模态数据分析提高研发效率。诸如此类的方法有助于产生关于疾病机制的新见解，从而更快地预测全新的药物靶点以及可能与已知医学靶点相互作用的化合物。相比之下，基于靶点的传统新药研发方法更加耗时，需要对大量化合物进行高通量筛选(HTS)，随后必须借助药物化学对这些化合物进行优化，并评估其安全性和有效性。换句话说，通过运用AI技术，从小分子临床前候选化合物提名到首例受试者给药的典型时间间隔(2-3年)6将显著缩短(图2)。

上表对生物制药价值链中AI应用的细分情况进行了定向总结，重点介绍了以下重要研发交易中所述企业所进行的活动分布:

1. 2023年1月，DNA编码化合物库(DEL)技术的全球领导者X-Chem与维泰瑞隆(Sironax)达成了研究合作伙伴关系。7X-Chem利用其DEL技术平台，为维泰瑞隆(Sironax)的药物研发管线提供支持，从后者独有的DNA编码化合物库筛选出具有挑战性的针对神经退行性疾病的靶点，以识别新型化合物。
2. 2022年7月，0rion Biotechnology Canada和Peptilogics启动了一项战略研究合作，运用AI技术进行药物研发，靶向于未开发成药的G蛋白偶联受体(GPCR)靶点。8此次合作将Peptilogics的AI平台Nautilus"与Orion Biotechnology的专有药物发现平台的能力相结合，充分利用双方在肽设计和工程方面的专业知识。
3. 2022年9月，Brainomix与Bridge Biotheraptics达成合作，在针对特发性肺纤维化(IPF)的autotaxin(ATX)抑制剂BBT-877的2期研究中，运用其AI驱动的e-ILD软件进行定量成像生物标志物分析。9此次合作的核心是一个AI系统，该系统经过训练，可处理间质性肺病患者的高分辨率胸部CT数据，从而协助收集高质量的成像数据，阐明BBT-877的相对疗效。

报告共计：18页

来源：人工智能学派