AI+新药发现产业盘点：14家海外创业公司共融资2.76亿美元，国内仅一家涉足，中外差距悬殊

调查可发现这14家创业公司都获得了融资，共计获得2.7682亿美元，其中来自英国的BenevolentAI融资金额就高达1亿美元。该公司有一 款药物在2017年年中会进入2b期临床实验，同时有两款在研候选药物以8亿美 元的价格卖给了美国一家制药公司。

海外企业做得风生水起国内创 业公司却鲜有涉及。为了找寻在这个领域的创业团队，我们在采访人工智能其他领域的专家时，最后一个问题总是“您认识国内做AI+药物研发的公司吗？”

经过多方查找，最后了解到晶泰科技，也是目前唯一一家国内利用AI从事新药研发的公司。

业内人士常说，中国在人工智能领域的论文发表数量位居全球第一，可以和欧美相媲美。的确，在医学领域，我们对放射影像、病理、自然语言处理、智能语音录入等领域的研究不比欧美差，但在利用在AI+新药研发领域却相差很远，甚至是望尘莫及。

我们的差距在哪，中国利用AI进行新药发现的困难在哪，欧美又是如何进行这方面研究，并变现的？带着这些问题梳理了国内外的行业现状，希望从中找寻答案。

中外AI+新药发现公司盘点

从表中可以看出，美国在这个领域一共有12家公司，处于绝对的领先地位。接下来是英国，有3家公司，其中包括融资最高的BenevolentAI。中国目前只发现了晶泰科技一家公司的业务涉及此领域。

在本次盘点中只是梳理了临床前的新药发现企业，并没有统计利用AI在临床试验阶段为药企服务的企业。

新药发现的流程与困难

传统小分子药物研发的第一步通常是用被工业界广泛采用的高通量筛选。这些试验通常能在成千上万的化合物中评估针对一个特定靶点的活性。鉴定完候选化合物后进入下一步评估（比如细胞的生物活性），接着是对药物动力学和生物利用度等特性的优化（比如通过药物化学实验）。

由于评价化合物所需的试验次数较多，药物研发生产中每推进一个阶段都要花费200-400万美金。对于生物药而言，由于它们的复杂性更高，因此药物研发过程也更具挑战性。生物药的研发过程每一阶段成本 可会高达500-1000万美金。

潜在靶点和非靶点的范围通常需要从成千上万的化合物中筛选，使用传统高通量筛选方法，在没有足够资金的情况下，准确的评估是很困难的。

另外，高通量筛选方法本身就有设计上的缺陷，会导致实验筛选的无效性。而且，对于结构更加复杂且设计原理知之甚少的生物药，这些问题会更加突出。

“伟哥之父”穆拉德在一次座谈会上讲述其药物开发过程时说：“这个药原本是研究心血管疾病的，但男性受试者看到美女护士意外有反应，因此转研究男性勃起功能障碍。”这个故事表达了新药研发工作者的无奈，即使他们付出很多努力，结果也并不会如他们所愿，新药发现的偶然性太大。

中国新药发现的难点

中国的新药研发公司，除了会面对以上的问题之外，还要面对中国独有的困难。晶泰科技联合创始人、北京大数据及人工智能研发中心负责人赖力鹏博士告诉记者，中国在进行人工智能药物研发方面，要面对人才、数据、商业模式的困难。

人才， AI应用于药物研发需要若干个垂直领域的专家共同参与才能有所突破。既需要物理学家、化学专家、药物学家、药企研发高管，又需要人工智能科学家、云计算工程师等跨学科人才。通过在多个领域人才和经验的积累，整个团队需要紧密合作，这样才更容易获得突破性的思路和好的成果。

高质量数据， AI药物研发需要高质量数据支持。国内创新药研发起步较晚，与国外相比，对于优质数据的积累还有一定差距。

商业模式 ，生物科技在国内成功的标杆案例较少，同时药物研发这一行业相比医疗、金融等领域，其本身有相当的复杂性和不可预测性。这就是为什么人工智能这么火，人工智能制药却仍是一条少有人走的路的原因。

利用AI如何解决新药发现的问题

从海量信息中快速发现新药

在科学研究飞速发展的今天，每30秒就会有一篇生命科学论文发表。除此以外，还有大量的专利、临床试验结果等海量信息散布在世界各地。这些信息中，只有一小部分的科学信息可以形成有用的新知识。

对于药物研发工作者来说，他们没有时间和精力来关注所有的新信息，但是这些信息又包含了全球大部分科研人员的研究成果和大量关于新药的信息，从这些信息中找寻新药的蛛丝马迹是药物发现的一种捷径。

人工智能技术可以从这些散乱无章的海量信息中提取出能够推动药物研发的知识，提出新的可以被验证的假说，从而加速药物研发的过程。

还有一种情况是利用专有的深度学习运算法则，在成千上万的潜在化合物中寻找新的小分子药物。