中国药企的AI创新探索

2023年的医药寒冬里，AI制药成了美国生物医药公司融资最多的板块。

2024年，这一趋势仍未有丝毫衰减，回看生物医药行业的融资情况，斩获超10亿美元大额融资的Xaira Therapeutics，又是一家AI制药企业。

AI破局新药研发

数年前，业界对新药研发的理解普遍是“双十”，即10年10亿美元。如今，两个数字几乎都奔着翻倍去了。这一背景下，AI几乎成了唯一的破局选择：研究显示，AI技术能将临床新药研发的成功率从12%提高到约14%，生成式AI可以将制药和医疗的生产率提高2.6%至4.5%。看似提升的百分点不多，却意味着全产业数百甚至数千亿美元的开支节省；更何况随着技术不断飞跃，AI的效能越来越高，布局越早，将来节省下来的成本就越多。

亚马逊云科技很早就预见到了这一天的到来，早在2013年就在全球范围内组建了医疗和生命科学专业团队，并联合数百家合作伙伴，服务于数千家行业客户。

亚马逊云科技资深解决方案架构师张强介绍，在与客户的沟通反馈以及项目实践中，发现生成式人工智能在三个方面为企业带来了显著的生产力提升。

第一，目前药企在研发中流程中会涉及到大量数据处理工作，这些数据大多非结构化且不规范，有文本、图像、表格等多种格式。如果用人工的方式去一个个查询筛选对齐，不仅效率低下还浪费了宝贵的专家资源。以处理药品说明书为例，不同来源的说明书格式和规范不一，难以通过统一的代码处理，但大语言模型可以很好的处理这项工作，在准确性提升的同时极大的提高处理效率。

第二，大语言模型是一个很好的智能中枢，通过与数据库、工具、业务系统的结合，可以帮助企业实现更加灵活的自动化。医疗是知识密集型行业，涵盖药物学、病理学、基因组、蛋白质组学等各种不同领域知识，在业务中往往还需要依赖内外部的工具，如Pubmed、ClinicalTrials，通过对应用架构的设计，大语言模型可以根据业务人员的自然语言描述的需求，精准理解并帮助完成一系列数据检索工作，在此基础上还可以实现专业问答、文档编写、内容总结等场景功能，简化人工工作流。

第三，不光是输入端，在输出端，随着大模型多模态能力，以及在行业知识理解能力的迭代，生成式人工智能在提升洞察力方面正在给企业带来更大的价值。张强举例，筹备一项试验可能需要阅读数以万计的临床记录，阅读单个患者所有相关记录的费用为150～1000美元，研究人员需要阅读数10份临床记录，才能找到一个符合条件的患者。无论是招募了不符合条件的患者还是遗漏符合条件的患者，都会增加成本，后者还可能会导致招募的患者数量减少，进而耽误试验的开展，根据权威机构的统计，临床试验每往后推一个月，会给药企带来60～800万美元的损失。如果使用大语言模型负责浏览整个电子健康记录，则可以将试验周期缩短数月，节省大量人力和时间成本。

艾滋病领域研究代表生物制药公司吉利德与亚马逊云科技在AI领域已有深入合作。早在2015年前后，吉利德就开始逐渐采用云服务去替代传统的数据存储和平台搭建流程。2021年，吉利德还将50%以上的数据中心基础设施迁移到了亚马逊云科技上。而对AI层面的集中发力，则是从2023年开始。吉利德在内部成功构建起了一套数据积累和调用机制，实现了与大模型之间的相互赋能。在亚马逊云科技专家的帮助下，吉利德研发团队目前正在探寻在云端创新的方式，试图采取一种敏捷的产品开发方法，从员工层面鼓励创新。

中国药企的创新实践

在中国，也已经有了不少先行者，具体到每个机构或企业，因为业务场景不同，衍生出来的应用方式也不同。

中科院通过基于文献库构建RAG应用，能够在菌株挑选、寻找最优合成路径等方面上为科研工作者提供专业的知识问答，大模型做到了以往只有资深专家才能做到的工作。以前关于菌株的调研报告，需要一个专家用1-2个月时间来完成，现在有了生成式AI的辅助，只需要1周的时间就可以完成；此外在问答准确率方面，能够达到92%以上。

百济神州构建了基于大语言模型的问答知识库，让研究者能轻松查阅海量的医学文献，大幅度提高研发效能。

专注于肠道微生态治疗的AI制药公司未知君则在云上对不同数据的分级存储和归档。随着基因测序和分析项目的增多，每个研究样本都会生成海量数据，在应用亚马逊科技提供的服务后，未知君实现了TB级基因数据的存储，还为未来的扩大留足了空间。

晶泰科技也将药物研发业务的计算调度平台构建在亚马逊云科技之上，以随时调取大规模的超算资源，达到极佳的计算性价比，每年可以节省大量的运营成本。

趋势已经来临，不少领域的领军企业也在跃跃欲试。

凯莱英临床（凯诺）执行总监刘喆鑫谈到对AI在药物警戒中的展望时，表示在药物警戒领域，许多工作内容，如不良反应报告统计等都属于重复性工作，经过凯莱英团队的统计，如果引入AI技术，能够减少40%-70%的人工需求，倘若进一步推广到财务部门、行政部门等，效率优化的累积会更加明显。

除此之外，药物警戒的一个重要信息来源就是淘宝、京东、美团等电商平台的用户评价，但用户评论量之大，绝无可能全靠人工检索。倘若这部分数据到期后被平台归档，就再也无法调用出来，“相当于全部浪费了”，必须用大模型来进行数据挖掘和清洗，将结论反哺医药研发。而随着近日越来越多的城市开放线上购药医保支付，这一领域的意义会更加凸显出来。

医疗器械CRO公司愿景临床注意到AI技术也被越来越多地用到了CRO公司早期药物发现领域，借助AI药物研发平台和自动化实验室技术，CRO从头设计并交付候选化合物的效率得以大大提升。此外，他们也充分考虑了出海这一场景。目前中国企业出海是大趋势，CRO出海尤其需要大量的数据存储空间，“上云”是必选项。亚马逊云科技在医药领域深耕时间更长，二来作为跨国公司，能够带来更多的潜在合作机会。

布局越早，收获越大。 “整个制药的生命周期里，我们将不同环节提升后的效率累加起来，最终会给我们的整个研发流程带来质的变化。”张强总结。