一边药企巨头裁员,另一边 AI+药物研发企业频获投,人工智能的进击来袭

wtztqc.cn编者按:本文来自“IT桔子”(ID:itjuzi521),作者:徐梦翘,36氪经授权转载。 近日,慢性病药物研发巨头诺和诺德宣布在中国和丹麦裁员 400 人,引起轩然大波。 其实诺和诺德打算裁员也不是一天两天的事儿了。短短三个月之前,诺和诺德公司就开始考虑执行成本削减计划,而更早追溯至 2016 年,为了应对在胰岛素业务市场越发激烈的市场竞争,该公司裁员大约 1000 人以帮助削减成本。 诺和诺德官方网站发布的《转变研发方式的计划》称其未来将增加对核心治疗领域和新治疗领域的转型生物和技术创新的投资,力图通过提升自动化及数字化能力, 运用机器学习及人工智能等方式, 提高研发效率。 2016 年末,BenevolentAI 与杨森制药达成独家授权协议,从强生那里获得小复方,并用人工智能开发候选药物,同时展开商业化探索。之后葛兰素史克、默沙东、辉瑞等知名药企也纷纷利用 AI 辅助新药研发。 而这一细分赛道在我国创投圈中也受到了格外的重视。 在国内,医疗是 AI 创业投资最为火热的方向之一,但主要集中在 AI 辅助影像诊断这个方向上,AI 在新药发现领域的尝试几乎没有。2017 年之前,国内 AI 辅助药物发现的公司也只有晶泰科技一家。 今年 5 月以来,真格基金、青松基金和英诺天使基金等多家早期投资机构开始对该领域国内早期项目进行了投资,深度智耀、智药科技、亿药科技 3 家公司获得了数百到数千万不等的投资金额。 另外,例如云势软件这种之前做医药营销 SaaS 服务的公司也加入到 AI 辅助新药发现的行列。 ▲2018年AI+新药发现领域融资事件汇总 BAT 中腾讯与百度也是有所布局,2015 年便投资了该领域极具代表性的公司 Atomwise,腾讯今年更是与晶泰科技深度合作,将药物发现板块融入到了腾讯最新的医疗超级大脑之中,作为腾讯 to B 战略连接药企的重要支点。 事实上,原研药企业这几年过得不太容易,传统药企利用人工智能技术在药物研发方面进行创新也是势在必行。 2016 年,塔夫茨大学药物开发研究中心的《关于新药开发成功率的权威数据》这篇文章系统地分析了 1970~2010 年代中期近 40 年时间每十年的新药研发成本增长情况。 ▲每个获批新化合物人体试验前阶段、临床阶段、总资本化成本变化趋势 从图中数据可以看到,新药研发成本持续上涨,尤其到了 2000-2010 年其涨幅更是惊人。2000-2010 年这一周期相比上一周期,药物研发各个阶段成本均翻了一番多。 而在 40 年间,人体试验前的研发成本上涨了 10 倍,临床研发成本上涨了 21 倍,总成本上涨了 14 倍。这些数据充分地证明了新药研发日益复杂,每一个十年都会有新的挑战,未来这个数字很可能将继续以一个难以控制的速度增长下去。 虽说各大药企销售额都有着不同程度的提升,但远远达不到研发成本的增长速度,这也直接导致药物投资回报率的降低。 根据德勤去年的报告,2017 年全球前 12 位制药企业尽管在研发上进行了巨大投入,但是这些投入所带来的回报仅有 3.2%,药物研发投资回报率也处于 8 年来的最低水平,相比于七年之前存在大幅度的下滑。 ▲khjck.com2017 全球 TOP12 药企研发投资回报率 更要命的是近年来,药物开发难度逐年增加,发现药物新分子本体的难度越来越大, 这意味着制药公司想要研发新药需要进一步加大投资力度。 而由于研发的高风险性,一些在研项目由于达不到预期效果,投入回报不成正比频繁出现项目终止的状况,这种情况进一步的导致了化学合成药物呈现净增长数量下滑。这也意味着,现阶段的新药研发已经进入了瓶颈期。 这对大型药企是极具挑战的,这种情况如若继续蔓延下去,未来会导致药企方面不得不进一步减少人员与资金投入研发当中,形成恶性循环。 大环境不好,外加上药物研发本身的高风险性,压力巨大的肯定不单单只有诺和诺德一个,药企纷纷采用裁员的方式精简成本。 今年年初,辉瑞 (Pfizer) 公司宣布将裁员 300 人,对象主要是其神经科学部门的早中期在研管线相关员工,并停掉一些处于临床 I/II 期的在研项目。 礼来在去年 11 月,其备受关注的抗β淀粉样蛋白疗法 Solanezumab 的第 3 项大型Ⅲ期临床研究宣布失败后表示将裁掉阿尔茨海默病业务单元的 485 名员工。 更早的时候,强生、罗氏、默沙东等都爆出了裁员计划。 一方面,药企砍掉了诸如神经系统疾病药物这种研发难度大、成效过低,不能给公司带来确定的收益的研发管线。另一方面,药企将裁员精简下来的资金投入到了人工智能这种新兴技术上,试图利用技术辅助提升药物发掘效率。 2016 年 11 月,Benevolent AI 与强生达成合作,强生把一些尚处于试验中的小分子化合物转交给了 Benevolent AI,进行新药开发。 辉瑞于 2016 年 12 月与 IBM 签署协议,利用 IBM Watson 系统协助 Pfizer 的免疫肿瘤药物研发。 2017 年 5 月,赛诺菲与 Exscientia 签订了一项潜在价值为 2.5 亿欧元的合作和许可交易,用于开发针对代谢疾病的小分子药物。 药物研发具有时间长、高投入、高风险的特点。其中,新药发现由靶点确认、分子设计、化合物合成、活性筛选等多个步骤组成,需要药物研发人员筛选上万个化合物,进行无数次实验去探索、证明与评估。 人工智能可以对药物结构、疾病病理生理机制、现有药物的功效、显微镜下的样本观察等等结果进行快速分析,大大提升新药发现的效率。有专家称,AI 未来有能力将临床前实验平均 6 年的研发时间缩短到数月。 另外人工智能还能对已筛选出的化合物的副作用进行进一步分析,一方面可以发现药物潜在的不良作用,及时进行风险规避,降低药物研发伦理成本;另一方面,也可以发现药物其他对人体有益的作用,帮助药品增加适应证,降低某种药物在某种疾病上研发失败带来的巨大损失。 另外,对于例如神经科学这种人类研究依旧尚浅的科学,人工智能通过将现有资料进行整合分析,可能会为研究人员带来一些意外收获。 AI+新药发现的技术对我国也具有战略意义。 众所周知,我国药物研发与国际顶尖水平尚有 30 年的差距,追赶起来十分艰难。人工智能的发展为我国新药研发带来了缩短差距的机会,这也意味着国内优秀的 AI 辅助药物发现的公司将获得相关药企以及投资机构更多的重视,获得更多的发展机会。 www.gztongfei.cn

评论