近日，慢性病藥物研發巨頭諾和諾德宣佈在中國和丹麥裁員 400 人，引起軒然大波。
其實諾和諾德打算裁員也不是一天兩天的事兒了。短短三個月之前，諾和諾德公司就開始考慮執行成本削減計劃，而更早追溯至 2016 年，為了應對在胰島素業務市場越發激烈的市場競爭，該公司裁員大約 1000 人以幫助削減成本。
諾和諾德官方網站發佈的《轉變研發方式的計劃》稱其未來將增加對核心治療領域和新治療領域的轉型生物和技術創新的投資，力圖通過提升自動化及數字化能力, 運用機器學習及人工智能等方式, 提高研發效率。
2016 年末，BenevolentAI 與楊森製藥達成獨家授權協議，從強生那裡獲得小複方，並用人工智能開發候選藥物，同時展開商業化探索。之後葛蘭素史克、默沙東、輝瑞等知名藥企也紛紛利用 AI 輔助新藥研發。
而這一細分賽道在我國創投圈中也受到了格外的重視。
2018年國內AI輔助新藥發現成為風口
在國內，醫療是 AI 創業投資最為火熱的方向之一，但主要集中在 AI 輔助影像診斷這個方向上，AI 在新藥發現領域的嘗試幾乎沒有。2017 年之前，國內 AI 輔助藥物發現的公司也只有晶泰科技一家。
今年 5 月以來，真格基金、青松基金和英諾天使基金等多家早期投資機構開始對該領域國內早期項目進行了投資，深度智耀、智藥科技、億藥科技 3 家公司獲得了數百到數千萬不等的投資金額。
另外，例如雲勢軟件這種之前做醫藥營銷 SaaS 服務的公司也加入到 AI 輔助新藥發現的行列。
2018年AI+新藥發現領域融資事件彙總
BAT 中騰訊與百度也是有所佈局，2015 年便投資了該領域極具代表性的公司 Atomwise，騰訊今年更是與晶泰科技深度合作，將藥物發現板塊融入到了騰訊最新的醫療超級大腦之中，作為騰訊 to B 戰略連接藥企的重要支點。
研發成本極速增加
新藥投資回報率大幅下滑
事實上，原研藥企業這幾年過得不太容易，傳統藥企利用人工智能技術在藥物研發方面進行創新也是勢在必行。
2016 年，塔夫茨大學藥物開發研究中心的《關於新藥開發成功率的權威數據》這篇文章系統地分析了 1970~2010 年代中期近 40 年時間每十年的新藥研發成本增長情況。
每個獲批新化合物人體試驗前階段、臨床階段、總資本化成本變化趨勢
從圖中數據可以看到，新藥研發成本持續上漲，尤其到了 2000-2010 年其漲幅更是驚人。2000-2010 年這一週期相比上一週期，藥物研發各個階段成本均翻了一番多。
而在 40 年間，人體試驗前的研發成本上漲了 10 倍，臨床研發成本上漲了 21 倍，總成本上漲了 14 倍。這些數據充分地證明了新藥研發日益複雜，每一個十年都會有新的挑戰，未來這個數字很可能將繼續以一個難以控制的速度增長下去。
雖說各大藥企銷售額都有著不同程度的提升，但遠遠達不到研發成本的增長速度，這也直接導致藥物投資回報率的降低。
根據德勤去年的報告，2017 年全球前 12 位製藥企業儘管在研發上進行了巨大投入，但是這些投入所帶來的回報僅有 3.2%，藥物研發投資回報率也處於 8 年來的最低水平，相比於七年之前存在大幅度的下滑。
2017 全球 TOP12 藥企研發投資回報率
更要命的是近年來，藥物開發難度逐年增加，發現藥物新分子本體的難度越來越大, 這意味著製藥公司想要研發新藥需要進一步加大投資力度。
而由於研發的高風險性，一些在研項目由於達不到預期效果，投入回報不成正比頻繁出現項目終止的狀況，這種情況進一步的導致了化學合成藥物呈現淨增長數量下滑。這也意味著，現階段的新藥研發已經進入了瓶頸期。
這對大型藥企是極具挑戰的，這種情況如若繼續蔓延下去，未來會導致藥企方面不得不進一步減少人員與資金投入研發當中，形成惡性循環。
藥企紛紛與人工智能創業
公司合作，提升研發效率
大環境不好，外加上藥物研發本身的高風險性，壓力巨大的肯定不單單隻有諾和諾德一個，藥企紛紛採用裁員的方式精簡成本。
今年年初，輝瑞 (Pfizer) 公司宣佈將裁員 300 人，對象主要是其神經科學部門的早中期在研管線相關員工，並停掉一些處於臨床 I/II 期的在研項目。
禮來在去年 11 月，其備受關注的抗β澱粉樣蛋白療法 Solanezumab 的第 3 項大型Ⅲ期臨床研究宣佈失敗後表示將裁掉阿爾茨海默病業務單元的 485 名員工。
更早的時候，強生、羅氏、默沙東等都爆出了裁員計劃。
一方面，藥企砍掉了諸如神經系統疾病藥物這種研發難度大、成效過低，不能給公司帶來確定的收益的研發管線。另一方面，藥企將裁員精簡下來的資金投入到了人工智能這種新興技術上，試圖利用技術輔助提升藥物發掘效率。
2016 年 11 月，Benevolent AI 與強生達成合作，強生把一些尚處於試驗中的小分子化合物轉交給了 Benevolent AI，進行新藥開發。
輝瑞於 2016 年 12 月與 IBM 簽署協議，利用 IBM Watson 系統協助 Pfizer 的免疫腫瘤藥物研發。
2017 年 5 月，賽諾菲與 Exscientia 簽訂了一項潛在價值為 2.5 億歐元的合作和許可交易，用於開發針對代謝疾病的小分子藥物。
人工智能能為新藥研發帶來什麼？
藥物研發具有時間長、高投入、高風險的特點。其中，新藥發現由靶點確認、分子設計、化合物合成、活性篩選等多個步驟組成，需要藥物研發人員篩選上萬個化合物，進行無數次實驗去探索、證明與評估。
人工智能可以對藥物結構、疾病病理生理機制、現有藥物的功效、顯微鏡下的樣本觀察等等結果進行快速分析，大大提升新藥發現的效率。有專家稱，AI 未來有能力將臨床前實驗平均 6 年的研發時間縮短到數月。
另外人工智能還能對已篩選出的化合物的副作用進行進一步分析，一方面可以發現藥物潛在的不良作用，及時進行風險規避，降低藥物研發倫理成本；另一方面，也可以發現藥物其他對人體有益的作用，幫助藥品增加適應證，降低某種藥物在某種疾病上研發失敗帶來的巨大損失。
另外，對於例如神經科學這種人類研究依舊尚淺的科學，人工智能通過將現有資料進行整合分析，可能會為研究人員帶來一些意外收穫。
AI+新藥發現的技術對我國也具有戰略意義。
眾所周知，我國藥物研發與國際頂尖水平尚有 30 年的差距，追趕起來十分艱難。人工智能的發展為我國新藥研發帶來了縮短差距的機會，這也意味著國內優秀的 AI 輔助藥物發現的公司將獲得相關藥企以及投資機構更多的重視，獲得更多的發展機會。
★會員優惠★
雙節 IT桔子 會員優惠 ！
9.17-10.14 限時折扣 ！
閱讀更多 IT桔子 的文章
