摘要:当药物研发遇到AI

新药研发道阻且艰,深度智耀AI+新药研发平台如何助力?| 爱分析访谈-ifenxi

调研 | 张扬 晴空

撰写 | 晴空

众所周知,药物研发不管是时间还是资金,都投入不菲。不过一款成功的新药为患者带来的福音,以及由此带来的经济回报,的确也值得如此投入。

而且,药企在药物研发方面的精力与资金投入,从来都是毫不吝啬。这一点,从跨国药企每年动辄几十亿甚至上百亿美金的真金白银开销中,可见一斑。随之而来的工作量以及人力投入,也是相当可观

新药研发面临大量查阅文献、翻译、写报告、编排格式、录入数据等工作,药物发现、化合物合成等更是需要耗费资深专家大量的时间和精力。之后的药物临床试验也有繁杂的流程、无数的数据以及无尽的文件需要管理。

新药研发道阻且艰,深度智耀AI+新药研发平台如何助力?| 爱分析访谈-ifenxi

有痛点就有机会,近年来药物研发服务的赛道上,开始涌现出一批创新者。深度智耀是这个赛道上的新锐玩家之一,旨在打造覆盖药物研发全流程的AI+新药研发平台。

智能申报和药物安全警戒先行,意在覆盖新药研发全流程

深度智耀运用NLP、知识图谱、深度学习等技术,为药企提供新药研发所需智能化工具,并打通新药研发全流程,意在节省药企时间、人力和资金成本。

当前,公司已大规模商业化的产品有两款,一是智能申报注册平台,解决申报规划、文档翻译、注册运营等大量的人力耗费问题,提升效率。

二是药物安全警戒系统,实现不良反应的自动化、快速录入和分析,更好的满足药物安全监管需求,以及药企安全数据积累和挖掘分析需求。

另外,2018年年底深度智耀将推出两款新产品。一是AI早期药物发现平台,用AI驱动药物设计、药物活性预测等。二是化学合成和工艺改善——AI辅助有机合成系统。

新药研发道阻且艰,深度智耀AI+新药研发平台如何助力?| 爱分析访谈-ifenxi

从药物研发全流程来看,一款新药的上市需经历药物发现、临床前研究、临床试验、注册申报等,堪称打怪升级之路。

当前,深度智耀推出的产品已覆盖其中几个环节,但单点功能的产品并不是深度智耀的目标。

深度智耀创始人兼CEO李星表示,目前药物研发前后环节之间数据、流程都没有打通,一旦实现从药物发现到上市后研究全流程的贯通,将大幅度节省药物研发的时间成本和资金成本。

深度智耀要做的就是打造覆盖药物研发全流程的AI+新药研发平台,为药企提供贯穿药物研发始终的智能化药物研发系统。相比于提供单点功能,深度智耀的全流程战略颇有些独树一帜的韵味。

场景理解和AI算法是企业竞争力体现

深度智耀团队约100多人,有近50人的核心算法团队,另有50人左右的医药专业团队,保证AI能力和药物研发场景理解能力。

而且,李星提到,更重要的是AI技术团队和医药专业团队之间的深度磨合。只有两种能力充分结合,才能用AI的方法和全流程服务理念为客户赋能。

客群覆盖跨国药企和本土药企,已有50多家客户

深度智耀主要目标客群是跨国药企和本土一线药企,也有本土中小药企。其中跨国药企信息化建设完善,倾向于采购单点功能;而本土药企信息化建设相对薄弱,倾向于采购全流程产品。

目前深度智耀已有跨国药企、以及本土大、中、小型药企客户约50余家。

系统部署方式有SaaS和私有化部署两种,其中私有化部署为一次性收费,后续收取少量维护费用。

药物研发服务市场存在爆发基础

药企新药研发涉及大大小小上百种系统,且目前的系统很多工作需要人力完成,且各环节之间的沟通成本高昂,功能远不能满足药物研发需求。

再者,市场上原有的药物研发流程管理系统缺乏智能化功能。

AI可以完成基于大量知识和文献的分析、挖掘工作。同时,深度智耀打造的全流程AI+新药研发平台,能够通过顶层设计和业务逻辑梳理,将药物研发全流程打通,从而提升新药研发效率和成功率。

目前,国内外药物研发AI创业企业多从药物设计、晶型预测等单点功能切入,IBMGoogle等巨头也跟药企联合进行单点AI药物早期研发尝试。

从战略来看,深度智耀全流程打法能够实现差异化竞争,从市场来看,众多玩家参与,且药企纷纷尝试AI药物研发,市场存在爆发基础。

新药研发道阻且艰,深度智耀AI+新药研发平台如何助力?| 爱分析访谈-ifenxi

近期,爱分析对深度智耀创始人兼CEO李星进行了访谈,现将部分精彩内容与大家共享。

李星,深度智耀创始人兼CEO,北京大学药学院毕业,在大型跨国药企的新药开发部门具有超过12年工作经验,曾先后任职于辉瑞、赛诺菲、强生等公司,前强生中国新药开发领导团队成员。

药物研发全流程都有AI渗透的机会

爱分析:当前很多药物研发服务企业,从AI药物合成的角度切入,药物研发合成具体是在新药研发的哪个阶段?

李星:合成分两个部分,一部分在lab(实验室)阶段,是和药物设计在一起的,那种合成是小规模级的,需要迅速合成出上千个化合物,然后做实筛、细胞实验,进行药理、毒理等筛选。

另一部分是生产阶段的合成,需要更精细的推进药物合成路线,是在工厂里面进行的合成。

爱分析:目前的合成系统有涉及用AI的方法吗?

李星:现在常规的药物合成没有涉及AI的方法,要靠化学家的经验。之前市场上有一些基于文献搜索的系统,深度智耀是基于AI的方法。

爱分析:除了药物合成,整个新药研发还有哪些环节是AI技术可以渗透的?

李星:全流程都可以,而且如果想实现极致的智能,一定是全流程的,不是单点的。极致的智能必须实现数据的全打通,所有系统都要连起来,深度智耀以后的系统会是一体化的。

所以深度智耀的产品会越来越少,比如说原来注册翻译写作是三个产品,最后连起来就变成一个。

药物警戒始于药物研发早期阶段,机器可大幅度提升其效率

爱分析:整个药物研发流程中,药物警戒系统的适用范围?

李星:药品最重要的是三个方面,一是药品安全,需要药物警戒系统;二是药品的疗效;还有一个是质量,即CMC,制剂合成的生产工艺。

其中药品安全应该是从实验室阶段一直贯穿到上市后,而不是片面的临床实验阶段或者上市后阶段。药物安全警戒系统要跟早期动物实验连起来的,所以深度智耀推出的药品安全是大安全。

这其实是五年后能够做到的系统,现在国内远远没有达到,国际上也刚起步。

爱分析:药物警戒环节的工作中,有哪些环节是可以机器完成的?

李星:录入数据的时候,有97%的工作可以由机器完成。比如说原来录入一个case到系统,人工需要40分钟,而机器只需要一分钟。

还有报告的自动撰写,基于大数据、深度学习的安全信号挖掘以及预警等很多方面的工作,都可以由机器完成。

当然还有很重要的翻译功能,跨国药企申报CFDA,药监局是要求全球发生的不良事件报告,而且要翻译成中文申报。

同理,如果中国的药企到国外申报,在中国发生的不良事件,也要翻译成英文申报。所以机器翻译也是很重要的。

产品涉及大小分子药物,按药企需要开发产品

爱分析:深度智耀AI系统目前涉及到哪些类型的新药研发?

李星:我们现在小分子、大分子都在做。目前来看,用人工智能做小分子药物研发会更容易一些。

爱分析:是否有些环节的产品需要药企内部比较独特的数据?

李星:我们先做一个基本上能达到75分以上的baseline,部署到药企之后不断的进行增强学习和优化。

而且涉及到药企自己数据的时候,一定是私有化部署或私有云,数据归药企所有。但是我们要确保baseline是可用的。

爱分析:整个过程当中技术壁垒或者场景理解能力要求最高的环节是什么?

李星:临床试验管理中的EDC最复杂,它的业务逻辑特别复杂,有很多的流程和散点,这个产品我们还在研发中。

爱分析:新药研发环节冗长,在选择切入点的时候是怎样的逻辑和思路?

李星:有政策驱动方面的考虑,比如对国内药企来说,有哪些是政策要求必须有的,药企最迫切的是需求是什么,这个可以通过市场调研决定。

也会基于自身的专家水平做决策,能够提供怎样的产品。但核心还是按药企的需求。