1. <legend id="cjcnq"><progress id="cjcnq"></progress></legend>
        <menuitem id="cjcnq"><video id="cjcnq"></video></menuitem>
      1. <output id="cjcnq"><nobr id="cjcnq"></nobr></output>
        <small id="cjcnq"></small>

        1. 侵權投訴
          訂閱
          糾錯
          加入自媒體

          為什么說(shuō)AI的盡頭是生物制藥?

          2024-03-27 16:59
          醫曜
          關(guān)注

          本文系基于公開(kāi)資料撰寫(xiě),僅作為信息交流之用,不構成任何投資建議。

          AI的盡頭究竟是什么?有投資者說(shuō)是光伏,也有投資者說(shuō)是電力,而英偉達給出的答案則是生物制藥。

          在英偉達2023年投資版圖中,除AI產(chǎn)業(yè)根基算法與基礎建設外,生物制藥是其重點(diǎn)布局的核心賽道。英偉達醫療保健副總裁Kimberly Powell甚至直言:“既然計算機輔助設計行業(yè)捧出了第一家2萬(wàn)億美元市值的芯片公司,計算機輔助藥物發(fā)現行業(yè)為什么不能打造下一個(gè)價(jià)值萬(wàn)億美元的藥物公司呢?”

          圖:英偉達2023年投資版圖

          由此不難看出,英偉達對于“AI+生物醫藥產(chǎn)”賽道的未來(lái)充滿(mǎn)信心,它是希望再造一個(gè)“英偉達”的。究竟為何英偉達如此看好這個(gè)賽道呢?想要弄明白這個(gè)問(wèn)題,我們就必須先搞清楚醫藥賽道的核心痛點(diǎn)與底層邏輯。





          01反摩爾定律





          AI技術(shù)之所以能夠如此迅速的進(jìn)入大眾視野,離不開(kāi)集成電路產(chǎn)業(yè)的高速發(fā)展。

          英特爾創(chuàng )始人戈登·摩爾的在常年研究半導體產(chǎn)業(yè)后,提出這樣一個(gè)經(jīng)驗之談:集成電路上可以容納的晶體管數目在大約每經(jīng)過(guò)18個(gè)月到24個(gè)月便會(huì )增加一倍。這就是大名鼎鼎的摩爾定律。

          摩爾定律意味著(zhù),隨著(zhù)產(chǎn)業(yè)不斷發(fā)展,處理器的性能大約每?jì)赡攴槐,同時(shí)價(jià)格下降為之前的一半。正是這個(gè)不斷技術(shù)迭代的過(guò)程,才使得人類(lèi)計算機技術(shù)飛速發(fā)展,越來(lái)越多“玄幻”的功能得以實(shí)現。

          不同于半導體產(chǎn)業(yè)摩爾定律的發(fā)展,生物制藥產(chǎn)業(yè)雖然也在不斷進(jìn)步,但其發(fā)展卻是呈現出“反摩爾定律”的趨勢。

          一直以來(lái),創(chuàng )新藥研發(fā)都有著(zhù)“雙十定律”之說(shuō),即研發(fā)一塊新藥需要十年時(shí)間、需要耗費10億美元成本。不過(guò)這些數據已經(jīng)是過(guò)去式了,最先的數據顯示,全球范圍內創(chuàng )新藥的平均研發(fā)成本約26億美元,平均研發(fā)周期約為10.5年。

          漫長(cháng)的研發(fā)周期與不菲的研發(fā)成本導致,創(chuàng )新藥研發(fā)風(fēng)險極高,不僅需要大量的資金去做這件事,而且還存在極高的失敗風(fēng)險。更為致命的是,這其中的研發(fā)難度是隨著(zhù)時(shí)間推移而持續提升的,也就是當人類(lèi)發(fā)現的藥物與靶點(diǎn)越多,后續發(fā)現藥物與靶點(diǎn)所需要的成本也就會(huì )更多,投資收益率也就不斷下降。

          圖:創(chuàng )新藥研發(fā)成本,來(lái)源:開(kāi)源證券

          在這種反摩爾定律下,創(chuàng )新藥研發(fā)門(mén)檻不斷提升,投資者的風(fēng)險越來(lái)越大,漸漸地創(chuàng )新藥成為產(chǎn)業(yè)巨頭的生意。但實(shí)際上,醫藥產(chǎn)業(yè)發(fā)展卻注定是由“邊緣革命”推動(dòng)的,新的技術(shù)也往往都出現在初創(chuàng )公司中,當技術(shù)不斷得到驗證,巨頭才開(kāi)始切入布局。

          產(chǎn)業(yè)發(fā)展規律與產(chǎn)業(yè)發(fā)展驅動(dòng)力之間,實(shí)則已經(jīng)形成了明顯的剪刀差。這是一種極不尋常的現象,意味著(zhù)人類(lèi)醫療技術(shù)的進(jìn)步將逐漸停滯,相信沒(méi)有人愿意看到這種情況。

          生物制藥產(chǎn)業(yè)存在必須改變的需求,而不斷攀升的創(chuàng )新藥研發(fā)成本又給這件事留有足夠的空間。這兩點(diǎn)是促使英偉達看好AI技術(shù)能夠重塑醫藥產(chǎn)業(yè)的立足點(diǎn)。





          02經(jīng)驗與直覺(jué)





          現代醫藥產(chǎn)業(yè),是一座由直覺(jué)建起的圍城。

          創(chuàng )新藥上市雖然需要經(jīng)歷嚴苛且系統化的臨床驗證,但藥物發(fā)現的過(guò)程卻充滿(mǎn)隨機性。藥物研發(fā)路徑呈現漏斗型,一款藥物的確立,是需要經(jīng)歷藥物發(fā)現、臨床前期驗證、臨床期驗證三個(gè)階段的,每一階段的成功管線(xiàn)的數量不斷降低。

          這其中最難的是藥物發(fā)現階段,需要在無(wú)數化合物中篩選出1萬(wàn)個(gè)左右適合的化合物,然后在一步一步的篩選,最后找到合適的化合物。某一個(gè)靶點(diǎn)的發(fā)現與確立,不僅頗具偶然性,而且驗證過(guò)程極為繁瑣,找到合適的分子更是難上加難。

          圖:藥物篩選過(guò)程,來(lái)源:浙商證券

          盡管一代又一代的創(chuàng )新藥研發(fā)努力使得藥物發(fā)現逐漸有跡可循,但在龐大的化合物數據面前,一切還是高度依賴(lài)于研發(fā)人員的直覺(jué),數據能夠提供的幫助并不多。努力的前提是方向正確,如果選擇了一條錯誤的賽道,那么再多努力也終將化為徒勞。過(guò)度依賴(lài)于直覺(jué),使得傳統藥物研發(fā)偶然性不可控,這也是為何創(chuàng )新藥研發(fā)成本不斷抬升的本質(zhì)原因。

          如果現代醫藥產(chǎn)業(yè)想要成本降低,就必須擯棄過(guò)往依賴(lài)于專(zhuān)家直覺(jué)的方向,而是應該更多的以數據為導向。所謂數據,實(shí)則就是一次次經(jīng)驗的結晶,數據化并不代表創(chuàng )新藥研發(fā)不會(huì )失敗,而是可以將這次失敗轉化為下一次研發(fā)的基石。通過(guò)系統性的大模型訓練,AI對于藥物篩選將更加快速、準確。

          實(shí)際上,創(chuàng )新藥研發(fā)就好像一款Roguelike游戲,看似一切都是由隨機構成的,每一次的游戲體驗可能也不盡相同,但在一次又一次的失敗過(guò)程中,游戲會(huì )不斷積累經(jīng)驗與數據,從而降低下一次游戲的攻關(guān)難度。

          AI制藥,本質(zhì)上就是摒棄過(guò)去的專(zhuān)家直覺(jué),高度依賴(lài)于數據反饋,通過(guò)不斷地模型訓練,進(jìn)而找到正確的研發(fā)路徑。由依靠專(zhuān)家直覺(jué),切換到AI大模型篩選,這是一種由具象化走向數據化的過(guò)程,也是由感性向理性過(guò)度的路徑。

          尤其在很多未攻克的空白適應癥上,專(zhuān)家直覺(jué)的成功可能與擲骰子無(wú)異,持續高通量的AI模型試錯才是降低失敗率的最好方法。AI制藥,不僅降低了研發(fā)成本,而且也能有效地提升研發(fā)效率。





          03數據資源最為珍貴





          算法、算力、數據庫,這是AI技術(shù)的三大核心要素。

          在大多數場(chǎng)景的AI應用中,算法都是三要素中最終要的一環(huán),算力與數據庫雖然也很重要,可大多數投資者依然更關(guān)注大模型算法的構建。

          但在生物制藥領(lǐng)域,算法為王的情況卻可能并不適用。與其他場(chǎng)景相比,生物制藥賽道的數據資源更加珍貴,它是非開(kāi)源的,是各大藥企的核心資源。無(wú)論成功與失敗,都是經(jīng)過(guò)大肆燒錢(qián)的臨床試驗而得來(lái)的。由此可見(jiàn),數據庫才是AI制藥賽道最核心的競爭力所在。

          縱觀(guān)國內火熱的AI制藥公司,多是由CRO公司轉型而來(lái)。與普通醫藥公司相比,CRO公司擁有極為豐富的研發(fā)經(jīng)驗,雖然最終研發(fā)數據歸甲方公司所有,但其卻能夠在一次又一次的研發(fā)中,潛移默化的積攢大量的過(guò)程數據與方法論,這使得CRO公司在構建數據庫方面擁有得天獨厚的優(yōu)勢。

          基于生物制藥數據的非開(kāi)源性,AI制藥的發(fā)展最終很有可能走向兩個(gè)方向。第一種是財力雄厚的MNC,它們常年積累了大量的研發(fā)經(jīng)驗與數據,并且全面開(kāi)始投資布局AI資產(chǎn);第二種則是以國內為主向AI制藥轉型的CRO公司,由于它們此前承接了大量的國內外研發(fā)項目,因此具備很強的數據庫構建能力,欠缺的只是算法大模型的構建,而算力問(wèn)題完全可以通過(guò)與阿里云、騰訊云等科技公司合作解決。

          由于國內生物制藥產(chǎn)業(yè)剛剛起步,尚未形成擁有長(cháng)期創(chuàng )新藥研發(fā)布局的MNC,因此第一種模式很可能在國內難以行得通。在未來(lái)的數十年中,CRO公司很可能將切換成為中國AI制藥的核心資產(chǎn),而海外則更多是各家MNC之間的對立與競爭,并不會(huì )愿意將數據開(kāi)放給第三方,就連英偉達想要入局都需要通過(guò)投資生物制藥公司的方式才得以實(shí)現。

          現階段,國內AI制藥正處于發(fā)展初期,大致上可以分為三個(gè)梯隊。第一梯隊是已經(jīng)布局AI制藥技術(shù)多年的公司,如成都先導、泓博醫藥、晶泰科技、藥石科技等;第二梯隊則是擁有豐富的研發(fā)經(jīng)驗,但在A(yíng)I制藥領(lǐng)域的布局卻剛剛起步,如藥明康德、美迪西、皓元醫藥等;第三梯隊則是研發(fā)經(jīng)驗豐富,但暫時(shí)還沒(méi)有在A(yíng)I布局太深的其他CRO公司。

          AI制藥領(lǐng)域,數據才是產(chǎn)業(yè)第一性,數據庫的價(jià)值遠高于算法和算力的價(jià)值,這也是為何CRO公司會(huì )站在目前國內AI制藥產(chǎn)業(yè)第一線(xiàn)的原因。









                 原文標題 : 為什么說(shuō)AI的盡頭是生物制藥?

          聲明: 本文由入駐維科號的作者撰寫(xiě),觀(guān)點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權或其他問(wèn)題,請聯(lián)系舉報。

          發(fā)表評論

          0條評論,0人參與

          請輸入評論內容...

          請輸入評論/評論長(cháng)度6~500個(gè)字

          您提交的評論過(guò)于頻繁,請輸入驗證碼繼續

          暫無(wú)評論

          暫無(wú)評論

          醫療科技 獵頭職位 更多
          文章糾錯
          x
          *文字標題:
          *糾錯內容:
          聯(lián)系郵箱:
          *驗 證 碼:

          粵公網(wǎng)安備 44030502002758號

          欧美日韩精品一区二区在线,中文字幕亚洲欧美日韩2o19,欧美日韩精品一区二区在线,久久水蜜桃网国产免费网

          1. <legend id="cjcnq"><progress id="cjcnq"></progress></legend>
              <menuitem id="cjcnq"><video id="cjcnq"></video></menuitem>
            1. <output id="cjcnq"><nobr id="cjcnq"></nobr></output>
              <small id="cjcnq"></small>