动脉网知识库

登录动脉网

账号密码登录

忘记密码?

手机账号登录

获取验证码

忘记密码

获取验证码

新用户注册

获取验证码

绑定手机号

获取验证码

感谢您使用“动脉网”的产品和服务。 我们尊重并保护所有使用动脉网用户的个人隐私权。
第1条 协议内容及生效
1.1 本用户协议是用户与“动脉网”之间就相关事宜所订立的契约,即包括本用户协议所有正文及“动脉网”已经发布或将来可能发布的各类规则。用户在“动脉网”注册前,必须事先认真阅读本用户协议,特别是本协议中关于限制、减轻或者免除“动脉网”责任的全部协议内容以及含有限制用户权利的协议内容。
1.2 如果用户同意本用户协议,或者存在包括下载、注册和使用及连接“动脉网”服务的行为,将被视为完全接受并同意遵守本用户协议的所有内容,包括接受“动脉网”对用户协议随时所做的任何修改,本协议即构成对双方有约束力的法律文件。如不同意本用户协议,用户不得使用或应主动停止使用“动脉网”提供的服务。
1.3 用户应当为具有完全民事行为能力的自然人,或者是具有独立承担法律责任能力的其他合法主体。若用户属于无民事行为能力、限制民事行为能力人的,或是不具有独立承担法律责任能力的其他主体的,您应在监护人监护下或是得到有权主体授权后使用“动脉网”。
第2条 用户信息
2.1 用户个人信息。用户个人信息包括真实姓名、手机号码、微信号、所属行业、所在公司,现任职位、常驻城市、本人照片、身份证号、微信支付账号、电子邮箱、个人简介等。
2.2 非用户个人信息。用户在“动脉网”上,包括阅读、评价、操作状态、使用记录、使用习惯等在内的全部记录信息。除本条第1款所列用户个人信息范围外的所有信息,均为非用户个人信息。
2.3 第三方平台记录信息。用户通过腾讯微信等第三方平台账号注册、登录、使用“动脉网”服务的,将被视为用户完全理解、同意并接受“动脉网”已包括但不限于收集、统计、分析等方式使用其在腾讯微信等第三方平台填写、登记、公布、记录的全部信息。用户一旦使用第三方平台账号注册、登录、使用“动脉网”服务,“动脉网”对该第三方记录信息的任何使用,均被视为已经获得了用户本人的完全同意并接受。
2.4 用户自行向“动脉网”提供个人信息、教育经历、工作经历、课程主题和介绍以及其他信息,所提供的信息必须在合法基础上保证真实、准确、完整,并保证及时更新以上信息。如因提供的信息存在非法、抄袭、错误等问题,用户需承担因此引发的相应责任以及后果,且“动脉网”保留终止用户使用“动脉网”各项服务的权利。
2.5 用户应维护个人“动脉网”帐户和密码安全,并对此帐户在“动脉网”的所有行为负完全责任,不得将帐户借给他人使用,否则应承担由此产生的全部责任,并与实际使用人承担连带责任。当遇到账户或者密码未获授权使用,或者发生任何安全问题时,用户有责任及时有效地通知到“动脉网”并向公安机关报案。
2.6 用户信息使用,用户在使用过程中发现任何不妥或者不满意之处,有权向“动脉网”提出申请,要求进行相关信息删除等处理;“动脉网”不承担主动删除、销毁用户信息的责任。
2.7 为向用户提供服务,“动脉网”将在合理范围内使用用户个人信息、非用户个人信息以及第三方平台记录信息。用户一旦注册、登录、使用“动脉网”服务,将被视为“动脉网”已包括但不限于收集、统计、分析、商业用途等方式使用用户信息。“动脉网”对用户信息的使用无需其他意思表示,无需向用户支付任何费用。
第3条 服务条款的修改及终止
3.1 “动脉网”的服务范围非常广泛,因此有时还会适用一些附加条款或产品要求(包括行业要求)。附加条款将会与相关服务一同提供,并且在用户使用这些服务后,成为您与我们所达成的条款的一部分。
3.2 “动脉网”始终在不断更改和改进服务。一旦条款及服务内容产生变动,将会在重要页面上提示修改内容。如果不同意我们对条款内容所做的修改,用户可以主动、随时停止使用我们的服务,尽管我们对此表示非常遗憾。
3.3 “动脉网”也可能随时停止向您提供服务,或随时对我们的服务增加或设置新的限制。
3.4 “动脉网”认为用户拥有自己数据的所有权并保留对此类数据的访问权限,这一点非常重要。如果我们停止某项服务,在合理可能的情况下,“动脉网”会向用户发出合理的提前通知,并让用户有机会将信息从服务中汇出。
3.5 如果用户继续使用“动脉网”的服务,则视为接受服务条款的变动。我们保留随时修改或中断服务的权利。我们行使修改或中断服务的权利,不需对用户或第三方负责。
第4条 服务的中断和终止
4.1 在未向用户收取相关服务费用的情况下,“动脉网”可自行全权决定以任何理由 (包括但不限于“动脉网”认为用户已违反本条款的字面意义和精神等) 终止对用户的服务。同时“动脉网”可自行全权决定,在发出通知或不发出通知的情况下,随时停止提供全部或部分服务。服务终止后,“动脉网”没有义务为用户保留原用户资料或与之相关的任何信息,或转发任何未曾阅读或发送的信息给用户或第三方。
4.2 如存在下列情况,“动脉网”可以通过注销用户的方式终止服务: 在用户违反本条款相关规定时,“动脉网”有权终止向该用户提供服务。“动脉网”将在中断服务时通知用户。但如该用户在被“动脉网”终止提供服务后,再一次直接或间接或以他人名义注册为“动脉网”用户的,“动脉网”有权再次单方面终止为该用户提供服务; 一旦“动脉网”发现用户注册资料中主要内容是虚假的,“动脉网”有权随时终止为该用户提供服务; 用户出现作弊行为,网站可根据情况作出处理,甚至注销用户; 其它“动脉网”认为需终止服务的情况。第三方,但基于交易纠纷、技术原因等因素,“动脉网”保有复制、审查服务过程中录音内容的权利。
第5条 用户言行
5.1 用户同意在使用“动脉网”服务过程中,必须严格遵守以下规则: 1) 遵守中国法律法规、行政规章以及规范性文件; 2) 遵守“动脉网”的所有用户协议、通知、协议等文件; 3) 不得为违法、犯罪等目的使用“动脉网”网站及其移动客户端; 4) 不得在“动脉网”上传输及发布以下内容:煽动抗拒、破坏宪法及法律法规实施的言论;煽动颠覆国家政权、破坏国家统一的言论;违背社会风俗和社会道德的言论;煽动民族仇恨、民族歧视,破坏民族团结的言论; 5) 不得使用任何侮辱或毁谤他人,性骚扰,或对未成年人有不良影响的内容; 6) 不得散布淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪的行为; 7) 不得利用本站从事洗钱、窃取商业秘密、窃取其他用户个人信息等违法犯罪活动; 8) 不得侵入本站及国家计算机信息系统,不得传播病毒、特洛伊木马、定时炸弹等可能对“动脉网”造成伤害或影响其正常运转的恶意病毒或程序; 9) 不得在“动脉网”平台从事非经“动脉网”同意的所有牟利性经营活动; 10) 不得侵犯第三方权利,特别是他人著作权、商标权等知识产权或者合法权利。
5.2 若用户有发布违法信息、严重违背社会公德、以及其他违反法律禁止性规定的行为,“动脉网”保有删除各类不符合法律政策或者不真实信息内容而无须通知用户的权利。若用户未遵守以上约定,“动脉网”有权立即终止对用户提供服务,采取暂停或者关闭用户账户等措施。用户须对自己的言论和行为负法律责任。
第6条 知识产权协议
6.1 对于用户通过“动脉网”发布的任何公开信息,用户同意“动脉网”在全世界范围内具有将此等内容编入当前已知的或以后开发的其他任何形式的作品、媒体或技术中的权利。
6.2 除法律规定外,未经“动脉网”书面等任何形式明确许可,任何单位或个人不得以任何方式非法地全部或部分复制、转载、引用、链接、抓取或以其他方式使用“动脉网”的信息内容,否则,“动脉网”有权追究其法律责任。
6.3 用户在“动脉网”所发布的内容,必须保证已经拥有必要权利或授权以进行该内容的提供、发布、提交等行为。
6.4 本用户协议已经构成《中华人民共和国著作权法》及相关法律规定的著作财产权等权利转让书面协议,其效力及于用户在“动脉网”上发布的任何受著作权法保护的作品内容。
第7条 隐私声明
“动脉网”非常重视对用户个人隐私的保护。 “动脉网”在必要时候需要某些信息才能为您提供所请求的服务,本隐私声明针对这些情况下的数据收集和使用情况。作为“动脉网”用户,如果同意接受“动脉网”用户协议及隐私声明,表明您授权“动脉网”对任何您所提供的、或者“动脉网”所收集到的信息有权进行处理、传播、使用。 本隐私声明适用于“动脉网”的所有服务,随着服务的变化,“动脉网”有权对隐私条款不时进行修改更新,且不再另行通知。更新后的隐私声明一旦公布即有效代替原来的隐私声明,您在访问和使用“动脉网”时,即表示您已同意遵守并接受最新的隐私政策。建议您及时关注隐私条款的变更。
7.1 “动脉网”隐私信息范围,通常情况下,在“动脉网”注册、获取服务时所提交的个人信息,包括姓名、联系方式、通讯地址、第三方帐户信息等。
7.2 信息隐私的保护
“动脉网”严格保护您个人信息的安全。我们使用各种安全技术和程序来保护您的个人信息不被未经授权的访问、使用或泄露。 当用户对网站或者移动客户端的服务表示兴趣时,或者向用户提供服务出现问题或者困难时,我们使用这些信息来联系用户。 未经用户同意,“动脉网”不会向第三方提供用户信息,也不会在用户之间传递这些信息。未经用户同意,“动脉网”不会对用户之间的交流信息,包括评价、交流文本和图片内容进行编辑、筛选、篡改。
如果有明确证据表明您所提供的信息存在不符合法律政策或者不真实情况,我们有权无须通知您对信息进行删除、更改等处理。
第8条 免责说明
8.1 就下列相关事宜的发生,“动脉网”不承担任何法律责任: 1)用户应遵守国家的有关法律、法规和行政规章制度。如有用户违反国家法律法规或本用户协议,“动脉网”有权停止向用户提供任务而不需要承担任何责任,如导致“动脉网”遭受任何损害或者遭受任何来自第三方的纠纷、诉讼、索赔要求等,用户须向“动脉网”赔偿相应的损失,用户需对其违反用户协议所产生的一切后果承担全部法律责任。 2)由于您将用户密码告知他人或与他人共享注册帐户,由此导致的任何个人信息的泄露,或其他非因“动脉网”原因导致的个人信息的泄露; 3)根据法律规定或政府相关政策要求提供您的个人信息; 4)任何通过黑客攻击、电脑病毒侵入等非法截取、访问等方式从我们网站上获取的信息; 5)因台风、地震、海啸、洪水、停电、战争、恐怖袭击等不可抗力因素导致的任何后果;
8.2 本服务涉及到互联网及移动通讯等服务,可能受各个环节不稳定因素的影响,比如不可抗力、计算机病毒或者黑客攻击等造成的服务中断或不能满足用户要求的风险,用户须理解和认可,并承担以上风险。“动脉网”对服务的及时性、安全性、准确性不作担保,对因此导致用户不能接收信息,或者传递错误等问题不承担任何责任。
8.3 如“动脉网”的系统发生故障影响到本服务的正常运行,“动脉网”承诺第一时间内与相关单位配合,及时处理进行修复。但用户因此而产生的经济损失,“动脉网”不承担责任。此外,“动脉网”保留未经事先通知为维修保养、升级或其他目的暂停本服务任何部分的权利。
第9条 适用法律框架以及纠纷解决途径
9.1 本协议的订立、执行和解释及争议的解决均应适应中国法律。
9.2 如双方就本协议内容或其执行发生争议,双方应尽量友好协商解决;协商不成时应任何一方均可向有管辖权的中华人民共和国大陆地区法院提起诉讼。
第10条 其他
10.1 如果您在中国大陆以外的国家或地区访问或使用“动脉网”,您有责任遵守所在辖区内有关在线行为和可接受内容的法律。
10.2 本服务的所有权、运作权和一切解释权归“动脉网”所有。“动脉网”有权在必要时修改用户协议,并通过网站或者客户端发布修改变更,且不再另行通知。如果在更改生效后用户继续使用服务,则视为您接受用户协议的变动并遵守最新用户协议。
如果您对用户协议有任何疑问,请联系客服(微信同号):13627682184

尊敬的用户,为了提供更全面的服务,动脉网官方域名正式升级为vcbeat.top,原域名即将停止服务,感谢您的支持!

百企大战AI+新药研发:全视野透视78家AI创新企业、26家全球制药巨头【蛋壳研究院研究报告】

作者:石安杰 2018-11-07 08:00

{{detail.short_name}} {{detail.main_page}}

{{detail.description}} {{detail.round_name}} {{detail.state_name}}

{{detail.province}}-{{detail.city}}
{{detail.setup_time}}
融资金额:{{detail.latest_event_amount}}{{detail.latest_amount_unit}}
投资方: · {{item.latest_event_tzf_name}}

前言


经过“热身”阶段后,“人工智能+新药研发”目前已经进入快速成长期,非常引人注目。


动脉网·蛋壳研究院对最近2年半以来国内外人工智能+新药研发创新企业进行全面盘点,推出《AI+新药研发市场发展现状及趋势报告》,总共整理分析了78家人工智能+新药研发创新企业,覆盖靶点发现、化合物合成、化合物筛选、晶型预测、患者招募、优化临床试验设计、药物重定向七大环节。而且,部分企业已和罗氏、辉瑞、赛诺菲、默沙东等传统制药巨头合作,共同推进人工智能在新药研发领域的应用。从融资情况看,已有53家企业获得融资,累计融资总额达到13.1亿美元。这表明,人工智能+新药研发已经进入快速成长期。


本报告有如下重要发现:


1、人工智能的应用为药企每年节约540亿美元的研发费用

2、靶点发现环节的人工智能企业数量最多,占企业总数的50%

3、传统制药巨头与人工智能创新企业共同推进人工智能在新药研发领域的应用

4、全球53家人工智能+新药研发企业累计获得13.1亿美元融资

5、数据体系、人才队伍和商业模式的优化升级成为人工智能+新药研发企业未来的发展方向


值得一提的是,动脉网·蛋壳研究院曾在2016年5月发布《人工智能在医疗健康领域的应用(三):药物挖掘》报告,梳理了国内外人工智能企业在新药研发领域的发展情况,出现了Atomwise、Numerate、晶泰科技、云势软件等十余家代表性企业,整个人工智能+新药研发还处于早期探索阶段。


《AI+新药研发市场发展现状及趋势报告》,内容如下:


一、行业洞察:需求旺盛,研发面临3大困境


1
医药市场需求稳步增长,发展潜力大

                                               

 image.png


从全球医药市场销售额看,2017年已经突破12000亿美元,预计到2021年销售总额可达到14750亿美元,2012~2021年的年均复合增长率为4.9%。而同时期中国医药市场的销售额将从2012年的770亿美元增长到2021年的1780亿美元,年均复合增长率达到9.8%,是全球医药市场的2倍。这表明全球医药市场在稳步增长,而中国医药市场的增长更快,具备更好的发展潜力。


image.png

 

2017年,全球药企TOP10处方药销售总额3284亿美元,平均值为330亿美元,有3家药企的销售额超过400亿美元。根据医疗健康领域全球领先的行业及市场调研公司Evaluate估计,2024年全球药企TOP10的处方药销售总额将达到4206亿美元,增长幅度为28%,排名第一的诺华的销售额将达到532亿美元。而从各大药企的年均复合增长率看,2017~2024年,年均复合增长率的均值为4%,增长最快的为阿斯利康。这表明未来全球的药品市场规模将保持较快增长,企业需要持续加大新药研发来满足市场需求。


2
新药研发面临3大困境,亟待破局


image.png

 

新药研发主要包括药物发现、临床前研究、临床研究以及审批与上市4个阶段。药物发现阶段主要涉及疾病选择、靶点发现和化合物合成;临床前研究阶段则以化合物筛选、晶型预测、化合物验证为主,包括药物的构效关系分析、稳定性分析、安全性评价和ADMET分析等;临床研究阶段以患者招募、临床试验和药物重定向为主,涉及用药方案、药效试验、患者观察记录、优化改进等;审批与上市阶段主要是政府药品主管机构对药企研发的新药进行审批,是新药流入市场的最后关口。

 

从新药研发的流程可以看出,一款药物从靶点发现——化合物合成——制剂生产——临床试验——批准上市所经历的复杂过程,需要大量的人力、物力和财力投入。正因为如此,新药研发面临研发周期长、研发成功率低以及研发费用高3大困境。


研发周期长


image.png

 

根据美国药物研究和制造商协会PhRMA的统计,药物研发阶段要对5000-10000种化合物进行筛选,其中仅有250种能够进入临床前研究阶段,仅有5种进入临床研究阶段。药物发现和临床前研究阶段耗时约3-6年,I/II/III 期临床试验需耗时6-7年,提交上市申请后经过0.5-2年时间获批后方能进行规模化生产。根据德勤会计事务所的分析报告,现阶段新药研发的平均耗时约为14年。

 

研发成功率低


image.png

 

可以看出,风险一直伴随着新药研发的全过程,特别是II~III期临床试验阶段,研发成功率处于低谷,即使是仿制药,其研发成功率也不足50%。从三大类新药研发的成功率看,原研化药的成功率最低,仅为6.2%,原研生物药的研发成功率也不过为11.5%。因此,可以说新药研发是个高失败率的过程,任何一款新药的上市都是千万次失败尝试的结果。


研发费用高


image.png

 

新药研发的“双十宿命论“(研发周期超过10年,研发费用超过10亿美元)一直以来成为各大药企不可逾越的痛点。从各年研发费用看,全球处方药研发总费用都在1300亿美元以上,2012~2017年,研发总费用平均值为1485亿美元,增长率达到3.8%;2018~2021年,研发总费用平均值为1800亿美元,2021年研发总费用将达到1880亿美元,比2012年增长了38%。而从各年研发费用占销售收入的比重看,2012~2021年,研发费用占比均值达到20%,虽然在2017年以后将呈现逐年下降的趋势,但仍然占到19%。这表明,新药研发费用投入高,蚕食了药企能够获得的利润空间。

 

image.png

 

动脉网·蛋壳研究院整理了2017年全球药企研发费用TOP10名单,10家药企研发费用总额达到765.3亿美元,平均每家投入76.5亿美元。罗氏的研发费用高居榜首,是唯一一家超过百亿美金的药企。而从各大药企研发投入占制药业务收入比重看,平均值高达24.6%,且有6家的比重超过25%。这表明,各大药企的研发费用较高,成为药企的重要成本支出。

 

各大传统药企在面临研发周期长、研发成功率低以及研发费用高的困境下,都在努力尝试通过技术创新来加快新药研发速度、提高成功率和降低成本,以能更好地满足日益增长的用药需求。这为AI技术在新药研发领域的应用带来了契机。


二、技术破局:AI助力,解决新药研发困境


1
AI应用于新药研发多个环节,提高研发效率


image.png

 

AI主要应用其强大的发现关系能力和计算能力助力新药研发,在发现关系方面,包括药物与疾病的链接关系、疾病与基因的链接关系等。AI具备自然语言处理、图像识别、机器学习和深度学习能力,不仅能够更快地发现显性关系,而且能够挖掘那些不易被药物专家发现的隐性关系,构建药物、疾病和基因之间的深层次关系。在计算方面,AI具备的强大认知计算能力,可以对候选化合物进行虚拟筛选,更快的筛选出具有较高活性的化合物,为后期临床试验做准备。蛋壳研究院通过对国内外近80家AI企业的研究发现,AI在新药研发领域主要应用于靶点发现、化合物合成、化合物筛选、晶型预测、患者招募、优化临床试验设计和药物重定向7大场景。


image.png

 

AI在化合物合成和筛选方面比传统手段可节约40%~50%的时间,每年为药企节约260亿美元的化合物筛选成本。在临床研究阶段,可节约50%~60%的时间,每年可节约280亿美元的临床试验费用。也即是说,AI每年能够为药企节约540亿美元的研发费用。


靶点发现


传统靶点研究以直观的方式定性推测生理活性物质结构与活性的关系,进而发现机体细胞上药物能够发挥作用的受体结合点(靶点)。药物学家参考相关科研文献和个人经验去推测靶点,需用2~3年的时间,而且发现靶点的可能性极低。AI通过自然语言处理技术(NLP)学习海量医学文献和相关数据,通过深度学习去发现药物和疾病之间的作用关系,找到有效靶点,缩短靶点发现周期。

 

image.png


化合物合成


化合物合成主要通过分析小分子化合物的药物特性,包括与靶点结合的能力、药物动力学、药物代谢学等等,挖掘药物活性、药效较好的化合物,然后按照特定路径进行合成设计。在该环节,药物学家和化学家会对数千万种化合物依次进行计算机模拟试验,需要耗费几年时间才能找到活性较好的化合物进行合成,成本通常在上百亿美元。而AI利用其机器学习和深度学习的能力,模拟小分子化合物的药物特性,能够在数周内挑选出最佳的模拟化合物进行合成试验,而且能够将每个化合物的测试成本控制在0.01美分,大幅降低了化合物合成的成本。


化合物筛选


每一种药物作用的靶向蛋白和受体并不专一,如果作用于非靶向蛋白和受体就会引起副作用。对于尚未进入动物试验和人体试验阶段的新药,需要提前对其安全性和副作用进行检测判断,已筛选出安全性较高的药物。目前,主要采用高通量筛选方式进行化合物筛选,在同一时间由机器人进行数以百万计的试验,其筛选成本该打数百亿美元。而AI可以从两方面切入化合物筛选场景,一是利用深度学习和计算能力开发虚拟筛选技术以取代高通量筛选,二是利用图像识别技术优化高通量筛选过程。这样,每年可以节约260亿美元的化合物筛选费用。

 

image.png


晶型预测


小分子晶型不同,药物稳定性和溶解度就不同,因此,稳定的晶型结构关系到药品质量,特别是对于已上市药品,如果发生转晶现象,将会给药企带来灾难性的损失。而小分子存在多晶型现象,有的晶型稳定性强但溶解度差,有的晶型溶解度好但稳定性差。如果单纯依赖人工去获得稳定性强且溶解度好的晶型,不但需要耗费大量时间进行试验尝试,而且成功的可能性也极低。AI的出现,可以在很大程度上改善晶型预测效果,其依靠深度学习能力和认知计算能力,处理大量的临床试验数据,能在几小时甚至几分钟内找到药效最好的晶型。


 

image.png


患者招募


新药在进入审批前,需要进行3个阶段的临床试验,找到合适的患者是临床试验得以开展的前提和基础。试验管理人员需要从海量的病例中找出那些符合药物试验的患者,并且通知受试者,该过程需要大量的时间去筛选病历。而AI依靠深度学习能力,能够从海量的临床试验的数据中提取相关信息,将试验结果与病人情况进行自动配对,提高精准匹配效率,在较短时间内完成试验招募入组工作。


优化临床试验设计


药物临床研究阶段包括试验方案设计、试验流程管理、试验数据管理统计分析等内容,如果仅仅依靠人工,不仅工作量大,而且容易出错。AI具备的机器学习和认知计算能力,能够广泛应用到试验研究设计、试验流程管理、试验数据统计分析等各个环节,提升整个临床试验的效率。


药物重定向


老药新用是目前寻找药物的常用方式,它的实现方式是将市面上已曝光的药物及人身上的1万多个靶点进行交叉研究及匹配。依靠AI强大的自然语言处理能力和深度学习能力,从散乱无章的海量信息中,提取出能够推动药物研发的知识和新的可以被验证的假说,将给试验的速度带来指数级的提升。AI在药物重定向环节的应用,可以省去靶点发现和药理作用评估等环节,有望将药物研发成本降至3亿美元甚至更低,研发周期也缩短至6.5 年。

 

image.png

 

2
AI在新药研发的应用场景企业图谱


根据前文所诉,AI在新药研发领域的7大应用场景,蛋壳研究院通过实地调研和案头研究,整理出共计78家涉足新药研发AI企业(图谱中列出了各个应用场景的代表性企业)。靶点发现环节的IBM Watson Health、Nimbus Therapeutics、冰洲石科技等,化合物合成环节的深度智耀、Virvio、Nuritas等。其中,靶点发现环节的AI企业数量多达39家,占企业总数的50%。

 

image.png

 

 image.png


3
AI+新药研发七大应用场景实例研究


为了方便读者更好地理解AI在新药研发相关环节的应用,我们选取了7大应用场景的代表性企业进行案例剖析,主要涉及企业的概况介绍、主要产品以及企业的融资情况。

 

IBM Watson Health

 

IBM Watson Health开发了一款药物发现软件—— Watson for Drug Discovery,它是一个新的云端平台,旨在帮助生命科学家发现新的药物靶点和替代性的药物的适应症。利用它的NLP、机器学习和深度学习能力,已经阅读了2500 万份 Medline 上的论文摘要,一百多万篇医学杂志文章的全文及 400 万份专利文件,而且所有资料都会定期更新(而研究员每年平均只能阅读300篇左右的医学论文)。这可以较好地帮助科学家发现新联系,并揭示那些隐藏较深的联系,更快地发现靶点。

 

2016年12月,IBM Watson Health与辉瑞达成合作协议,辉瑞将使用 Watson 分析大量的异构数据,共同致力于癌症药物研发。

 

AccutarBio

 

2016年,AccutarBio(冰洲石科技)自主研发的药物数据AI平台,已经完成了基于十几万晶体学数据的学习运算,搜寻能够与化合物相结合的靶点,为先导化合物的筛选与合成奠定基础。通过该平台可以将靶点发现耗费的时间从数年降低至几月、几天甚至几个小时,为药物发现带来突破性进展。

 

AccutarBio目前已在上海、纽约布局了AI计算实验室、生化实验室。公司已完成两轮共计1500万美元的融资,投资方包括真格基金、IDG资本和依图科技。

 

深度智耀

 

深度智耀致力于用AI赋能新药研发全流程,覆盖范围从新药早期研发到产品上市。

 

在新药早期研发阶段,包括 AI 驱动的药物合成、药物设计、药物活性预测等产品。特别是在2018年7月,深度智耀对外宣布内部代号为“菩提”的AI药物合成系统,其通过大量学习公开的专利和论文数据库,能够协助化学家进行化合物合成,即化学家只需要输入一个化学结构式,“菩提”系统就能在瞬间推送出数条优化的合成路线供其选择,而且还包括部分通过人工分析无法获得的高质量合成路线,该系统能够将化合物合成环节的效率提高50% 以上。

 

在临床研究阶段,包括 AI 驱动的药物警戒系统、注册事务系统、写作翻译系统、临床数据编程系统等产品。其中,AI 药物警戒系统(Deep-PV)和AI 自动翻译写作申报系统已经实现大规模商业化。Deep-PV依靠自然语言处理技术,实现个例药物不良反应/不良事件报告的快速无人化采集、翻译、编码、评估和评价,支撑药企临床研究以及上市后的药物安全监测。另外,公司的AI 自动翻译写作申报系统实现集医学写作、医学翻译和注册申报“三位一体”的人机交互自进化平台,改变以往上述三大环节的割裂状况,重构了传统的数据文件整合模式。

 

公司目前已有 50 多家合作客户,客户既包括排名前十的跨国药企,也包括国内一线药企以及中小药企,合作方式包括 SaaS 服务、本地部署、战略咨询等。

 

image.png

 

在融资方面,公司已累计获得3轮融资,目前已完成1500万美元的B轮融资,由红杉中国独家投资。


image.png

 

Virvio

 

Virvio公司成立于2014年,致力于利用深度学习算法模拟蛋白质合成,用于满足分子靶标和适应症的要求,其合成的蛋白质结构超稳定性和可制造性。


image.png

 

针对美国每年56000例的流感死亡人数和市场上流感疫苗的高耐药性、低效率的状况,Virvio蛋白质合成平台模拟出一款名为HB36.6的蛋白质结构,能够加强对诸如H1N1和H5N1型流感的免疫能力,降低感染风险,将很快应用到药物制备。

 

Insilico Medicine

 

Insilico Medicine公司使用其独有的生成对抗网络(GAN)和强化学习(RL)等新型算法来加快化合物的筛选进程,采用先进的端对端技术,对化合物的活性、安全性等方面进行分析对比,以筛选出最佳的临床前候选药物分子,为进入临床研究做准备。

 

image.png

 

公司在2018年6月与药明康德达成战略合作,利用其AI生成的新药研发管线在药明康德新药研发服务平台上进行测试,以期筛选出理想的临床前药物候选分子。目前公司已完成C轮融资,累计融资额达到2000万美元。

 

Atomwise

 

Atomwise公司开发的AtomNet化合物筛选系统,是一款基于卷积神经网络的AI系统,旨在运用超级计算能力和复杂的算法模拟制药过程,来预测新药的效果,能够在几天时间内完成对新药的评估,为制药公司、创业公司和研究机构提供化合物筛选服务。

 

image.png

 

Atomwise是较早开展商业商业化落地应用的公司,在2012年5月,与默沙东公司签署合作协议,帮助其完成药物研发早期的化合物筛选工作。2015年,Atomwise利用 AI 技术,在不到一天的时间内对现有的7000多种药物进行了分析测试,成功地寻找出能控制埃博拉病毒的两种候选药物,并且成本不超过 1000 美元(传统技术需要数年时间和数十亿美元成本)。

 

目前,Atomwise已完成A轮融资,累计融资额达到5134.5万美元。


image.png

 

晶泰科技

 

晶泰科技开发的“药物固相筛选与分析系统”是基于AI的深度学习和量化计算能力,能够在短时间内通过对医学文献、临床试验数据等非结构化数据进行处理、学习和计算,预测各种晶型在稳定性、熔点、溶解度、溶出速率等方面的差异,以及由此而导致在临床过程中出现的毒副作用与安全性问题,在短时间内筛选出稳定性和溶解度最佳的晶型结构。


image.png

 

2018年5月9日,晶泰科技与辉瑞制药签订战略研发合作协议,辉瑞将借助晶泰科技的AI技术,建立小分子模拟算法平台,驱动小分子药物创新。目前,晶泰科技已完成B+轮融资,累计融资总额超过6100万美元。


image.png

 

零氪科技

 

零氪科技研发的精准临床招募系统——Link Recruitment™,基于国内最大规模的医疗大数据资源库,能够快速完成在临床试验文件里提取相关数据,评估出病人到底适合哪一种治疗方法,并自动上传相关患者病历与临床试验数据库登记的相关试验进行实时精准匹配和动态更新,通知受试者及时参加相关试验。


image.png

 

公司已先后与国内多家三甲医院达成合作,为药品临床试验科室提供患者招募服务,后续还将寻求更多的第三方临床试验机构,扩大客户群。截止目前,公司已完成D轮融资,累计融资总额超过10亿元人民币,投资方包括了中国投资有限责任公司、宽带资本、荟桥资本、千骥资本、长岭资本、TEMASEK、NEA等机构。

  

Trials.ai

 

药品临床试验效率低下的原因主要是试验方案设计不科学和缺乏对受试者的动态监控。Trials.ai是一家位于圣迭戈的AI公司,致力于通过改善试验设计方案和试验流程管控来加速临床试验进程和提高试验效率。公司开发的临床试验管理系统整合了方案设计、流程监控、用药依从性、数据分析等功能,能够实现对整个临床试验的全流程管理。

 

方案设计:系统会根据每种药品的属性、药企的要求、受试者的情况等进行方案设计,并在方案中约定各方的权利和义务,最大限度地减少违约风险。

 

流程监控:系统能够对整个试验流程进行动态监控,如果出现意外情况,系统会主动向管理人员发出报警,以便及时处理。

 

用药依从性:临床试验经常会发生受试者不按要求用药的情况,且试验管理者无法及时掌握相关情况。系统能够对受试者的日常活动实现智能管理,按时提醒他们用药,并将相关情况反馈给管理者,从而保证试验的效果。

 

数据分析:系统能够对用药数据、进程数据、受试者反馈数据实现智能分析并给出建议,供管理者参考决策,通过数据来全面反映试验效果。

 

image.png

  

云势软件

 

云势软件在2018年4月发布新一代AI驱动的新药发现引擎——GeniusMED,该系统从大量数据源中整合了与药品、疾病、基因、蛋白质等相关的多种药物研发数据,构建了一个大规模的综合性药物研发知识库。并结合临床试验数据,匹配药物靶点与新适应症的结合,发现药物的新用途。


image.png

 

GeniusMED整合药物信息和疾病信息两大系统,形成药物相似性网络、疾病相似性网络和已知的药物——疾病关联性网络。借助AI的深度学习能力和认知计算能力,将已上市或处于研发管线的药物与疾病进行匹配,发现新靶点,扩大药物的治疗用途。目前,公司利用GeniusMED系统已经验证了3款用于治疗阿尔茨海默症的候选药物和2款用于治疗红斑狼疮的候选药物。公司在今年 6 月与默沙东公司达成合作,在 80 个化合物中寻找可能的新适应症。

 

公司业务除了药物重定向以外,还涉足靶点发现、化合物合成、化合物筛选、晶型预测等业务。目前,公司已完成B轮融资。


image.png

 

BenevolentAI

 

BenevolentAI公司推出的JACSAI系统,凭借其自然语言处理能力和深度学习能力,在短时间内能够集中处理大量的非结构化数据,包括疾病数据、药物数据、试验数据等等,并发现他们之间的新联系,找到药物的新适应症,实现药物重定向,帮助科学家发现药物更有价值的适应症。


image.png

 

2014 年6 月,BenevolentAI 宣布与一家美国的制药公司达成合作,并将两款经过新适应症(阿尔茨海默氏症)验证的新药卖给这家美国公司,这两款药物处于中标候选化合物评估阶段,此次交易高达8 亿美。2017 年5 月,BenevolentAI对一款名为bavisant的临床试验失败药物进行重定向分析,发现其对帕金森患者日间过渡嗜睡症状具有较好的治疗效果。目前,公司已累计获得2.07亿美元的融资。


4
制药巨头与AI企业联姻,实现优势互补


一方面,制药巨头一直面临着新药研发周期长、研发成功率低和研发费用高的痛点,而AI技术在新药研发过程的应用可以有效地缓解上述痛点,每年为它们节约数百亿美元的研发成本。另一方面,AI企业虽然具备技术优势,但他们缺少药物研发的相关数据、成熟的研发管线以及资深的药物专家,而这恰好是传统制药巨头所具备的优势。因此,双方的联姻能较好地弥补彼此存在的短板,形成互补。

 

image.png

 

动脉网·蛋壳研究院根据公开资料搜集整理了26家制药巨头与AI企业的合作情况(统计时间区间:2012年1月—2018年8月),AI技术主要应用在靶点发现和化合物筛选两大环节,占比分别达到42%和35%。如2016年12月,辉瑞与IBM Watson达成合作,后者将利用AI技术为辉瑞加速药物靶点的发现。2017年6月,日本制药巨头武田制药与Numerate签署合作协议,Numerate将其最新的AI技术应用到化合物筛选环节,缩短武田制药的新药研发时间(详细合作情况见下表)。

 

image.png


三、资本青睐:AI+新药研发企业投融资情况


截止2018年10月25日,国内外共有53家AI+新药研发公司(排出未公开融资额的公司)获得融资,累计获得融资总额共计13.1亿美元。其中,国外有47家公司获得融资,累计总额共计10.6美元,国内有6家公司获得融资,累计融资总额2.5亿美元。


image.png

 

1
45%的AI企业累计融资额在1000万美元以下

image.png

 

从各大AI+新药研发企业累计融资额看,45%的企业累计融资额都在1000万美元以下,累计融资额在1亿美元以上的企业只有5家,这说明AI+新药研发领域属于新兴领域,未来资本的关注度会逐渐增强。


本报告剩余内容:

三、资本青睐:AI+新药研发企业投融资情况

2、地域分布——美国遥遥领先,中英不分伯仲

3、轮次分布——A轮及以前融资企业数量占比接近80%

4、应用场景分布——靶点发现领域的融资企业数和累计融资总额双双夺魁

四、未来发展:数据体系、人才队伍和商业模式的优化升级

1、构建完整的数据体系,解决前提和基础

2、打造强大的专家队伍,解决人才瓶颈

3、创新商业模式,丰富企业盈利来源

附录:78家AI+新药研发企业名单及融资情况


40.jpg



现在长按识别上方二维码,成为动脉网正式会员,即可获得完整版《AI+新药研发市场发展现状及趋势报告》和全球《78家AI+新药研发企业名单及融资情况》。并且,在未来的一年里,您可以畅读完整的行业趋势报告,及时掌握全球最新的投融资信息,坐拥齐全的医疗企业数据库,还有海量资源对接。





特别感谢云势软件创始人&CEO张英男先生、深度智耀创始人李星女士以及晶泰科技联合创始人&大数据与人工智能研发中心负责人赖力鹏先生对本报告的大力支持。


参考资料:

1、Artificial intelligence and machine learning: revolutionizing drug development——IMED Annual Review 2017.

2、World Preview 2018, Outlook to 2024——Evaluate Pharma.

3、拥抱医药创新的新时代:创新药产业深度报告暨2018 年投资策略——银河证券.

4、医药生物行业深度报告(2016-11-10):关于研发创新药的一些问题——东方财富证券.

5、人工智能在医疗健康领域的应用(三):药物挖掘,https://vcbeat.net/YTgyN2QwMDc4ZWQyYTg1YWYzYTg1ZDkyZTAzYzU3MGU=




注:文中如果涉及动脉网记者采访的数据,均由受访者提供并确认。如果您有资源对接,联系报道项目,寻求合作等需求请填写 需求表

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。转载请联系tg@vcbeat.net。

还没有评论,快来抢沙发吧!

分享

微信扫描二维码分享文章