生物医药行业“AI与医药健康”系列报告：AI制药蓝海，人工智能助力新药开发全流程.docx

正文目录

一、AI制药蓝海市场，人工智能赋能药研全流程 4

二、从Schr?dinger看AI制药商业模式变迁 9

三、相关标的 12

四、风险提示 16

图表目录

图1：AI技术赋能新药研发全流程 4

图2：AI技术减少ISM001研发时间和研发成本 4

图3：2017-2022年Bigpharma和AI公司合作案例 5

图4：主流MNC与AI公司的合作数量（截至2023Q1） 5

图5：AI制药发展历史 5

图6：AI制药产业链结构 6

图7：2021-2024年全球AI制药行业融资统计 6

图8：中国AI制药企业融资额（单位：亿元） 6

图9：AI制药临床管线适应症分布 7

图10：AI在药物开发各个阶段的应用占比 8

图11：AI在临床研究阶段的应用价值更高 8

图12：AI制药三种商业模式 9

图13：国内AI制药企业商业模式统计 10

图14：Schrodinger发展历程 10

图15：Schrodinger药物CRO合作项目（截至2024Q3） 11

图16：Schrodinger自研管线（截至2024Q3） 11

图17：Schrodinger软件服务业务收入及增速（万美元） 11

图18：Schrodinger药物发现业务收入及增速（万美元） 11

图19：晶泰控股发展历程 12

图20：2020-2024H1晶泰控股销售收入（万元） 13

图21：晶泰控股小分子药物研发平台 13

图22：英矽智能端到端生成式药物研发平台Pharma.AI 13

图23：2021-2023年英矽智能不同业务营业收入（万元） 14

图24：英矽智能药物研发管线 14

图25：维亚生物AIDD/CADD平台 15

图26：利用成都先导DEL数据库结合AI技术筛选活性化合物 15

表1：AI在药物研发主要流程发挥作用 4

表2：2022年全球AI合作交易TOP10 7

表3：部分处于临床阶段的AI制药管线 8

一、AI制药蓝海市场，人工智能赋能药研全流程

人工智能赋能新药开发，是指在规模化医药数据基础上，运用机器学习、深度学习、自然语言处理等技术参与药物开发各个环节，包括靶点发现、化合物合成、化合物筛选到患者招募、临床试验设计等，通过AI技术的运用有效解决传统新药研发痛点，缩短研发周期，提高研发成功率，降低研发成本。根据DPI援引英矽智能数据，通过AI技术能将ISM001分子发现时间由传统手段的2年降至11个月，总费用从4.14亿美元降低至20万美元，极大降低了新药研发负担。

图1：AI技术赋能新药研发全流程 图2：AI技术减少ISM001研发时间和研发成本

36氪研究院、招商证券

表1：AI在药物研发主要流程发挥作用

DPI、招商证券

流程 痛点

AI赋能

AI技术

靶点发现 依赖人工阅读科研文献和经验，花费时间长，且难以发现新靶点

AI处理海量文献专利发现药物和疾病关系，快速找到有效靶点，缩短靶点发现周期

NLP、DL

化合物合成 花费时间长，效率低

利用AI学习海量现存化学反应，推荐化合物合成路线并优化反应条件

ML、DL

化合物筛选 成本高，效率低

使用虚拟筛选遴选出具有潜在成药性的活性

化合物，降低实验筛选化合物数量，降低资

CV、DL

金投入，缩短筛选周期

晶型预测 耗时长，筛选合适晶型困难

通过AI模拟晶型药物晶型筛选，可在短时间选出稳定性强的最佳药物晶型

DL、ML

患者招募 招募适合入组患者难度高、周期

长

使用AI技术提取患者数据，快速匹配最合适入组患者，降低临床开发风险

NLP、DL、ML、OCR

临床试验设 优化受到局限，效率低

计及优化

AI通过机器学习和认知计算能力，从海量靶

点、临床试验数据中学习成功和失败经验，

NLP、DL、ML

设计优化当前临床试验方案

药物重定向 效率低，很难找到最适适应症

使用AI技术开发新适应症，将老药与罕见疾

病快速匹配

NLP、DL

DPI、

AI技术理论从1990年便得到大规模发展，但直到2014年AI才在药物研发领域得到广泛应用。彼时Exscientia、晶泰科技、英矽智能等国内外首批AI制药

企业陆续成立，开启AI制药研发时代，在该阶段企业以提供单一技术服务为主，市场规模小，竞争力不足；2020年后，以DeepMind建立的AlphaFold平台成功解决蛋白质空间结构预测难题和英矽智能开发全球首个由AI发现的具有全新靶点和全新分子结构的候选化合物ISM001-055等