ChatGPT催化医疗AI进一步发展

• 柯壮宾 2023年5月10日 来源：中研网 284 11
• 繁体

AI医疗产业主要包括上游基础层，中游技术层，下游应用层。行业巨头偏向基础层，在算力等领域已呈寡头局面，技术壁垒较高，具有高投入高收益特点，市场格局较为稳固；在技术层中，基于深度学习的计算机视觉发展快，目前各大科技企业与物联网巨头已基本完成布局；应用层可

AI医疗产业主要包括上游基础层，中游技术层，下游应用层。行业巨头偏向基础层，在算力等领域已呈寡头局面，技术壁垒较高，具有高投入高收益特点，市场格局较为稳固；在技术层中，基于深度学习的计算机视觉发展快，目前各大科技企业与物联网巨头已基本完成布局；应用层可触达全医疗服务场景，为当前大量互联网医疗与传统医疗公司涌入的赛道。

技术革新推动AIDD发展，AI新药管线涌现打开行业空间

AIDD发展时间较短，仍处于发展早期阶段。大致可分为3个阶段：

1）2014-2017年，行业出现了一些技术成功并开始转化为产品，行业有一些公司出现，如海外的Exscientia，国内的晶泰科技等；

2）2018-2019年，行业进入概念验证初期，根据AI技术研发的新药管线开始在临床前阶段验证药理药效；

3）2020年至今，行业商业模式更加灵活，AI制药企业出圈寻求药企合作。

AIDD持续获得资本青睐，大药企纷纷入局，AIDD发展潜力巨大。2016年AlphaGo问世并在围棋领域取得巨大反响，人工智能获得认可，其在AI制药领域也获得了资本的青睐。根据DeepPharmaIntelligence统计数据，2012-2022年，AIDD领域累计获得246.2亿美元投融资额，受到资本的青睐。此外，各大MNC也纷纷布局AIDD，以AstraZeneca为代表的MNC与AIDD公司开展广泛合作，用于支持AI新药管线研发，AI制药将是未来药物发现领域非常重要的组成部分。

传统药物发现过程存在诸多痛点，AIDD相较传统药物发现在成本和效率上均有显著优势，发展前景乐观。小分子药物发现从靶点确定开始，通过各类筛选技术找出一组能够和靶点相互作用的活性分子，然后对其结构修改使其PK/PD、毒理等性质能满足临床开发需求，最后经过临床前、临床试验验证。整个过程耗时长、花费高、失败率高，这使得在药物发现领域能不断涌现新的技术，如高通量筛选、虚拟筛选等。AI可以在药物发现的靶标识别、化合物-蛋白质相互作用预测、候选药物理化性质预测、ADMET（药物吸收、分布、代谢、排泄和毒性）预测、化学合成预测等方面均有其发展的空间，可以在药物研发过程中降低成本、缩短时间和提高成功率，具有非常好的应用前景。
AI制药不断扩展边界，助力新药研发全过程。除了AIDD的应用，AI在新药研发其他环节也都有相应应用场景，包括临床前阶段的药物生产工艺开发、制剂配方优化、有效性和安全性预测等，也包括在临床研究阶段对于方案设计优化等，AI逐步应用到新药研发各个环节。

数据、算力和算法是AIDD的三大要素。AI在新药研发过程中通常的路径为：1）获取目标训练数据集；2）建立AI自主学习算法模型；3）多轮训练以优化模型；4）测试、评估模型；5）基于模型实现分子优化、筛选、预测、分析等。在这过程中，数据决定了训练模型的深度，算法决定了效率和产出，算力决定了AI可实现的维度，因此，AIDD主要有三要素：数据、算力和算法。数据上，原始数据通常来自三各方面，已发表论文等形成的公开数据集、与药企合作获得的研发数据集和企业自身研发积累的数据集；算力上，GPU（图形处理器）云计算资源可以为AI制药企业提供运算支持，但由于本身成本较高，企业也可以通过自身平台能力搭建扩大算力；算法上，核心创新点在于建模的精度和产生新信息的能力，而随着ChatGPT、OpenAI等的出现，早期算法开源使得各家企业在算法基本构架上不会有太大差异，主要体现在细节上。

图表：AI在新药研发中的应用场景

根据供需关系，AI新药研发产业链大致可分为：上游主要为数据资源、数据科学处理工具和AI技术开发基础工具等的供应商；中游主要包括基于分析、预测、筛选等功能的大数据和人工智能软件，医药科研辅助平台，自动化实验室以及AI智能制药精控系统；下游主要是CRO服务企业、制药和生物技术企业和药物研发科研院校等。

商业模式逐步演进，AI新药管线研发能力是核心。如前所述，AI新药研发的三要素是数据、算力和算法，软件提供商基于本身在算法方面的优势，有望通过提供软件产品实现商业模式走通；平台型研发企业通过项目数的积累和自主研发能力边际的不断拓宽，在数据积累上会有较大优势，也有望衍生出AI新药研发的CRO企业，专注于建立平台提供服务，为不具备AI新药前端开发能力的企业提供支持；AI新药研发最终走的也是新药研发的逻辑，这也会催生一批在AI药物管线开发上具有突出能力的Biotech。

基于全球领先药物发现平台，拓展AIDD能力，助力新药研发。成都先导拥有全球领先的药物发现平台，包括DEL技术、FBDD/SBDD，其中DEL库分子数量超过1.2万亿。公司在药物发现领域的多年积累，与腾讯AILAB合作开发了人工智能骨架跃迁平台，可以帮助药化项目快速产生结构新颖的化合物，由成都先导的计算科学团队和腾讯共同设计和开发，可以快速基于已有的参考化合物迅速产生一系列结构新颖的化合物集合，配合后续自建的虚拟筛选、3D-CNN对接重打分和ADMET预测平台，可以实现快速的分子评估、排序并得到候选化合物。基于人工智能的骨架跃迁和分子生成平台可以快速生成结构新颖且类药的分子结构，覆盖更广的化学空间。同时公司也部署了一系列基于配体的虚拟筛选方法，可以快速进行化合物的筛选内部开发。

目前中国病理AI诊断领域百花齐放，各家公司争相布局病理AI。人工智能医学影像产品正陆续取得医疗器械三类证，获得在三甲医院等医疗机构使用和销售的资格。2020年8家拿证，2021年6家拿证。在肺部、心血管、眼底骨骼、头颈各细分赛道下各有2-3个产品拿证，竞争格局初现。目前，安必平基于腾讯AILab独家提供人工智能产品的算法，推出两款应用于宫颈细胞学的人工智能产品：基于显微镜场景智能化产品实视AI和基于扫描仪AI的辅助诊断系统；润达医疗推出“慧检”智慧检验综合解决方案等，标志着病理AI领域百花齐放，具有广阔前景。

图表：AI医疗影像产品三类证拿证情况（截至2023年3月）

AI诊断效果与人工接近，而时间大幅缩短。根据同济大学附属同济医院做的一项研究显示，在良恶性病变鉴别方面，AI模型的灵敏度为100%，优于病理医师的99.65%，但特异度和准确度分别为97.7%和99.1%，低于病理医师的99.3%和99.5%。在恶性病变图像方面，AI模型的重叠面积与病理医师相比差异无统计学意义,但重叠率低于病理医师。在诊断时间方面，AI模型的单视野图像诊断用时明显短于病理医师。

• 相关深度报告REPORTS

  

  2023-2028年中国ChatGPT行业发展前景及投资风险预测分析报告

  ChatGPT，美国“开放人工智能研究中心”研发的聊天机器人程序，于2022年11月30日发布。是人工智能技术驱动的自然语言处理工具，它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下C...

  查看详情

延伸阅读

推荐阅读

猜您喜欢