AI制药专家会纪要–20230326

1）简单梳理下chatgpt会给医疗药物研发领域带来哪些变化？A：药物研发从过去的时间点看，是一个经验与实验相结合的，是由大量的药物化学、生物、实验技术促进的学科，沉淀大量的经验。AI药物研发推进的同时也少不了药物化学家来对 药物的优劣和药效做出判断，辅助算法的改进，chatGPT结合经验和数据到大模型里，短期可能不能替代高级的，但是初中级的药物专家能被大模型所取代。药物研发比较重要的是靶点的发现，本来也是对基因、蛋白组学的数据进行分析，建立关联，比较容易被大模型所替代，这一块的瓶颈是促进整个医药行业数据的发展，现在来做chatgpt数据是一个瓶颈。 基 因、蛋白组学由于测序有比较多的数据，但是像药物活性等比较难以采集数据，这一块的自动化是后面比较重要需要发展的。刚才说的是临床前发现的阶段，临床合规和文件编写是会完全能被chatgpt替代的，基于一些数据进行训练就能轻松拿到文件；另外chatgpt能很好生成模型，所以可以拿来做临床方案的设计。对医疗方向，可以对患者起到导诊、康复震后随访，比较容易取代，看病的过程中可能还用不上模型。2）药物发现从靶点的出现到苗头、先导、候选化合物还是经历了很多步骤的，我们在药物发现中，AI是创造性还是辅助性的作用？ A：目前还是更偏辅助性，chatgpt是辅助性向创造性迁移的机会。药物研发的反馈周期太长，AI能做一定的评估，但不是100%的准确，还是要做实验去验证，涉及到实验的成本和周期。比如AI筛出10个分子，最终哪些采取实验还是药物化学家来做选择（做决策）。AI只能成为工具，而不是决策者。第二，AI不是100%准确预测的，分子设计（拿一个新颖的 结构不侵犯专利），分子评估（活性、adme等性质），第一块分子设计AI可以做，但是效率不太高，生成很多分子，其中被药物化学家认为是具备药物化学基本逻辑的分子比例比较少，涉及到一个筛选的效率（虽然有用，但是效率不高）。分子评估基本上是预测一个范围，但是有比较好的排除作用，原来需要拿10个分子去做实验，现在能排除5个，节省下一半的 成本和时间。排除不了的那5个需要人去做决策。 3）行业带来突破可能需要3-5年，现阶段AI制药没有像chatgpt那样应用那么广，限制在哪些方面？ A：chatgpt是一个通用的语音模型，是拿互联网上大量的文本去做的，帮你写一些东西、一些文案这些表现是很好的，但是问它非常专业的领域会出现错误，实际环境面对的问题是更加复杂的，药物研发领域也是一样的，刚提到有一些经验，主要是在小分子药物研发方面的，现在比较新的ADC、protac药物领域，里面会有与以前简单的小分子和蛋白结合的类似的机理在，但是有很多新的AI里没有的知识，AI训练的模型迁移性是差一些的，尤其是不同机理之间的迁移性。并没有出现一个能覆盖所有的模型。4）算法需要大量的学习，数据是否有很重要的作用？ A：的确，chatgpt出现的时间很短，生物医药储备的数据比较少，现在看喂多少数据能产生比较好的效果，大家还在努力探索。我认为数据的确是最关键的，算力算法数据这三个要素，算法是比较明确各家没有很大的差别，这个行业的数据不是那么大，ai制药领域，生物医药的数据比较少，看谁能先准备好高质量的数据，算力跟数据多少有关，目前不是很大的瓶颈，后续数据爆发可能才有变化。5）对于医药研发外包的公司，数据积累上有优势，未来3-5年数据优势的公司还能去做AI的应用，比直接做AI制药研发的公司更有优势吗？ A：有一个误解需要澄清，大家都认为CRO公司对外服务多所以接触到的数据比较多，数据的确多，但从合规来讲，他们是不能用这些数据的，从服务角度来说签合同协议，是不能用 这些数据去做研发的。Cdmo公司帮客户做工艺研发，一些过程数据不是客户要求的，但是可以拿来做到AI模型里的。做完这些项目之后，内部培养了这些专业人士，和算法团队一起工作，能提出一些建议改善效果，对于CRO公司来说，这方面的人员比AI制药公司要多。孰强孰弱不太好说，需要落到企业自身的战略投入上。 6）现在的上市公司中，CRO或者药企，据您了解比较靠前的是哪几家（上市）？A：AIDD公司走的比较靠前的是药明康德和成都先导，这两家比较偏CRO，药明康德有布局AIDD这一块的人员，成都先导主要做DNA编码化合物库，和AI有比较好的结合，但是做的范围也比较窄，其他的药企我了解都在这一块有探索，但是大部分还是和AI制药公司合作，给几条管线，做的过程中去了解。 7）先导在AI方面的布局是内部已经有了AI的算法帮助筛选苗头化合物，还是未来潜在发展的？ A：有的，定位来讲，业界认为他是做DNA编码化合物库的公司而不是AI制药的公司，利用AI提高筛选效率，还有筛到的分子成药潜质，它能不能变成完全的AI开发药物的公司还没有迹象。 8）他们与腾讯AIlab有合作，腾讯在这方面又布局吗？A：具体的合作内容我不清楚，我推测腾讯的AIlab不是一个商业化运作的公司，腾讯也不是主要进军AI制药，而是他们有一个组在做这方面的研究，对外展开一些合作，但还未涉及到商业化。我认为合作点在于，成都先导位于成都的位置不利于招到AI相关的人才，达 成合作对于内部业绩是有帮助的，AIlab也要做一些算法的验证，所以会找一些CRO和药企。具体在做什么算法的研究不得而知，但可以去了解一下腾讯AIlab的云深智药平台。9）现在chatgpt对于生物医药知识，没有包含pubmed上面的文献，如果灌进去这些是不是会有很大的提升？ A：从我们对chatgpt的实际测试来看，它是有具有药物研发的通识在里面的，至少具备基础文献和相关的学科教材在里面的，如果把文献和专利喂进去，效果是会提升，但是是否能做真正的药物研发还有待验证，本身生成式模型就会有一些胡言乱语，可能也会产生比较大胆突破的分子设计。行业对于生成式模型的错误容忍度更高，某些方面我们会认为是一种创新。Chatgpt还有监督学习，对应到药物设计来说还是需要一些案例的，这种公开数据比较少，需要接触药企的案例，但是大药企不太愿意公开。 10）算力算法数据三要素，目前AI制药、CRO、药企自己搞，他们的算力算法跟腾讯、360没法比，在数据上有所优势，但是跟公开数据比又太少了，有绝对龙头优势的是不是也跑不出来？ A：有待商榷。这些药企、AI制药公司的算力算法不一定和大厂有差距，据我观察没有。大厂做AI很强，但是都是广告推荐算法、OCR等算法，具体到药物研发领域怎么用，不做几年，大厂也完全做不出来。算力这一块，由于云服务比较发达，只要达到一定水准就好，还没到算力慌的程度，但不排除未来风潮起来后，算力资源越来越紧张，大厂对自己有倾斜，但目前来看这个趋势还不明显。药企数据的可用程度和积累的量都不及公开数据的量大，在做大模型的过程中，大家能不能合力做大模型是后面要解决的问题（有没有公司或者国家战 略牵头），数据的限制的确存在，但会出来新的解决方案来解决。11）非专业的人员观察哪些公司的因素呢（未来在行业里跑出来）？ A：非专业人士看两点：1）从非专业的角度理解公司怎么解决数据，逻辑是不是通的，有没有独特的技术；2）看公司实际药物研发的管线数量及进展。 12）有没有AI制药算法领先的公司？ A：国外：薛定谔算法有领先优势，偏AI算法的是xx。国内分别对标的是晶泰、英硒。13）这个行业的商业化模式是什么样，如果有公司跑出来，核心竞争力和壁垒在哪里？A：最早卖软件，但是上限比较低；后面是做服务还是做药（药企orCRO模式），晶泰偏CRO，英硒偏biotech。短期内来看不太有药企有能力做一些商业化，短期内会在cro和药企这两个之间的定位。 壁垒在于自身对于算法的应用，能从靶点推向临床2期（药物poc）的能力才是最大的壁垒。