英伟达进入投资,Ai+医药研发要起飞了?
2023-08-12 21:22:53    腾讯网

今年的Ai板块可谓风头一时无两,各种大小模型齐飞,美股科技股再度迎来牛市。

而在市场稍作调整之际,医药板块抢过风头,随着减肥药的销售节节高,诺和诺和和礼来双双打开药企天花板。医药行业的创新也不容小觑。而这个时候,英伟达向一家名为Recursion的医药公司伸出橄榄枝,投资5000万美元,更是打开了AI+医疗领域的想象力。

这家名为Recursion(RXRX.N)的公司,在消息公布后股价飙升了80%。其旨在药物发现阶段,通过AI模型精确识别分子结构,使得能从更广范围的备选分子中选出最优,并大大加速这一过程。


(资料图片仅供参考)

从初期解决当下新药研发困难,临床成药概率低的问题。听起来很震撼,加上当下算力的快速发展,让很多不可能完成的复杂数据模型运算变得可行起来,基于Ai的医药开发小模型,会是下一个爆发的Ai细分领域吗?

一、更窄的漏斗

RXRX成立于2013年,由两名研究生和一名教授在盐湖城成立。希望建立一个专属的数据系统,来重塑药物开发的过程,加大成功概率。

具体而言,就是利用Ai的学习能力,尽可能多地生产备选化合物,使得可选择的基数变大,其次,参照过去的历史经验,快速筛选出最好的那一个分子,相比过去的药物开发模型,确实在选择的广度和速度上有所进步。

与其他行业的Ai模型相似,公司的技术建立在对过去历史经验数据的大量学习和归纳之上。大家原理相通。

例如文生图,其中就要学习大量带有标签的图片,让模型学会怎么样根据文字信息展开一幅图片,而chatgpt,则需要大量的语料进行学习,通过以适应在不同提问中获取最优的回答结果。

类似地,Recurison的思路显然是学习过去不同分子或蛋白质结构组合的经验,可以在给定靶点药物框架的前提下,类似于Aigc中产生尽可能多的备选项,然后再根据过去成功的药物和药物作用机制经验,以评估其最终成功概率,最终选出概率最高的选项。

可以说Recurison的本质是一家分子结构Aigc公司,在它的帮助下在开发药物时,人们可以很快地找到理想的结构,可以比之前的开发更加快速高效。

而当下大部分的Ai医疗公司,也基本是按这个套路去做,而且数量还不少,类似的公司还有:ABCL、SDGR、RLAY、ABSI。

二、挑战仍巨大

但正如我们肉眼可见的那样,如果看看上述股票的股价,我们则发现,从RXRX到ABSI,它们的股价表现都非常不理想,这个赛道基本上都是反向10倍股。而在今年的Ai热潮之下,显得格外冷淡,其实资本市场对这个赛道依然存在很大的怀疑。

从行业的角度出发,首先Ai制药的问题是,能帮助医药从业人员多少?其市场空间有多大?

固然,我们看到了其在分子结构筛选方面的优势,但这仍是命题作文方面的能力,就是在给定具体靶点,具体药物框架前提下,这些Ai制药公司才能发挥其在结构生成方面的能力。

而假设没有命题,例如目标是肺癌,要寻找新机制新靶点,则恐怕Ai程序难有发挥。与目前的chatgpt已经可以根据模糊需求进行自然语言编程还有很大差距,因为药物作用机制发人类还未了解完全,发散性巨大。而当开发需求精确化以后,恰好,最关键也是最难的部分已经跳过了。

我们看到一个新药的开发成分构成里面,最大的成本耗在是早期药物发现和先导优化,看上去这些Ai制药的公司目标市场巨大,但实际上,里面花费最大的部分是在黑暗中摸索新机制和新靶点,而这并不是Ai的工作区域。只是有了具体的线索以后,再让Ai来进行大量的generate。

毕竟对于没有发生过的案例,如同LLM中Ai未曾被喂养过的语料,Ai无法回答它没有学习过的内容,例如在过去30分钟发生的事件,网络上还没有大量报道的文章资料可参考,LLM可回答的东西会非常少,而对于没有应用过的靶点机制,对Ai来说是一片黑暗。

另外,药物发现和先导化合物筛选的成本,很多花在了动物实验身上,而这些数据的验证需要耗费动物,这部分也很难因为Ai的出现而跳过,这是刚性成本,综合以上的要素,这就使得Ai制药工具的目标市场变得非常限制。

或许更应该做的,是像工业工程软件一样,提供仿真模拟。如同达索软件这些仿真软件来提供建筑、桥梁、汽车、飞机的风洞测试。但在人类没有完全理解细胞之前,去做这样可以模拟人体细胞全部反应的软件,似乎也是异想天开。

三、软件or制药?

单纯去做一个在药物开发阶段的工具商,实际上能获得的收益很小,这也给了这些公司很低的天花板。

但倘若Ai在药物结构开发上相对此前的人工开发有优势,那么理论上,提升20%的成药概率,对于一个目标10亿美元,开发成功率50%的药物来说,那就是增加了1亿的收入预期,对项目的估值加成了1亿*10倍PS=10亿美元。这样去算目标市场,才会吸引人并打开天花板。

那么对这些公司而言,想要证明自己产品的必要性和优势,就不得不去证明成药概率上的获益。

但是,医药行业是一个极度重视验证和统计的行业,一个产品的真实效果要通过多期临床试验才能完全揭露,不等几年无法评估其最终结果。于是这些Ai制药公司为了更高的商业空间和自我证明,不得不逐渐转变为了制药公司。

RXRX的管线

Ai不是能造更好的药吗?那这些公司这么牛的话,就跟着自己做的药,推到三期,最终来看看其结果和那些非Ai筛选的同靶点药物有无优势。并评估其成功概率获益。这是最大化效应的道路,而不去这样做,也很难让别人信服技术是有价值的。

这样的模式就变得有点残酷了,制药公司化以后,这些公司的支出将变大。并且承担起开发风险,这就跟软件公司旱涝保收截然不同了。

其次,获益概率也很难确定,因为没有对照组,不可能像医药临床一样,设置一个控制组,A医药公司跟RXRX合作开发T靶点的药物,而有一个B公司不用Ai开发,两者其他的条件控制一致,哪里会有这样的B公司?

而且,假设RXRX有能力将药物开发的成药概率从10%提升到15%,但仍然是一个大概率失败的项目,RXRX很可能在数次项目重复失败后被否定。

想要发掘这个较低但真实存在的概率获益。就要根据临床统计的方法,需要大样本来得到显著的统计学意义,这就需要最终RXRX几十甚至上百次项目来验证,可是这样的验证,要等待的实在太久了。

另一方面,如今越来越多的公司都在应用不同的Ai技术手段(不管是内部的还是外部)来开发,这就使竞品的成功概率也不低,Ai制药公司要拉开,验证自己的概率获益太难了。

这样的话,只有做到最好的药物才行。但偏偏,药物的成功已经与Ai的成功绑定,而药物的成功决定因素又不止于Ai,更多在Ai参与前的靶点选择上,又或者在Ai参与后的临床方案设计和适应症选择上,甚至是商业化策略上。这却是一家医药公司的多维度素质了。

AI制药公司要获得高收益,不得不去参与药物开发的过程,并在临床期做出足够强的数据。当然它们都会与其客户,也就是传统的生物医药公司合作,但问题是,共同开发成功过后,到底是药企在靶点理解上面的贡献重要,还是Ai的设计重要呢?

这也是困扰众多Ai的一个问题。到底是提供prompt的思路重要,还是工具的效果重要?一个制作精良的图画作品,里面应该有多少价值给创作者,多少价值给工具的订阅费用?

四、结语

所以目前Ai制药公司仍然处在一个较为尴尬的发展阶段,软件工具提供商还是制药公司?能否成为一个通用化的商业环节?抑或是只能跟医药公司合体作为子部门存在?

目前在已披露的Ai制药公司参与的药物项目中,也没有什么项目就因为结合了Ai,成为了重磅药物,这才是这个赛道一直往下掉的原因。而且在商业模式未明朗的前提下,竞争公司众多,这也是一个很棘手的问题。

对于Ai+医疗,我们还是需要理性地看待,算力的突破并不代表着什么,重要的也许是这些软件或者工具的功能真正看到了革命性,或者在医药研发中开始起关键作用,例如可以仿真细胞与药物反应,例如可以替代成本高昂的动物验证,例如AI优化结构后的化合物临床成功概率提高一个数量级。

在此之前,我们不妨还是以看医药公司的方法,按照管线和其预期市场空间来进行定价。按照每个临床阶段披露的数据来修正。而不是像Ai公司一样一来就几十倍PS。

Chatgpt或者midjourney的爆发,无不来自其产品革命性的功能进步,暂时来看,Ai+医疗没有捷报。技术的进步并不是一蹴而就的,而技术与商业与现实的结合,经常比人们想象中的、资本市场预期中的,要慢得多。

关键词: