“人工智能+医药”产业现状和趋势

• 产业的内涵与外延
  • "AI+医药"新产业内涵界定
    • 溯源：2005年首次提出“计算医学”发展到2021年，学科定义更为庞大，几乎涵盖医疗数字化所有产业领域。
    • 原因：学科定义过于宽泛会模糊产业外延创新，产业提供特需产品和服务需要清晰的边界，临床需求仍未满足。
    • 目前最具创新特征的新兴业态：AI + 高性能计算 + 基因组学数据 + 未被满足的临床需求
  • 全球产业基本概况
    • 资本：投融资从2013年不到100件 → 2020年近600件；美国占50.6%
    • 主体：制药企业、AI生物科技企业、互联网企业、CRO四方参与
    • 模式："大型药企 + AI创新公司"成为主流，以 license out（预付款+里程碑+上市后权益）盈利
  • 我国产业发展现状
    • 新一代AI技术与发达国家"并跑"，差距在规模与成熟度，不在技术形态
    • 中科院计算所参与人类基因组计划（HGP），积累近30年
• 国内产业需求、供应现状
  • 社会背景
    • 未满足的临床需求是核心增长动力
    • 人口老龄化进入中度阶段，恶性肿瘤负担持续增加
    • 国家多层次政策引导（"十四五"医药工业发展规划、以临床价值为导向的指导原则）
  • 机遇与挑战——三大核心问题
    • 药靶枯竭：药企扎堆热门靶点，缺乏原始创新
    • 评估不充分：候选药物药效评估不科学，批量上马造成资源浪费
    • 临床试验失败率高 ：成本占63%、耗时6.5年、成功率仅8%
  • 新业态供应现状——三大业务方向
    • 新靶点/新药物发现（首创新药FIC）——数据挖掘分析
    • 仿真临床试验——预测疗效、筛选优势人群 ← 与你导师GCP方向直接相关
    • 已上市药物拓展适应症——延伸药物价值
• 产业发展趋势及挑战
  • 发展趋势
    • 数字化是中国机会：AI有望破解药物研发"反摩尔定律"（Eroom's Law）
    • 算力每3-4个月翻倍，2012-2018年增长超30万倍
    • "补短板、创未来"的时间窗口
  • 变道升级仍有待磨合
    • 以临床需求为导向的攻关不足
    • AI新药技术自主引进和普及不够
    • "大型药企+AI公司"合作模式待磨合
    • 多数企业缺少研发管线和人才
  • 产业创新需要制度保障
    • 数据安全与知识产权保护
    • 完善数据获取和使用规则
    • 建立跨学科沟通协作机制
    • 避免过于苛刻的评价思维，建立AI指导药物研发、临床试验设计的信心