文｜動脈新醫(yī)藥
據(jù)動脈橙產(chǎn)業(yè)智庫不完全統(tǒng)計，2021年，全球AI+新藥領域的融資表現(xiàn)再創(chuàng)新高——融資事件達83起，融資總額達46.13億美元。步入2022上半年，全球AI+新藥融資市場繼續(xù)延續(xù)火熱發(fā)展態(tài)勢——據(jù)智藥局不完全統(tǒng)計，2022年上半年全球AI+新藥市場累計發(fā)生75起融資事件，融資總額逼近40億美元。無論是融資事件數(shù)還是融資總額，上半年全球AI+新藥領域市場表現(xiàn)已經(jīng)逼近2021年全年的市場表現(xiàn)。
在整理國內16家高校/科研機構累計47個課題組的科研及成果轉化情況時，我們發(fā)現(xiàn)：
? 切入AI+新藥領域進行研究的課題組，以藥學、化學、生物學和生命科學這些藥物研發(fā)相關方向的課題組居多、而人工智能課題組切入AI+新藥領域的目前相對較少。
? 在國內AI+新藥團隊中，將近一半的團隊都是高校/科研機構背景出身。國內AI+新藥領域的科研成果轉化率達到了25.5%，大幅超過了當前我國科研成果的整體轉化率15%。
? 在由國內高校/科研機構背景團隊組成的AI+新藥創(chuàng)始人團隊中，僅清華、北大這兩所高校背景的團隊，就占領了AI+新藥創(chuàng)始人軍團的“半壁江山”。
為什么切入AI+新藥領域進行研究的課題組以藥物研發(fā)背景為主，但人工智能課題組切入AI+新藥領域并不多？AI+新藥領域高校/科研機構背景出身的初創(chuàng)團隊比例為何如此高？AI+新藥領域的科研成果轉化成功率相比其他領域更高是什么原因？
為什么清華、北大這兩所高校在AI+新藥領域科研成果轉化事業(yè)中表現(xiàn)的最為出色？還有哪些院校也交出了值得借鑒的答卷？動脈新醫(yī)藥與多位行業(yè)人士一起聊了聊以上話題，形成本文。
01
選擇涉足AI+新藥領域的課題組大多是藥學、生物化學、計算生物學、物理化學、生物學等藥物研發(fā)相關方向的課題組，這部分課題組占所有AI+新藥課題組數(shù)量的78.7%，而人工智能課題組切入AI+新藥領域的目前相對較少，僅占21.3%左右。
業(yè)內人士認為，出現(xiàn)該現(xiàn)象主要有兩方面原因。
一方面，人工智能經(jīng)歷了“技術驅動”和“數(shù)據(jù)驅動”階段，現(xiàn)在已經(jīng)進入“場景驅動”階段，開始深入落地到各行業(yè)中解決不同場景的問題。
從應用成熟度來看，人工智能在安防、零售、物聯(lián)網(wǎng)、金融等領域的成熟度非常高；從應用火熱程度來看，人工智能在在保護人類免受網(wǎng)絡安全威脅、創(chuàng)造元宇宙以及在自動駕駛等場景都發(fā)展的非?；馃帷?/p>
醫(yī)療行業(yè)對于AI領域的人才而言，只是市場潛力巨大的場景之一?！皬娜斯ぶ悄艿慕嵌瓤矗梢詰?、發(fā)展的領域方向太多了，不一定非要往醫(yī)療領域鉆?！币晃粍倓偰玫饺斯ぶ悄芤曈X算法博士學位的畢業(yè)生如是說。
另外，醫(yī)藥行業(yè)較高的專業(yè)壁壘成為限制AI領域人才進入的又一個因素——制藥領域面臨眾所周知的“三座大山”：投入成本大、投入周期長、投入風險高。開發(fā)一種新藥通常需要10-15年，成本高達28億美元，而80-90%在臨床上遭遇失敗。
“生命現(xiàn)象太過復雜，生命科學領域相關機制并不清晰，當前還面臨著諸多未能解決的難題?！庇w智藥藥物化學總監(jiān)郝天龍表示，除非是強烈的興趣驅動，否則很少有人會跨領域進行生命科學領域進行科學研究。“相比在其他相關機制已經(jīng)研究十分透徹、行業(yè)標準相對清晰的領域而言，AI在生命科學領域的切入會有更多的不確定性?！?/p>
然而對于身處其中的制藥人而言，AI+新藥是行業(yè)未來的大勢所趨。跨入AI+新藥的研究是順時而為。
這主要歸結于制藥行業(yè)當下面臨的“反摩爾定律（Eroom’s Law）”困境——自1950年以來，每10億美元研發(fā)投入獲得批準的新藥數(shù)量幾乎每9年減少一半，該趨勢在60年間非常穩(wěn)定，被稱為是制藥行業(yè)的反摩爾定律。
此外，隨著全社會在數(shù)字化、信息化上的快速推進、藥物研發(fā)設備的升級和長期的積累，可用的藥物研發(fā)數(shù)據(jù)越來越多，以至于在一定時間范圍內無法使用常規(guī)方法和軟件工具分析和處理所有數(shù)據(jù)。制藥企業(yè)正在經(jīng)歷數(shù)字化轉型，大量的數(shù)據(jù)正在不斷地產(chǎn)生，而傳統(tǒng)的統(tǒng)計學在浩瀚的大數(shù)據(jù)面前越來越力不從心。
于是，AI被看作是破解制藥行業(yè)反摩爾定律的關鍵武器，而本質是數(shù)據(jù)驅動從而進行歸納、學習和創(chuàng)造的AI成為破解數(shù)據(jù)困境的潛力解決方案。
02
在國內現(xiàn)有的AI+新藥團隊中，將近一半的團隊都是高校/科研機構背景出身。AI+新藥領域的成果轉化率（25.5%），大幅超過了當前我國科研成果的整體轉化率（15%）。原因何在？
經(jīng)動脈新醫(yī)藥不完全統(tǒng)計，在國內71家AI+新藥企業(yè)中，高校/科研機構背景出身的AI+新藥團隊占國內所有AI+新藥團隊數(shù)量的49.3%。其中，海外高校/科研機構背景出身的AI+新藥團隊有13家，國內高校/科研機構背景出身的AI+新藥團隊有22家。
在國內高校/科研機構背景出身的AI+新藥團隊中，有12家屬于高校/科研機構的成果轉化，因此國內AI+新藥領域的科研成果轉化率約為25.5%，是當前國內目前平均科研成果轉化率（15%）的1.7倍。
包括曾堅陽、許錦波、彭健、謝正偉、裴劍鋒、馬麗佳、郭天南、楊勝勇、張春明、洪亮、云彩紅在內的多位國內高校教授通過自主創(chuàng)業(yè)或者將知識產(chǎn)權授權的方式將科研成果成功產(chǎn)業(yè)化，分別落地為燧坤智能、分子之心、華深智藥、億藥科技、英飛智藥、云谷智藥、西湖歐米、奧睿藥業(yè)、哲源科技、天鶩科技、紅云生物等AI+新藥企業(yè)。
AI+新藥領域科研成果轉化率高的背后，是不是AI+新藥領域相比其他領域在成果轉化這項工作上做的更好？部分產(chǎn)業(yè)人士并不認同這一說法。
一位不具名的產(chǎn)業(yè)人士告訴動脈新醫(yī)藥，“AI+新藥人才領域的轉化率比較高只是表面現(xiàn)象，更深層次的原因在于這個領域發(fā)展還不太成熟。”
他認為，和合成生物學領域一樣，AI+新藥產(chǎn)業(yè)發(fā)展時間較短，產(chǎn)業(yè)界并沒有太多直接相關的人才，需要從源頭（科研界）培養(yǎng)，“除了原先研究CADD的部分人才加入到AIDD的隊伍中來，產(chǎn)業(yè)界其他領域的人才能夠向AIDD匯聚的并不多。反而因為政策支持，高校積累了較多這方面的基礎研究。”
產(chǎn)業(yè)界發(fā)展不成熟、相關人才較少，于是更多的創(chuàng)業(yè)團隊從高校中被培養(yǎng)出來，才造成了行業(yè)表面上看起來AI+新藥領域科研成果轉化率的假象。
也有產(chǎn)業(yè)人士略持不同意見。一位不具名的投資人認為，AI+新藥是醫(yī)藥行業(yè)未來的大勢所趨，無論是產(chǎn)業(yè)界還是科研界都會大力培養(yǎng)人才、推動成果落地以促進行業(yè)快速發(fā)展。“恰恰因為AI+新藥領域新、未來有廣闊發(fā)展前景，潛藏著大量科研寶藏，因此對于科研界而言，一是會刺激研究員積極開展這方面的研究，推動成果落地；二是部分高校在AI+新藥領域也會給到更多支持。這些因素都刺激了AI+新藥領域的科研成果轉化。”
動脈新醫(yī)藥則注意到，以上國內高校/科研機構教授領銜/參與創(chuàng)建AI+新藥初創(chuàng)企業(yè)的時間段主要集中在三個節(jié)點：2018年、2020年、2021年，這幾年恰好是國內AI+新藥行業(yè)發(fā)展極具代表性的幾個時間點——2018年，AI+新藥行業(yè)進入概念驗證初期，最早一批AI+新藥企業(yè)陸續(xù)開始獲得臨床前候選藥物一類驗證性成果，刺激行業(yè)發(fā)展；2020、2021年，包括Exscientia、Relay、Recursion、英矽智能等在內的多家AI+新藥公司紛紛宣布自家AI藥物步入臨床，包括薛定諤、Exscientia在內的多家AI+新藥企業(yè)順利奔赴二級市場，包括谷歌、騰訊、百度在內的數(shù)家科技互聯(lián)網(wǎng)巨頭相繼宣布進場AI+新藥……這在一定程度上說明了行業(yè)火熱發(fā)展本身對成果落地的刺激。
03
在由國內高校/科研機構背景團隊組成的AI+新藥創(chuàng)始人團隊中，僅北大、清華這兩所高校背景的團隊，就占領了AI+新藥創(chuàng)始人軍團的“半壁江山”……
從國內16家高校/科研機構開展的47個相關課題研究和企業(yè)孵化情況來看，可以發(fā)現(xiàn)，北大、清華這兩所學校/科研機構表現(xiàn)的最為突出，各孵化出三家AI+新藥初創(chuàng)企業(yè)。
其中，北京大學開展了11個AI+新藥相關的課題研究，孵化出了包括英飛智藥、紅云生物、億藥科技等3家AI+新藥企業(yè)；清華大學開展了8個AI+新藥相關的課題研究，孵化出了包括華深智藥、分子之心、燧坤智能等3家AI+新藥企業(yè)。
另外包括中科院、西湖大學在內的高校/科研機構也表現(xiàn)的非常不錯，各孵化出兩家AI+新藥初創(chuàng)企業(yè)。
除上文提到的一些來自行業(yè)的宏觀影響，以上高校/科研機構在AI+新藥領域成果轉化方面表現(xiàn)優(yōu)異，秘訣何在？
業(yè)內人士指出，跟科研成果轉化緊密相關的，主要在于背后的成果轉化體系和組織政策。包括清華、北大、中科院、西湖大學等在內的院校/科研機構顯然都建立起了相對完善的成果轉化體系和組織政策，是國內科研成果轉化的典型院校/機構。
為大力支持和驅動前端原始創(chuàng)新、高端“硬技術”創(chuàng)新以及引導高端科研成果孵化，2020年11月，北京大學科技成果轉化基金宣布募集成立。2021年1月，“元培基金”也順利組建完成。為進一步加強知識產(chǎn)權信息化建設，北大在建立完整的知識產(chǎn)權管理體系之外，還積極探索引進信息化手段，建設了“科技成果評估與管理系統(tǒng)”，以高效覆蓋北大知識產(chǎn)權保護和成果轉化活動的全流程管理。
眾所周知，清華大學科研經(jīng)費常年位居國內高校第一。清華大學已經(jīng)出臺了近11項促進成果轉化的相關政策，形成了一套完備的政策體系；此外，清華大學積極擁抱產(chǎn)業(yè)界和各級地方政府、推進產(chǎn)學研一體化大融合，設立了許多研究院通過推動技術二次開發(fā)、孵化企業(yè)等方式積極進行成果轉化。
中科院近年來一直都在探索科技成果轉化新模式，早在2017年9月就啟動成立了中國科學院科技成果轉移轉化母基金，期望引導社會資源解決中科院成果轉化的問題；西湖大學自不必說，由著名科研成果轉化專家許田教授親自坐鎮(zhèn)副校長職位，直接為該校帶去了超20年全球科研和成果轉化方面的經(jīng)驗。
總的來說，我們認為，清晰的知識產(chǎn)權劃分體系、靈活的成果轉化機制以及開發(fā)支持的態(tài)度這三點因素對于推動成果轉化最為關鍵。
可見對于想進行成果轉化的科學家而言，一個落實到紙面上的清晰的轉化路徑——用什么樣的價格、什么樣的方式，在什么樣的時間內能夠迅速地license-out或者創(chuàng)立公司十分重要。
國內相關立法其實有提及學校與專利發(fā)明人（科技成果完成人/課題負責人）之間的權益劃分，但并未明確劃分它們之間科研成果收益的具體比例，因此落到每個學校的執(zhí)行層面就各不相同。
靈活的成果轉化機制、開發(fā)支持的態(tài)度是有意愿進行科研成果轉化的科研人員十分看重的兩點因素。
以中科院為例，中科院（計算技術研究所）的成果轉化機制成熟，會給有意愿進行科研成果轉化的科研人員充分的選擇權——無論是辭職投身產(chǎn)業(yè)界創(chuàng)業(yè)，還是身兼多職進行成果轉化，所里都非常支持和開放。在開放支持的成果轉化氛圍下，這些年中科院計算所成功孵化了包括聯(lián)想、曙光、寒武紀、龍芯等一系列上市公司。
但中科院的做法并不具有普遍性，實際上，很多大專院校、科研院所科研人員想要創(chuàng)業(yè)、成立公司，可能必須要在事業(yè)單位身份和企業(yè)身份之間做單向選擇。
當然，科研成果轉化的成功轉化也代表了相關高校/科研機構在AI+新藥領域本身的研究積淀?？梢钥吹?，以上科研成果轉化和高校/科研機構開展AI+新藥課題研究具有很大的正相關性。
“不論是從企業(yè)的角度來看，還是從投資人的角度來看，具有較好理論背景支撐、而且具有一些成功案例的相關研究，轉化的成功率會更高，大家的信心也會更強。”英飛智藥郝天龍表示。比如英飛智藥團隊核心成員是國內最早一批從事AI+藥物設計的交叉學術團隊，擁有超25年的CADD+AIDD技術積累。在創(chuàng)業(yè)前，核心團隊就已經(jīng)有轉讓First-in-Class候選藥品種的成功經(jīng)驗。
“由于AI+新藥交叉學科下高研究壁壘的存在，能夠從科研界跨界出來創(chuàng)業(yè)，帶頭人一般都是這個領域的領軍人物，或者是很具備話語權和經(jīng)驗豐富的專家，其帶領的團隊能力毋庸置疑，基本可以實現(xiàn)成員間能力互補，且具有很強的工作默契。如果能在產(chǎn)業(yè)界找到與其科研能力進行互補的產(chǎn)業(yè)團隊，團隊獲取成功就會容易很多?！?/p>
哲源科技聯(lián)合創(chuàng)始人趙宇指出，哲源科技就是這樣一個帶頭人在行業(yè)具備話語權、且核心團隊成員能力互補的典型團隊，形成了交叉學科“總師”，這一點在全球也非常難得。哲源科技創(chuàng)始人、中科院計算所副研究員張春明教授擁有超過十年的信息和生命的交叉工作經(jīng)驗；公司聯(lián)合創(chuàng)始人牛鋼博士擔任圖靈·達爾文實驗室主任，曾經(jīng)主持分析了世界上最大的肝癌PDC數(shù)據(jù)項目；趙宇本人擔任COO，他曾在微醫(yī)擔任負責市場及戰(zhàn)略的副總裁，多年深耕“互聯(lián)網(wǎng)+醫(yī)療”領域，具有非常開闊的行業(yè)視野及豐富的產(chǎn)業(yè)界經(jīng)驗。
寫在最后
人才問題是當前AI+新藥領域面臨的核心問題之一。作為一個多學科交叉的復合領域，AI+新藥行業(yè)復合型人才稀缺問題一定程度上限制了該行業(yè)的發(fā)展。即使目前產(chǎn)業(yè)界、學業(yè)界都在努力尋求各種解決方案，但由于人工智能和藥物研發(fā)兩個領域之間的專業(yè)壁壘較高、復合型人才培養(yǎng)困難，AI人才和藥物研發(fā)人才的融合同樣需要一定時間，因此復合型人才稀缺并不是短期內可以得到充分解決的問題。
因此對于AI+新藥行業(yè)而言，要想加快解決人才問題，不僅僅是需要企業(yè)在招募方面下功夫以及科研界加強人才培養(yǎng)，更需要企業(yè)在人才管理培養(yǎng)制度方面進行探索，了解如何通過規(guī)范制度培養(yǎng)復合型人才、哪些崗位真正需要復合型人才，如何在這些崗位充分發(fā)揮稀缺復合型人才的作用。