想必大家都对于创新药的研发周期和成本都有所耳闻，根据数据显示，全球范围内创新药的平均研发成本约26亿美元，平均研发周期约为10.5年。漫长的研发周期与不菲的研发成本导致，创新药研发风险极高，不过随着AI的发展，AI制药或许可以改善这个现象。英伟达曾公开表达过，AI制药可能把药物早期发现所需时间缩短至1/3，成本甚至能节省到1/200。反正就是有希望帮助制药公司缩短试验周期、节省成本、促进新药发现、提升试验成功率等。
以小分子药物为例给大家详细了解一下：
步骤具体内容时间
研究开发药物靶点的发现及确认——化合物的筛选与合成——活性化合物的验证与优化
（就是找到人体内要针对的疾病对应的“分子”作为目标，然后找到能和分子发生反应达到药效的化合物）
一般2-3年
临床前实验一是评估药物的药理和毒理作用，药物的吸收、分布、代谢和排泄情况；二是进行生产工艺、质量控制、稳定性等研究一般2-4年
临床试验
需要在人体上进行试验，因此药物进入临床研究前必须得到国家药品监督管理部门的审批一般3-7年
新药上市审批对临床数据进行统计学分析，证明药物安全有效的同时，确保新药质量可控，也就是安全，有效，可控这三点都要符合
药物上市后监测
监测药物的长期副作用等情况。如果新药上市后发现了新的严重不良反应，比如心脏毒性等等，该药有可能会被药监部门撤市一般4-10年
AI在哪些方面可以赋能呢？
1. 在研究开发过程中，药物针对的靶点找对是最关键的一步，传统靶点发现通过人工阅读科研文献，收集分析流行病学数据，结合个人经验去推测潜在的药物靶点，而AI利用自然语言处理技术（NLP），可以高效率挖掘文献、组学数据、功能实验数据等海量医学资料，在短时间内发现药物和疾病之间的作用关系，从而得到药物在机体细胞上产生效用的候选靶点，这大幅缩短了靶点发现的时间，加快了药物研发的进程
其次，AI辅助化合物发现与设计，可对高通量筛选过程大幅度优化，直观地定性推测物质的结构和活性的关系，从而推测出活性位点的结构和设计新的活性物质结构，大幅缩短研发周期，降低研发费用。
2. 在临床前实验过程中，AI 可以用于模拟药物的药理学和毒性效应，预测药物在动物模型中的表现，为临床试验提供更有针对性的候选药物。
3. 在临床试验中，AI 可以帮助优化临床试验的设计，例如患者招募策略、试验终点选择和样本量计算，提高试验的效率和准确性。
我们都知道在AI应用的过程中，最重要的就是数据、算法和算力。那么AI制药的数据是怎么获得的呢？
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。
与其他场景相比，生物制药赛道的数据资源更加珍贵，它是非开源的，是各大药企的核心资源。无论成功与失败，都是经过大肆烧钱的临床试验而得来的。与普通医药公司相比，CRO公司拥有极为丰富的研发经验，虽然最终研发数据归甲方公司所有，但其却能够在一次又一次的研发中，潜移默化的积攒大量的过程数据与方法论，这使得CRO公司在构建数据库方面拥有得天独厚的优势。
说到这里，可能大家发现了，AI技术在制药方面只是辅助工具，最终企业的盈利还在于谁能做出新药来，那么AI制药的商业模式有哪些呢？
为了跑通商业化路径，AI制药企业探索了很多商业模式。这里面主要包括三种：AI SaaS（出售软件）、AI CRO（提供药物研发服务）、AI biotech（自主研发药物）。
也就是参与垂直产业链程度的区别。一个是将自己的AI制药软件出售给药企来做药物预测，第二个是做了软件研发后卖给药企，但是之后的临床就不负责，最后一个模式是自己做软件自己研发临床。
不过与传统制药一样，AI设计的药也要面对90%失败概率的临床试验。所以前期很烧钱的。
最后，附上该概念国内相关厂商以及AI+医疗的相关厂商吧：
国内厂商模型细节主营业务
润达医疗
（“良医小慧”）
模型和华为合作，对B端，为各级医疗机构提供辅助临床决策、智慧医疗服务、智慧科研辅助等功能；已在国内40余家医疗机构推广使用
服务于公立医疗机构检验科的中间渠道服务商；毛利来自于试剂冷链运输配送、仪器设备售后维修、 技术支持、实验室运营管理服务、新项目推广教育培训服务等
卫宁健康（WiNGPT）Copilot辅助诊断模式；医疗知识问答、互联网问诊、医疗报告小结；
医疗卫生信息化业务收入占总收入 81.75%
泓博医药
（PR-GPT）
模型目的是提高公司的新药研发效率；未来只对公司研发人员、部分客户及专业人士开放
主营业务涵盖小分子创新药 CRO、CDMO、CMO 及商业化生产等
塞力医疗
医疗智慧供应链服务(IVD 集约化运营服务、区域医学检验中心共建、医院 SPD 智慧精益管理)；约定在合同期内，公司向医疗机构提供体外诊断仪器供其使用，医疗机构向公司采购体外诊断试剂和耗材等
贝瑞基因
注重技术的自主研发，包括激素信息分析法、变异位点注释及检测系统、智能注释系统等覆盖了基因检测等各个环节。
荣科科技
主要为互联网医院提供解决方案，包括远程会诊、远程门诊、远程探视、远程查房、MDT多学科会诊等产品；公司研发部门正在考虑使用类ChatGPT技术,为医院提供特定领域的非临床类信息化服务
安必平
公司自主研发了一系列肿瘤筛查及诊断试剂与配套设备，此外公司还自主研发的病理数据库以及后台管理系统，实现了病理数据从物理存储到云上存储的转化， 提高了病理标本的存储质量和使用效率。公司认为宫颈癌筛查是当前病理 AI 中应用最广泛的检测场景，与腾讯AI LAB合作开发了宫颈细胞学人工智能辅助诊断产品,已经完成产品定型,正在进行三类证的注册申报
成都先导
公司主要聚焦小分子及核酸新药的发现与优化；公司在建设AI+DEL，（DEL就是以合成DNA编码化合物库的技术），通过将DEL平台的“海量信息产出”能力和AI技术的“海量信息处理和学力”能力进行有机整合，有望达到提高新药研发速度的效果
理邦仪器
从事医疗电子设备产品和体外诊断产品的研发、生产、销售、服务；目前在生理信号检测、医用 换能器、主控平台、血气电解质、微流控、磁敏荧光免疫、超声影像等方面掌握多项核心技术。公司推出多款AI新产业，包括AI Holter（支持动态心电数据的全自动分析、AI-SEMIP（打造AI心电诊断平台）
药石科技
全球医药研发和制造领域一站式创新产品和服务供应商；公司有参与人工智能辅助的药物研发（AIDD），利用人工智能机器学习算法开发了独有的基于分子砌块和有效化学反应的动态化学空间及活性化合物AI筛选解决方案可为客户提供化合物库构建、苗头化合物发现等服务,帮助客户提高创新结构化合物筛选的命中率,降低早期药物发现的成本。
嘉和美康主营业务为医疗信息化软件产品研发、销售及技术服务；公司目前先在医患交互的方向做一些结合应用的尝试。公司原先有一款名为智能预问诊的产品,也是一款基于Ai的产品,公司当前正在利用开源模型做探索性的Demo,实现大模型技术与公司产品的融合。如果可行,后续会将其拓展到电子病历的生成端。同时，公司还在观望临床决策支持系统（CDSS）
万东医疗
主营业务为大型医学影像设备的研发、生产制造、销售和售后服务，包括数字 X 射线摄影系统(DR)、磁共振成像系统(MRI)、X 射线计算机断层扫描成像系统(CT)、 血管介入治疗系统(DSA)、医用诊断 X 射线机(DRF)、移动式 DR(MDR)、数字乳腺机 (DM)；子公司万里云打造以云计算、大数据和人工智能AI为基石的“智慧影像”整体服务, 目前上线约7000余家医院。
川宁生物
主要从事生物发酵技术的研发和产业化，包括抗生素中间体；公司合作金珵科技AI模型发展AI赋能合成生物学，对合成生物学的基因编辑效率、代谢途径优化、生产过程优化、蛋白质设计等方面均具有较大提升作用,有效契合了当前合成生物学降本增效需求。公司现行数据已经在AI模型上进行多轮计算,结果将很快反馈,目前还没有明确的理论值。如果能够顺利实现AI赋能目标,未来公司有可能可以满足全球硫氰酸红霉素的供应需求,相信同时能大幅提高成本效益。
迪安诊断
提供“服务+产品”为核心业务的医学诊断整体化解决方案提供商；公司主要在AI诊断布局，更多聚焦于互联网跟AI技术结合,实现整个实验室管理的自动化、智能化运营；向医技人员、患者推出迪安自检小程序,让用户线上完成样本跟踪、报告单查阅、异常检测、患者管理、健康记录管理等功能,有效提升客户体验；研发数字病理解决方案,包含病理实验室作业和质量管理系统、数字切片智能存储、远程病理会诊平台以及AI辅助分析和诊断,目前已经在众多的三甲医院投入使用,预计今年会取得AI辅助分析诊断三类证；建设多组学大数据平台,通过数据采集、数据集成、数据建模挖掘、数据分析、生物样本库建设,为三级医院提供全方位的临床科研的数据服务,目前已经在多家省级医院推广实施；面向C端用户推出晓飞检健康平台,通过互联网合作,提供线上线下诊断结合的医疗健康服务；与多家医疗机构学科带头人、科技公司联合探索人工智能技术在医疗检测场景的应用,如报告单解读、知识图谱优化、临床决策辅助等。
总结
生物医药领域存在很多细分领域,数据获取非常困难，需要时间的沉淀，主要还是要关注能够自身产生大量数据的企业，也可以关注AI+医疗的其他细分赛道（AI病理、AI诊断等）
