跟不跟？有的醫藥企業已All in！
國家全鏈條支持醫藥創新的政策持續加碼，創新藥IND、NDA、上市數量及出海都迎來新高潮，但中國創新藥整體仍處於fast-follow階段，與國際先進水平相比仍有較大差距，並且Biotech普遍面臨現金危機。
中國醫藥企業要正視差距
據藥渡數據庫，過去10年（2014-2024年），全球FIC創新藥共計獲批180個，美國115個，佔63.9%，中國僅有8個。從前沿的基因編輯療法、小核酸藥物看，我們與跨國藥企還存在肉眼可見的差距，當諾華siRNA長效降脂針在中國上市大賣一年之際，國產siRNA降脂針還集體處於臨牀I期階段。
新藥研發具有周期長、投入大、風險高的難點，以小分子藥物爲例，研發周期平均需要約 10 年，包括發現苗頭化合物並經過層層結構優化得到先導化合物的藥物發現階段(2-4年)、針對候選化合物的臨牀前研究階段(1-3 年)和臨牀階段(3-7 年)，其中藥物發現是最重要的基礎環節。AI已介入新藥开發全流程，在靶點發現、蛋白質結構預測、化合物虛擬篩選、ADMET 預測有廣泛應用，並可輔助臨牀試驗設計患者招聘等，對臨牀期試驗結果預測可有效節省研發費用支出。
在油車時代，國產廠家一直無法真正實現對外企的超車，但在新能源時代換道超車成爲可能，已經迎頭趕上甚至开始領先。
AI爲中國創新藥企提供追趕國際先進水平的契機。不做時代落伍者，必須搭上AI這班車。
8月10日，華爲雲副總裁(战略與產業發展部總裁)黃瑾在華爲雲醫藥健康AI高峰論壇上表示，國家政策對生物醫藥持續加碼，醫藥健康企業也紛紛增加科研創新投入，但與國際先進水平相比仍有差距，尤其是在創新藥研發上。然而，國內人工智能的快速發展爲醫藥健康提供了可以趕超的新契機。
事實上，AI早已不是一個花哨的概念，基於目前的業界的一些動作， AI在助力藥物創新縮短研發周期，加速藥企的智能化轉型適應時代發展以及在开啓普惠醫療未來上都將起到積極的作用。
海外有谷歌AlphaFold3开始探索應用，我們也早有華爲雲盤古藥物分子大模型應用在醫藥行業先行一步。
AI對於醫藥行業產業鏈上的每個企業都是必選題，尤其是在醫療反腐及控費壓力，使整個醫藥產業鏈都急需進行降本增效，引入AI工具變得十分必要。
01
上市藥企擁抱AI
AI大模型在2023年爆發，國內AI+醫藥也早有布局試水，在2021年時，華爲雲曾發布盤古藥物分子大模型。華爲雲大數據與人工智能領域總裁尤鵬介紹說，華爲雲在AI賦能千行萬業智能升級的時代，華爲雲打造了醫療健康解決方案，以“算力、數智、安全、應用”四層創新加速醫療健康產業數智化轉型升級，正在推進盤古大模型面向藥物研發、智慧醫療、基因測序、臨牀研究、中醫藥五大場景的應用創新落地。
國內上市醫藥企業也不乏勇敢的先行者。
大型器械廠商是數字化轉型的風向標，邁瑞醫療持續升級“三瑞”系統，以一站式產品和數智化解決方案滿足臨牀需求，聯影醫療推進全產品线人工智能超級平台的優化升級，從硬件、軟件、應用、工作流多個層面全面革新。大型藥企雲南白藥在AI時代也不敢稍有懈怠，加速數字化轉型，重點培育口腔智護、精准醫美及智雲健康新業務單元，與華爲雲攜手打造雷公大模型，針對中醫藥領域特有的復雜性和多樣性，構建以病症結合的中醫問答、自診輔診能力。
AI制藥當前主要在臨牀前CRO階段發揮效用，據禮來研究院論文，一款新藥臨牀前研發成本佔整體藥物研發成本的30%左右。國內CXO頭部企業AI技術應用正逐步深化，涵蓋藥物發現的各個環節。
AI技術具備向多應用場景迅速發散的可能性。醫藥行業傳統的中醫藥，也向AI敞开大門。
中醫藥面臨着傳承難題，AI大模型可助其實現種植、研發、生產、流通、銷售的全產業鏈升級，加速中醫藥研發。
因爲央企華潤入主，天士力是這個夏天最耀眼的中藥企業。天士力有9款創新中藥進入臨牀III期，III期品種數量居全行業第一，堪稱中藥研發龍頭。
數智中藥正是華潤三九與天士力合作的關鍵切入點之一，根據協議，雙方將以合資公司爲載體，攜手推動首個中醫藥研發多模態大模型“數智本草”的迭代升級。而“數智本草”中醫藥大模型於今年5月發布，正是由天士力與華爲雲共同开發。
醫藥產業的競爭，本質是創新能力的競爭，而AI將是長期的創新主线之一，所以，上市藥企紛紛跳入AI浪潮。在潮頭始終出現一個陪跑者的身影，那就是華爲雲。目前，潤達醫療、天士力集團、微芯生物、中國醫學科學院等已與華爲雲合作。
02
醫藥行業陪跑者
創新藥企及整個醫藥產業鏈面臨的挑战，單純依靠自身努力難以完全化解，在AI時代有着全新的解題思路，需要引入一個合作夥伴（科技廠商）共同應對。
華爲雲推出醫療健康解決方案，以盤古大模型爲驅動，以分布式雲基礎設施和昇騰雲服務爲算力基座，提供包括盤古醫學大模型、盤古藥物分子大模型和基因測序在內的盤古for醫療健康解決方案。醫藥行業需要這樣一個陪跑者，共同成長，共同奮鬥，AI提供的換道超車機會，有助於成就中國自己的國際化藥企。
一問：創新藥落後瓶頸何破？
傳統新藥研究有着雙十定律（10年時間、10億美元成本），而且研發成功率僅在 10%左右。西安交大一附院劉冰教授基於盤古藥物分子大模型成功發現廣譜抗菌藥肉桂酰菌素，將先導藥物研發周期從數年縮短至1個月，研發成本降低70%。國內創新藥的主要訴求，包括原創能力、研發成功率、國際化，都有望借助AI工具得到改善。
盤古藥物分子大模型17億分子預訓練，1億新分子庫，覆蓋靶點發現、藥物篩選、分子優化藥物發現全流程，化合物結構新穎性達99.68%，成藥性預測准確率比傳統方式高20%。藥物發現周期數年→數月，成本下降70％。
微芯生物作爲科創板第一家創新藥企，率先試水AI技術，在腫瘤藥物設計領域基於華爲雲盤古藥物分子大模型及醫療AI研發平台，將藥物設計效率提升1/3，分子優化後結合能提升40%，極大加速腫瘤領域的藥物研發創新研究。
東陽光藥近20年研發積累大量數據，成爲重要數據資產，在藥物發現階段融入華爲雲盤古藥物分子大模型，共創AI藥物研發流水线，小分子藥物虛擬篩選提升20倍，設計效率提升30%，大幅縮短藥物的研發周期。已成功通過AI輔助快速獲得的候選分子HEC169584，預計今年下半年申請臨牀，在NASH創新藥領域實現突破。
二問：藥店藥企降本增效何爲？
相比創新藥，藥店遭遇的寒冬還要更冷一些。
門店數量接近飽和，线上比價，強化醫保基金使用監管，北上廣深外賣买藥可刷醫保，多重暴擊齊至，藥店還扛得住嗎？
此前醫療反腐促使藥企原有的鐵飯碗通路斷裂，規模與利潤承壓，面向終端的醫藥零售成爲重點，但電商平台抽成手續費進一步擠壓藥企、藥店生存空間，傳統醫藥數字化不足，逐漸失去話語權，日漸淪爲平台打工者。
環境倒逼藥店、藥企降本提質增效，全面數智化轉型。華爲將自身數字化轉型實踐的技術、方法、流程等經驗都沉澱在華爲雲上，AI可助力企業構建自身的研、產、供、銷、服全鏈路的數字化能力，讓藥店、藥企全面進化。
國內知名的藥品零售連鎖企業一心堂依托華爲雲數字人、人工智能、大數據、以及盤古大模型等技術優勢和資源，不僅提升了信息化建設水平和數字化轉型能力，雙方共同探索智慧門店的建設，提升顧客購物體驗，實現門店運營的智能化和精細化，爲一心堂大健康產業的探索發展注入了新的動力。
三問：醫療普惠問題何解？
現有優質醫療資源主要集中在三甲醫院，亟待解決醫療普惠問題。AI+診療，可賦能更多的基層醫療機構建全棧自主的智慧醫療場景能力，打造診前、診中、診後的AI應用，更好地緩解看病難。
盤古醫學大模型輔助診斷准確率已接近臨牀醫生平均水平，未來將走進4000家醫院，輔助醫生進行報告解讀和診斷，爲基層醫療提質增效。以老人腎上腺皮質功能不全爲例，在初次診斷中非常容易疏漏，但該病危險性極高，盤古醫學大模型可結合患者病史，以及血鈉、血鉀檢驗等指標，給出臨牀診斷建議，幫助醫生及時救治病人。
在智慧診療上，潤達醫療的探索有典型性。2023年6月，當大部分IVD企業爲即將到來的集採風暴憂心忡忡時，潤達醫療在上海與華爲雲達成合作，投入AI懷抱，重塑業務架構。潤達醫療推出基於盤古大模型研發的醫療推理模型“良醫小慧”，通過OCR技術和精准模型分析，經過高達10億次數據訓練，能解釋超過5000+個檢驗項目和3000+種疾病，提供超越傳統醫療診斷的服務，且綜合准確性約88%。
目前，潤達醫療的數智化解決方案已經在上海長海醫院、溫州醫科大學第一附屬醫院、柳藥集團、美年健康等60多家醫療機構實現應用落地。
國內AI醫療在輔助側及數據側應用廣泛，技術相對成熟，在藥物研發、中醫藥現代化上還有漫長的路要跋涉。
AI是時代的技術紅利，可應援醫藥行業面臨的階段性困難但目前的現實情況是，本身作爲追趕者，我們同時也要相信國外的藥企也看到了AI帶來的更多新想象與新可能。在本身研發能力以及業務落後於國際先進水平的情況下，寧愿提早上車，也不能做一個遲到者或缺席者。
目前，我們看到了AI方面，美國也處於第一梯隊，在醫藥走向AI的路上，不論基礎還是應用也處於領先。因此國內的的醫藥企業要想奮起直追，單打獨鬥或者重新從“平地起高樓”已經費力不討好。
選擇好的夥伴，發揮各自所長就極爲重要。在藥物研發領域，針對藥企在藥物發現、臨牀試驗、基因分析等環節面臨的難題，華爲雲AI助力藥企研發創新實現突破，致力於解“創新藥”難題；針對藥械企業，華爲雲則幫助他們構建研、產、供、銷、服全鏈路的數字化能力；在醫療健康領域，華爲雲助力醫療服務平台構建全棧自主的智慧醫療場景能力，打造診前、診中、診後的AI應用，提升醫院以及區域醫療的服務水平。
華爲雲集合AI能力，長期加碼助力醫藥健康企業智能化發展，把自己定位於做陪跑者不做競爭者。
在各方努力下，相信醫藥產業一定可以穿越迷霧，由弱變強。
標題：跟不跟？有的醫藥企業已All in！
地址：https://www.iknowplus.com/post/137238.html
