《科创板日报》（上海，记者 金小莫）讯，从研发效率来看，可以说，新药研发始终是在“手工业”的维度里发展：一种新药的研发平均耗时十年以上，研发投入超过10亿美元，成功率却不足1/10。AI、类器官等技术的共同演进，则将推动新药研制跨入“数字化时代”。

我们正在这条路上——

日前，在由中共嘉兴市委、嘉兴市人民政府、《麻省理工科技评论》中国主办，中共嘉兴市委/人才工作领导小组办公室、中共南湖区委、南湖区人民政府，以及DeepTech承办的“TALENTS南湖畅想-前沿产业发展趋势论坛”上，《科创板日报》记者在现场采访获悉，有借用AI技术的企业仅成立1年就已将在研药物推进至临床I期阶段，研发成功率提升了20%-70%。

“以前是十年一个药，今后，一年里就有机会推进十条在研管线到IND阶段（记者注：新药临床试验）。”剂泰医药CEO赖才达告诉《科创板日报》记者。公开资料显示，剂泰医药是全球首家以人工智能驱动“药物递送”公司。

研发的每个环节都有提升空间

从新药研发的整个链条来看，大致可分为两个阶段，一是临床前研发，主要在实验室中完成，包括靶点发现、制剂成型、体外实验和动物实验；二是临床研发，主要考察药物在进入人体后的真实反应，包括临床I期、II期和III期。

大体来看，前者的不确定性更大，后者的成本更高——实验室研发环境与人体真实的生理环境存在差异，因此，当药物从实验室阶段进入人体试验后，实际药效到底如何，对研发人员来说有点像在“摸盲盒”；反之，若能在较早期的研发阶段就尽可能模拟出人体真实的环境，从逻辑上讲，就可缩短研发时间、降低成本并提高成功率。

赖才达告诉《科创板日报》记者，在美国波士顿地区，有大量的初创型企业正在做类似的事情。剂泰医药选择切入的环节系药物递送，后者决定了药物如何进入人体、进入人体后又如何被“送到它该去的地方”，并发挥功效，其核心为药物递送系统。

“如果把药物比作卫星，那么递送系统就是火箭。”赖才达以科普为例称，对于创新药来说，大约有30%-40%的临床前新药分子因为递送系统的问题而宣告失败；而对于仿制药来说，通过制剂创新，实现老药新用，来谋求延长产品生命周期，是性价比更高的做法。

看好这一前景，目前，华海药业、博腾药业已与剂泰医药达成战略合作协议。赖才达还透露称，全国TOP10的制药企业及全球顶尖药企基本都已与剂泰医药有过接触，并有初步合作意向。

在前述会场上，《科创板日报》记者还遇到了希格生科创始人兼CEO张海生博士，后者通过独有的疾病模型以及AI分子筛选，仅历时半年多，就将一款全球原创新药推进到PCC（记者注：临床前候选化合物）阶段，预计未来1年可申报IND，3年后或完成临床II期——与传统新药研发模式相比，其研发时间大大缩短！

高仿真人体环境

这些是如何做到的？在与前述创业者交流过程中，《科创板日报》记者了解到，他们的核心秘笈均在于通过创新性的技术方法，实现了对人体环境的高仿真。

在剂泰医药，其核心平台之一系专有的高通量平台，可模拟胃液、肠液、血浆、细胞微环境等人体环境，进而在实验室模拟出药物进入人体后会发生的各种反应，并探究药物本身与人体环境的相互作用关系。此外，平台还实现了基本实验操作的自动化，摆脱人力限制，效率上，实现了“1个人当20个人来用”。

在希格生科，该高仿真则通过一套3D疾病模型平台来实现。

“已有研究表明，把癌症病人的癌细胞组织同时进行2D细胞和3D类器官培养，一段时间后，再对所培养的2D细胞和3D类器官分别进行基因测序，会发现3D类器官能够90%还原出病人肿瘤特征，而2D细胞已经面目全非了。”张海生称，希格生科即成功建立了一套3D疾病模型的平台，这就好比是在实验室装了一个高仿真的“虚拟病人”，用它来筛选药物，成功率更高、研发速度也更快。

生物医学的基建正在进行

此间，数据与AI算法是实现这种高仿真的技术要素之一。

赖才达表示，剂泰医药可针对不同的药物递送途径产生仿真的物理学数据和参数，再利用第一性原理，量子化学计算获得的物理参数和实验数据与 AI 结合完成建模模型，这样，AI可搜寻到复杂分子信息和药物制剂的组合集群高达10的20至30次方。

张海生所创立希格生科则基于特定疾病患者特征所建立了几个模型，以此对初步筛查得到的药物分子式进行评价，并且具有伴随诊断的标记物，在临床试验阶段即筛选出最合适的病人，这样不仅大大降低了临床实验的成本，而且可以提高临床实验的成功率。

这或许还只是新技术变革制药行业的第一步。

焕一生物联合创始人/CEO文雯对《科创板日报》记者表示，人体内的生物调控网络包含大量的生物信息，焕一生物通过临床合作收集到这些数据后，再对之进行结构化的系统性数据分析，以期从中窥见疾病的内在关联和潜在的生物标志物和靶点，推动疾病的筛查、诊疗，并加速新药和新诊断方法的研发。目前，焕一生物专注免疫领域赋能生物标志物和靶点研发。

据文雯观察，目前，在生物医学领域正在进行类似于5G建基站似的“基建”活动：两三年前，例如代谢组学、蛋白组学领域还很难拿到大规模可回溯性分析的数据源，所以数据一直不能得到有效的利用；而现在，越来越多人参与到多组学的整合分析、构建数字化的生物调控网络中。

通过生物样本获得的多组学数据的收集、归整、算法的进步等“正在加速整个闭环的形成”。

文雯称，原来，新药创新的流程大致是：科学家阅读文献、与同行探讨，得出一个假设，再通过实验对假设进行验证，如此反复，因此，技术与产品的迭代效率非常低。随着“生物数据基建”的完成，以及生物计算学的进步和人工智能技术的应用，接下来发展会是指数型的颠覆。