每一款成功上市的创新药,通常需要耗时10年、平均投入10亿美元,且成功率仅约10%。这是业内的“三个十定律”。
今年9月,两款由AI技术赋能的创新药相继取得关键进展:一款宣布获批上市,另一款完成临床Ⅲ期首例患者给药。“AI制药”由此再度成为行业热点。人们不禁要问:AI究竟能否改写创新药研发的行业定律?
然而,截至目前,全球尚无一款由AI完全主导设计的药物获批上市。据知名全球性战略咨询公司艾意凯统计,目前全球AI发现或赋能的在研资产已超过100个,其中约60%—70%处于临床Ⅰ期,25%—30%处于Ⅱ期,极少部分产品进入Ⅲ期。
9月18日,工业和信息化部等十部门联合发布的《医药工业发展“十五五”规划》提出,“十五五”时期我国首创新药占全球比例要达到25%以上。规划明确提出开发应用AI赋能靶点筛选、药物分子设计与优化等多种场景。
那么,AI到底给创新药研发带来了哪些利好?它颠覆传统创新药研发路径和流程了吗?在AI赋能新药研发过程中,还有哪些现实瓶颈?围绕这些问题,科技日报记者采访了多位行业专家。
创新药研发周期长、投入高、风险大,从药物发现、临床前研究、临床试验,到最终上市,就像一场超长接力赛。不同的是,比赛有终点,创新药研发始终伴随着不确定性。
受访药企普遍认为,AI已深度嵌入新药研发全流程,并以前所未有的速度重塑药物发现的各个环节。
“确定临床前候选物,是从科研发现通往药物开发的分水岭,也是企业决定要不要继续投入研发的关键节点。”迈威(上海)生物科技股份有限公司海外首席医学官胡柯说。AI恰恰在这个环节按下了“加速键”。
AI提速创新药研发,究竟能快多少?两款药给出了看得见、可量化的答案。
9月2日,西湖大学宣布,该校与西湖实验室、西湖制药(杭州)有限公司联合研发的艾普司韦近期正式获得国家药品监督管理局附条件批准上市。
它是国内首款凭借AI辅助研发而获批上市的原创药,从源头发现到完成临床试验仅用时三年半。该药可用于治疗成人轻型、中型新型冠状病毒感染。
西湖大学在瞄准抑制新冠病毒的热门靶点3C样蛋白酶后,将目光投向包含多达490亿种化合物的DNA编码化合物库,并利用AI从中筛出了100多个“潜力股”。
按传统做法,这些“潜力股”仍需逐一合成和验证,耗费大量人力、物力。但这次,AI模型仅用几天便将“潜力股”迅速缩减至9个,其中6个表现出很强的病毒抑制活性。随后,团队通过成药性评估锁定候选分子,编号WLU6937。至此,西湖大学团队只用了6个月。
“在筛选准备和筛选过程中,我们利用AI模型帮助确定筛选条件以及对照化合物,提高筛选的成功率。”西湖大学生命科学学院教授黄晶告诉记者。
无独有偶,9月10日,英矽智能科技(上海)有限公司宣布,由AI赋能发现和开发的Rentosertib已在北京协和医院完成临床Ⅲ期试验的首例患者给药。Rentosertib是一种特发性肺纤维化小分子抑制剂,从靶点发现到被确定为临床前候选化合物,仅用时18个月。
英矽智能在《自然·生物技术》杂志刊发的论文揭秘了AI如何赋能Rentosertib迈出成药的关键一步:借助靶点发现引擎PandaOmics锁定靶点TNIK,再经生成化学引擎Chemistry42虚拟筛选与迭代优化,仅合成并测试了不到80个分子,就获得了候选分子INS018_055,最终确定临床前候选化合物。
2025年12月,口服减重创新药MDR-001以令人惊讶的速度,启动临床Ⅲ期试验。该药由杭州德睿智药科技有限公司研发,从项目启动到临床前候选化合物仅用8个月,仅用19个月即获得中美针对肥胖症和2型糖尿病的新药临床批件,并用四年半推进至Ⅲ期临床研究。而对比同期传统研发模式,同类药物往往需要8—12年的研发周期。
“我们发现,AI明显提升了分子筛选与多目标优化环节的效率。”德睿智药创始人兼首席执行官牛张明告诉记者。
在分子设计环节,AI把亲和力、毒性、稳定性和成药性等多个目标纳入同一优化框架之中,在海量化学空间中寻找最优解。“MDR-001便是利用全链路AI制药引擎MAP(Molecule Arts Platform)找出来的‘优等生’。”牛张明说。
AI在药物发现环节的应用更加深入,越来越多药物研发项目因此跑出“加速度”。今年7月,工业和信息化部发布《人工智能高价值场景应用案例集》。广药数科联合华为、首芯分子共同申报的《国产算力驱动的新药创制AI智能体研发与应用》项目入选。据介绍,该项目已完成概念验证测试,有望把苗头化合物发现周期从12—18个月缩短到1—3个月。






