一些關于AI制藥的行業統計數據

人工智能正在重塑藥物開發，這個說法很多人都已經聽了不少遍。

但是如何衡量AI在藥物研發的價值？

要知道，全球人工智能投資超60億美元，截至2024年，尚無AI發現藥物獲得FDA批準。

近日，一家AI調研機構發布了一份關于AI藥物研發的統計數據報告。

一個復雜的事實浮出水面：盡管人工智能正在改變藥物發現，但這過程中伴隨著統計、財務和倫理上的摩擦。

以下是數據概覽：

AI制藥采用率：69%的制藥公司目前正在投資AI，超過云計算及其他數字項目。

研發成本降低：人工智能的采用可將臨床前研發成本降低25–50%，開發進度加快多達60%。

第一期試驗成功率：AI發現的藥物在第一期試驗中成功率為80–90%，而傳統藥物為40–65%。

初創企業與大型制藥公司的采用：生物科技初創企業的人工智能采用率比大型制藥公司高出73%，推動了更快的創新 。

治療領域：腫瘤學在AI藥物發現領域占所有AI項目的34%，其次是罕見病，占21%。

預測準確性：先進的人工智能模型在毒性預測中達到75–90%，在效能預測中達到60–80%，優于傳統方法。

2030年市場預測：預計到2030年，人工智能驅動的發現將占據全球制藥市場45%的份額 。

AI在藥物發現和開發中的應用有多廣泛？

人工智能在藥物發現中的應用已正式跨越一個臨界點。人工智能不再被視為“可有可無”的工具，而是在制藥研發領域的核心競爭優勢。

全球制藥管線現已擁有超過3000種藥物候選藥物，均由人工智能輔助開發或再利用（GlobalData藥物數據庫，2024）。相比五年前僅有少數幾種與人工智能相關的化合物，這一增長速度驚人。

以下是這些候選藥物在開發階段的分布情況：

也就是說60%處于臨床前/發現階段，一期臨床試驗中為25%，二期臨床試驗中為12%，3%處于第三階段或監管審查階段。

到2025年，所有新藥發現中將有30%將采用人工智能技術（世界經濟論壇數據 ），比2020年增長了400%。

也就是說，盡管大多數AI驅動的化合物仍處于早期開發階段，但管線規模增長速度比以往任何時候都快。

AI如何影響藥物發現的效率和成本？

人工智能在藥物開發統計中的經濟影響遠超單純的節省。人工智能正在重新定義制藥研發的整個經濟結構，創造了曾經被認為不可能實現的效率和成功率水平。

傳統藥物開發通常需要10到15年，最優情況下，人工智能有望將這一周期縮短至1至2年（自然生物技術2025）。即使在更保守的估計下，AI輔助項目的時間也比傳統方法快40%至60%。

例如，AI可將虛擬篩查成本降低60%-80%，潛在分子優化成本降低40%-60%，毒理學預測減少30-50%等。

那么問題來了，AI多大程度上提升了點擊到潛在分子和優化轉化率？

傳統的高通量篩查命中率在0.01%到0.14%之間。相比之下，AI驅動的虛擬篩查穩定地實現1%至40%的命中率，效率提升10至400倍。

例如針對JAK2抑制劑，AI將隨機篩選中的成功轉化率從低于1%提升到針對JAK2抑制劑開發的40%以上，實現了精準度的飛躍。

人工智能驅動藥物的臨床試驗成功統計數據如何？

臨床試驗表現，最能夠直接展現AI對藥物研發的價值。

截至2023年，已有24種AI發現的分子完成了臨床第一階段，取得了21項成功結果，成功率為87.5%。與傳統藥物研發相比，I期60%到90%的候選人早期失敗，成功率提升顯而易見。

然而到了II期臨床，AI發現的分子就和傳統藥物研發類似，更不要說III期管線數據缺乏。

至今，仍然沒有一款AI設計的分子獲批臨床。

但另一邊，Nimbus Therapeutics以40億美元的預付款將一種AI發現的銀屑病藥物賣給了武田，這是有史以來AI開發治療藥物中最大的交易之一。

這一里程碑展示了AI在藥物研發中巨大的商業和監管動力。

人工智能在制藥行業和治療領域中的采用有何不同？

生物科技初創公司的AI采用率比大型制藥公司高出73%，腫瘤學在所有AI驅動藥物發現項目中居首。

大公司對于AI的采納更加謹慎，專注于經過驗證的AI應用再進行擴展。小型biotech則希望通過AI獲得競爭優勢。

而從治療領域上看，腫瘤學是第一大領域，占比34%，緊接著是罕見病（21%）、精神病學（18%）、感染（15%）、免疫（12%）。

雖然不同公司比例不同，但制藥公司目前將8–15%的研發預算投入到人工智能上。預計到2030年，這一比例將達到20%至25%。

人工智能模型在預測藥物效果方面準確度如何？

人工智能在藥物開發統計中的預測能力，是AI推動制藥的清晰例證之一。

隨著數據集的擴展和模型的進步，準確率穩步提升，將預測轉化為可靠的決策工具。

2025年計算毒理學的最新研究證實，機器學習在多個ADMET（吸收、分布、代謝、排泄和毒性）基準測試中，優于基于規則的統計模型。

總的來看，人工智能在藥物開發統計中的發展軌跡顯示出前所未有的擴張。

隨著采用率的飆升、成熟的管線和監管準備度的提升，人工智能有望在2030年前成為制藥創新的核心引擎。

然而，大多數制藥人工智能項目需要2到3年才能收支平衡，并且AI一般只在特定環境中實現顯著的成本節約，高失敗率依然存在。

未來，我們仍然值得期待AI對藥物研發的變革性作用。