AI已成為大藥企的必選項?

過去兩年，Big pharma在人工智能的投入呈現爆發式增長。

禮來和強生都與英偉達開展戰略合作，禮來與英偉達共同建設被稱為“醫藥領域最強大的超級計算機”，以支持分子建模與藥物研發。

強生與英偉達合作，利用基礎模型為外科團隊創建模擬環境，以輔助其規劃腎結石手術。

剛開始，Big pharma進行這些投資要相當謹慎，原因在于人工智能的各類應用場景的價值主張尚不明晰。

隨著技術整體的顯著躍遷，及業界對開發面向特定行業人工智能應用的投入，這些價值正開始逐步顯山漏水了。

在這個背景下，之前的小打小鬧已經不滿足Big pharma的戰略需求了，零敲碎打的合作不易見效，必須上升到平臺級、產品級的部署，從“試點嘗試”變成“戰略必選項”！

今天，我們先不急著談某個細分的賽道，而是想和大家一起，換個“上帝視角”看一眼：那些真正站在產業金字塔頂端的 Big Pharma，過去幾年到底把錢和資源砸在了哪些AI 的研發方向、哪些具體項目上？它們今天的布局，就幾乎是國內藥企即將布局的“天花板”。

01

AI在靶點發現和疾病建模的應用

人工智能通過整合組學和臨床數據來重塑藥物靶點發現和疾病建模，從而挖掘治療機會。

機器學習和神經網絡如今能夠繪制基因、蛋白質和疾病間復雜的關聯圖譜，有望改進靶點識別和驗證。

與此同時，人工智能驅動的疾病模型利用單細胞數據、成像技術和網絡生物學來模擬疾病進展、對患者進行分層并降低臨床試驗風險。

AZ近期與Tempus AI和Pathos AI達成一項價值2億美元的合作協議，旨在構建一個用于腫瘤治療的多模態基礎模型，整合患者數據以挖掘洞見并加速藥物研發。

兩個月后，AZ又與Modella AI簽署了一項多年合作協議，計劃將此類模型應用于其內部的研發流程，以解讀復雜數據集、識別生物標志物并實現工作流程自動化。

Modella的人工智能技術將為阿斯利康的腫瘤產品組合提供支持，涵蓋免疫療法、抗體偶聯藥物（ADC）、雙特異性抗體、激素療法、放射性藥物和激酶抑制劑等領域。

02

基于靶點和表型的藥物發現

AI驅動的靶向藥物發現是基于特定算法，來識別、驗證和優化候選藥物。

這些候選藥物可調節已知或推測在疾病中發揮作用的特定分子靶點（如蛋白質、酶、受體或核酸）。

2025年1月，艾伯維與Neomorph達成合作，共同開發用于腫瘤學和免疫領域的分子膠降解劑，靶向那些曾經被認為“不可成藥”的蛋白質。

Neomorph將獲得一筆預付款，并有資格獲得高達16.4億美元的里程碑付款和特許權使用費。

輝瑞擴大了與PostEra在2020年的合作，重點利用PostEra的生成式人工智能模型優化ADC的有效載荷，這對于平衡藥效和安全性至關重要。

DeepMind衍生公司Isomorphic Labs擴大了與諾華的合作，于2025年 2月新增三個項目。諾華通過此次合作開拓了傳統方法無法觸及的新化學空間，進一步鞏固了人工智能在藥物設計領域的影響。

阿斯利康和石藥集團于6月達成一項價值52.2億美元的協議，旨在開發慢性病和免疫疾病的新型口服療法。

中外制藥（羅氏子公司）與Gero公司達成一項價值高達2.5億美元的合作協議，共同開發基于人工智能識別的與年齡相關的疾病靶點。

默克于9月擴大了與Variational AI的合作協議，利用其Enki平臺開發兩個未公開的靶點，加速早期藥物設計。該協議價值高達3.49億美元，體現了默克將人工智能融入其整個研發流程的戰略。

03

利用AI設計更優臨床試驗

人工智能驅動的臨床試驗利用AI技術增強臨床研究設計、執行、監測和分析。目標是提高效率、降低成本、提升患者安全，并產生更深入的機制性見解。

人工智能可以應用于， 從患者篩選和招募到終點分析和監管申報 的每個階段。

2025年6月，默克推出了一款全新生成式人工智能平臺，旨在簡化臨床研究報告（CSR）撰寫流程，將初稿撰寫時間從兩到三周縮短至三到四天。

該系統由默克與麥肯錫旗下QuantumBlack合作開發，結合了數據工程和大型語言模型，可在醫學撰稿人的監督下完成表格映射、數據提取和報告撰寫等工作。

早期試點項目表明，該方法將CSR的撰寫時間從180小時減少到80小時，同時將數據準確性、引用和術語等方面的錯誤率降低了一半。

賽諾菲創投對人工智能驅動的臨床試驗模擬公司QuantHealth 進行了戰略投資，使其總融資額達到3000萬美元。

QuantHealth 的平臺利用數字孿生技術生成患者級別的模擬數據，幫助制藥公司更好地預測試驗結果，從而降低成本和風險。

作為投資的一部分，賽諾菲創投合伙人Cris De Luca將以觀察員身份加入QuantHealth董事會，支持其在整個行業推廣預測性、人工智能驅動的試驗設計。

04

AI在藥物再利用中的應用

藥物重定位（也稱老藥新用）指識別和開發現有藥物的新用途，這些藥物包括已獲批以及療效不佳而被擱置或因戰略原因而停止開發的藥物。

與從頭開始進行分子設計的傳統藥物研發不同，藥物重定位利用現有的藥理學、毒理學和臨床數據來加快研發進程、降低成本并減少風險。

為此，賽諾菲于2024年11月與總部位于劍橋的人工智能驅動型生物技術公司Healx建立合作。

根據協議，這家法國大型制藥公司將利用Healx的Healnet平臺，為賽諾菲已停產的一種化合物尋找新的罕見病適應癥。

Healx將運用其生成式人工智能技術分析賽諾菲的專有數據，以發現潛在的新治療用途。

05

AI在藥物制劑中的應用

人工智能驅動的藥物制劑設計應用人工智能和深度學習算法來設計、優化和預測藥物制劑的性能。

通過將理化性質、生物藥劑學和臨床數據整合到預測性計算模型中，加速了傳統的實驗性和迭代性制劑開發過程。

XtalPi于2025年6月宣布與輝瑞公司延長合作。雙方的目標是開發用于小分子藥物發現的新一代分子建模工具。

這項工作建立在他們此前于2024年發布的XtalPi之上，該力場在預測分子幾何結構和結合親和力方面展現出卓越的精度。

新的合作將使XtalPi的XFEP平臺適應輝瑞的化學空間，提供更快、更準確的預測模型，以支持藥物設計和開發。

06

人工智能連接各種環節

人工智能的優勢在于整合多模態數據，包括科學數據和運營數據，從而生成系統級洞察。

艾伯維已將此應用于臨床數據轉換，從人工且容易出錯的標準化流程轉向基于大預言模型的流程，該模型能夠預測試驗數據映射、建議變量對齊方式并提供置信度評分。

人工監督確保了準確性，從而節省了數周的工作時間，并更快地交付可用于提交的數據集。

默克采用了更廣泛的策略，推出了生成式人工智能平臺GPTeal，為5萬名員工提供安全訪問ChatGPT、Llama和Claude等模型的途徑。

該平臺最初用于日常任務，現在已支持監管文件的編制，其應用推廣主要得益于人工智能培訓項目和開發者訓練營。

與此同時，賽諾菲正在將人工智能應用于運營。6月在里昂啟動了數字化加速器項目，旨在改造其生產和供應鏈網絡，部署數字孿生、人工智能+物聯網監控以及可擴展平臺，以提升供應鏈韌性。

這使其成為首家大規模應用人工智能的生物制藥公司。

07

接下來。。。。。。

隨著大藥企對人工智能驅動技術的興趣日益濃厚，它們的戰略重點將進一步轉向人工智能合作、研發外包和并購活動，以此快速獲取所需的專業知識和技術。

人工智能技術的復雜性、對昂貴且復雜的IT基礎設施的需求、該領域的快速發展以及支持專業機器學習研究的高技能數據科學專家的相對稀缺——這些都是推動外包趨勢上升的關鍵因素。

常讀胖貓公眾號的讀者老爺也能感受到，胖貓對AI持完全支持的態度！歡迎到我們的 AI 合集閱讀更多內容！

如果，您對胖貓的文章感興趣，想深度了解一下更多信息，歡迎加入胖貓的知識星球！

學習的最終目的就是“搞錢”，或許，在深度溝通和連接中，機會它就出現了！歡迎加入胖貓知識星球！知識就是力量！