概述

Ai-native/Ai-first Biotechs 公司：在自己的内部管线中确实或多或少应用到了Ai技术的那一类公司临床看重两个方面：安全性、有效性

临床I期成功率（安全性）：80-90%，说明AI在识别/生成/设计具有类药性的分子有优秀的潜力。行业水平为40-65%

临床II期成功率（有效性）：40%，与历史传统水平相当

有多少分子进入临床？

截至2023年，其中67种正在进行试验。在过去10年中，这一数字呈指数级增长，年复合增长率超过60%。大多数人工智能发现的分子目前正处于I期，尽管有些已经进入II期或更高阶段。

适应症分布

广泛的治疗领域，其中肿瘤学领域尤为突出，占处于I期和II期的人工智能发现分子的50%

AI-first 涉及到哪些方面

2020年前，人工智能改造的分子占主导地位，但此后趋于平缓，到2023年占跨行业临床管线的15%。相比之下，其他发现模式的发展速度则有所加快。目前，人工智能发现的小分子药物所占比例最大（2023 年>30%），疫苗（∼10%）和抗体（∼5%）所占比例较小。最后，一些针对人工智能发现的靶点设计的分子已进入临床，占2023年管线的 >30%。

临床成功率如何

截至2023年12 月，有24种人工智能发现的分子完成了I期试验，其中21种获得成功。这表明成功率为80-90%，大大高于从40%到55-65%不等的历史行业平均水平。

在II期，10个人工智能发现的分子已完成试验，其中4个获得成功。这意味着成功率为40%，符合30-40%的行业历史平均水平。

本分析有三点需要注意：

(i) 样本规模较小，尤其是临床成功率。随着未来几年更多数据的出现，这些数字很可能会发生重大变化；

(ii) 本分析仅包括人工智能原生生物技术公司的分子，包括那些与大型制药公司合作的分子，但不包括纯粹来自大型制药公司的人工智能发现的分子。因此，我们的数据并不完全详尽；

(iii) 分子的分类并不相互排斥。有些分子是利用多种人工智能技术发现的，但我们只能将其归入一类。

I 期AI成功率很高的原因

人工智能发现工作追求的是经过充分验证的生物靶点和途径，从而降低了靶点毒性的风险。虽然这可能是其中的一个原因，但我们也看到了一些针对新靶点的分子通过I期的早期迹象。因此，我们认为，高I期成功率并不仅仅是追求经过充分验证的生物学的结果。
人工智能算法是在成熟分子系列的数据基础上训练出来的，算法能有效地进行微调和优化。但早前的分析表明，人工智能算法已被用于探索新的化学空间，而不仅仅是对以前已知的结构进行微调。
人工智能算法总体上能够设计或选择类似药物的分子，包括具有优化的ADME和安全性特征的新型分子，从而减少了I期的退出。

研究人工智能发现的三个在I期失败的分子时，只有1个是因为没有达到评估标准。另外2个则由于商业决策和管线优先次序调整而中止。

II 期AI成功率和行业平均水平相符的原因

在II期临床后停止或中止的6个候选药物中，只有6个是由于负面结果数据造成的，其他4个候选药物则是由于业务重点转移、临床运营挑战或其他原因而停止的（对于因业务原因而终止II期研究的情况，生物技术公司当前面临的经济和资金挑战可能是一个加剧因素，特别是过去几年严峻的商业环境和监管变化，如美国的《通货膨胀削减法》，可能导致了与基础人工智能技术无关的投资组合优先次序调整决定。）

做一个大胆的“推断”

从表面价值出发，观察人工智能发现的分子在I期和II期试验中的成功率，并假设这些成功率在未来也能保持不变，再结合历史上III期试验的成功率，就会发现一幅惊人的画面：一个分子在所有临床阶段端到端的成功概率将从5%-10%增加到9%-18%。这意味着制药研发的总体生产率几乎翻了一番，将带来巨大的效益。这将使企业能够以更少的资源和成本实现相同的产出，或者在相同的资源条件下增加新药的上市总量。

参考

[Drug Discov Today｜AI发现的药物在临床试验中的成功率如何？ (qq.com)] (mp.weixin.qq.com/s/Jftlrxk3T…) 《How successful are AI-discovered drugs in clinical trials? A first analysis and emerging lessons。》