据悉，AI新药研发企业深度智耀（Deep Intelligent Pharma）已获得近1500万美元B轮融资，红杉中国独家投资。创始人兼CEO李星表示，本轮融资将主要用于AI+医药研发领域的产品研发及业务拓展。此前，它曾获得来自真格基金的数百万美元Pre-A轮融资，后又获得真格基金A轮追加投资。
用AI服务于新药研发的全流程：从早期研发到上市
众所周知，一款好药的诞生可谓是“十年磨一剑”：从临床前研究（药物靶点的确认 → 化合物的生成 → 活性化合物的筛选）；到临床研究（一期 → 二期 → 三期）；再到审批上市（新药申请 → 上市），涉及周期长、成功率低、成本高等痛点。像辉瑞等国际顶级生物制药公司，至少需花费数十亿美元、经历10年左右的时间，才能成功研发并上市一款新药。
药企研发涉及大大小小上百个系统，造价高昂，却需要大量人力来完成很多琐碎的工作，比如查阅文献、下载文献、翻译、写报告、编排格式、录入数据等；另外，信息孤岛严重，大量重复性的工作在各个不同部门发生。李星表示，“目前制药行业还处于人海战术阶段，远远没有实现智能化管理。”
据悉，在围绕“让药物研发更高效”上，公司已陆续推出了多个产品原型，在早期研发阶段，包括AI驱动的药物合成、药物设计、药物活性预测；临床研究阶段，则包括AI驱动的药物警戒系统、注册事务系统、写作翻译平台、临床数据编程系统等，覆盖了新药研发全流程上的一些关键节点。
商业路径：用市场来反哺研发
据李星透露，公司目前已有50多家合作客户，包括排名前十的跨国药企、国内一线药企、国内中小药企，合作方式包括SaaS服务、本地部署、外包服务、战略咨询等。她强调，与其它AI药物研发公司的商业路径不同，深度智耀是通过“市场反哺研发”——即在能满足市场需求的前提下，快速走向商用，以支持其它产品线的研发和产品迭代。
因此，在产品的商业化上，李星告诉记者，目前智能化药物安全警戒系统、注册申报翻译已经市场化， 而AI驱动的早期药物发现平台及AI辅助有机合成系统（化学合成和工艺改善）将在今年11月进入商业化阶段。
AI药物警戒系统（Deep-PV）：可实时、全流程、全数据源支撑药企临床研究以及上市后安全监测、风险预测。具体来说，它基于NLP技术，能实现个例药物不良反应/不良事件报告的快速机器化无人化采集、翻译、编码、评估、评价，并多通道递交监管机构；实时对累积所有个例报告的安全数据库进行数据挖掘，发现可疑安全信号；实现各类安全性报告/文件如PSUR/DSUR等生成自动化等。
AI自动翻译写作申报系统：写作——协同写作审阅平台通过初稿一键生成、多人协同定稿让科学写作更流畅；翻译——多语种全方位医学翻译解决方案通过人机交互翻译平台、高端医学翻译服务，解决研发过程中的语言障碍；申报——下一代法规申报信息管理平台通过一键格式修复、极速电子文档组装出版、自动优化申报路径等系统功能，让申报更快捷。而传统医药研发中，写作-翻译-申报相互割裂，前两项还鲜有系统支持，注册系统的智能化程度又比较低，而深度智耀打通了三环节并通过AI提高了效率。
在市场布局上，考虑到医药信息化的市场成熟度，李星表示，深度智耀初期会锁定中国、北美和日本，后续再逐步向全球扩张。
技术和行业共同驱动AI药物研发的爆发
正如前文所言，AI等相关技术的兴起让药物研发行业向更“智能”的方向推进。根据TechEmergence的研究报告，AI可以将新药研发的成功率从12%提升至14%， 能为整个生物制药行业节省数十亿美元，同时，还能省下很多研发时间。
随着AI技术进入商业化落地的爆发期，以及中国整个医药行业逐渐发力“新药研发”和“原研药”，AI+新药研发也到了一个爆发节点。
国内已有初创公司分别在药物研发的不同环节谋求突破，按照药物研发的流程从前到后，有聚焦靶点和生物标记物筛选的寻百会生物（获得IDG领投数千万元天使投资）；已开发出抗病毒领域虚拟药物筛选分子对接工具的智药科技（今年7月获得天使轮融资）和利用AI针对生物药进行药物筛选的冰洲石生物科技（去年12月获得新一轮融资）；专注晶型预测的晶泰科技（今年1月完成1500万美元B轮融资）；和侧重临床试验的零氪科技等。
深度智耀则率先从新药研发两端切入，用AI加速早期药物发现和药物临床研究。李星表示，未来大家的竞争要素主要在于产品质量、落地速度和价格上。从市场化进程和产品布局来看，深度智耀已是国内AI药物研发赛道的第一梯队。
国外除了一些诸如Atomwise、BenevolentAI、Insilico Medicine（药明康德参与投资）等知名创业公司，近两年，辉瑞、GSK、强生、罗氏等巨头也在AI+制药领域的动作频出。譬如辉瑞在2016年就与 IBM Watson Health达成合作，将Watson的AI技术用于其研发新型抗癌药。
机会和挑战
从市场层面来看，AI+其他医疗方向（譬如“AI+医疗影像”）一般要在院内销售产品，它们在大规模落地应用之前，要进行临床实验并申请CFDA或FDA注册，获得盈利的周期很长；而AI+制药的目标客户是药企，不涉及资质问题，商业化路径往往更清晰；此外，中国特有的商业风险和政策风险在新药研发上的影响相较影像小得多；最后，新药研发的科学性和逻辑性更强，对技术要求更高，利于参与者通过技术建立有效壁垒。
也就是说，AI+制药的机会很大但技术门槛高，不会像AI医疗影像一般快速形成竞争红海和遇到商业瓶颈。这个意味着，这一赛道的竞争格局会相对明朗：技术+商业化速度会构建起参与者的护城河。
不过李星也强调，药物研发流程涉及约20个功能模块，即使是某个模块的专家对其它模块业务也只能了解大概，尤其“制药还是离IT和互联网非常远的行业”，这造成了AI医药研发赛道当前的最大挑战——医药专家和AI工程师的有效融合，或者说“行业+技术”跨界人才的获取。她表示，“深度智耀的人才结构已十分完备，医药专家已有部分成功转型为AI产品经理、数据挖掘，或AI教练。”
至于难点，除了前文所述的市场竞争和人才吸纳；作为药物发现工具，AI需要数据集才能进行培训。而国内创新药研发起步较晚，与国外相比，对于优质数据的积累还有一定距离；另外生物学发展、法律监管等都可能成为其发展过程中的挑战。
关于团队
团队方面，创始人兼CEO李星毕业于北大药学院，先后在辉瑞、赛诺菲、强生等跨国药企的新药研发部门就职超过12年，曾主导强生在亚太地区的首个AI项目——基于神经网络的注册申报资料机器翻译引擎。其它核心团队成员均具备跨国500强医药企业研发以及BAT等顶级互联网企业的背景。目前整个团队近百人，AI人才和新药研发人才各占一半。