【AI系列报道】Atomwise:用AI研发新药,成本猛减数亿美金

作者:邓雪媛 2016-08-10 08:00

{{detail.short_name}} {{detail.main_page}}

{{detail.description}} {{detail.round_name}} {{detail.state_name}}

{{detail.province}}-{{detail.city}}
{{detail.setup_time}}
融资金额:{{detail.latest_event_amount}}{{detail.latest_amount_unit}}
投资方: · {{item.latest_event_tzf_name}}
企业数据由提供支持
查看

随着人工智能在各领域的应用逐步展开,动脉网将(微信:vcbeat)对海内外AI+医疗健康领域就典型案例、投融资情况、产业内布局作出系列报道,供业内投资人、创业者参考。

本篇为读者介绍的是一家美国旧金山的创业公司,将深度学习应用于新药研发,旨在降低高额的研发费用,是将人工智能技术应用于医药健康领域的典型案例之一。


药物.jpg


Atomwise公司成立于2012年6月,是一家利用超级计算机进行药品研发的公司。项目旨在运用超级计算机、AI和复杂的算法模拟制药过程,来预测新药品的效果,同时降低研发成本。公司总部位于美国旧金山。


现状:一款新药的成功研发约消耗29亿美元


美国塔弗茨药物开发研究中心2014年的报告显示,一款成功上市的新药,平均花费约25亿8500万美元,其中包括约13亿9500万美元的直接资金投入和研发失败导致的约11亿6300万美元的间接投入。据悉,此次报告的数据和2003年相比增长约145%。


药物研发成本图.png

1996年—2013年美国药物研发成本图(含成功上市药品成本与研发失败药品成本)


该报告还指出,一款新药成功上市后,还会有平均3亿1200万美元的投入。用于进一步的评估研究,包括验证新的适应症、剂型以及剂量等等。因此,在整个上市前后的研发周期当中,一种研发成功的新药可能一共要消耗掉29亿美元资金。


塔夫茨的分析数据来自10个药厂的106个研发项目。药厂规模大小不一但分配合理,总和占全球前50制药企业销售和研发投入的35%。


新药研发早期进行评估可大幅度降低药物研发成本


从一个实验室发现的新化合物发展成为一个治疗疾病的药物,需要经过如下开发阶段:临床前试验、新药临床研究申请、一期临床试验、二期临床试验、三期临床试验、新药申请、批准上市。


药物研发流程.png

药物研发流程图


若将此过程中研发失败项目的金额算入制药公司的总开销额中,则研发药物的实际花费金额则会更高。例如葛兰素史克公司在1997年—2011年间获批新药数量为10款,平均每个新药的花费达82亿美元,在同一时期,总研发花费约817亿美元。


药物研发成本公司.jpg

1997年—2011年部分大型制药企业被批准药品数量及药物研发成本


研究人员称,导致药物研发费用高昂的原因包括临床研究的复杂程度增加、研究规模增大、临床试验的失败率升高等等。


目前,提高研发效率、减少研发的失败概率主流做法是精简研发机构,通过外包与合作开发,再加上去收购一些有潜力的生物技术公司,来间接减少药物研发的开销。


但对于一个新药研发的成功机会,如果是出自内部研发的项目,其实其成功率要比来自外部技术转让的项目要高20%。其中,减少研发失败概率主要是减少后期临床的失败概率,这需要在新药研发早期及早的发现药物潜在的危险和不良反应,理智的评估新药研发的风险,来及时终止不必要的新药研发。


Atomwise将深度学习技术运用于新药早期评估


Atomwise公司用超级计算机分析已有数据库,并用AI和复杂的算法来模拟药品研发的过程,在研发的早期评估新药研发风险,让药物研究的成本降至数千美元,并且该评估可以在几天内完成。Atomwise为制药公司、创业公司和研究机构提供候选药物预测服务。Atomwise的服务可以预测哪些新药品真的有效,哪些无效。


2013年1月,Atomwise获Grant Challenges Canada22.5万美元拨款。2014年12月,公司获12万美元种子轮融资,投资方为Y Combinatior。2015年3月,Atomwise再获22.5万美元种子轮融资。2015年6月,公司又获600万美元种子轮融资,投资方为OS Fund,Khosla Ventures,DFJ德丰杰,AME Cloud Ventures,Data Collective等。


Atomwise公司的项目独特之处在于,它从人生到死过程中把大量数据抽取出来。因为涉及大量昂贵和耗时的药物,该功能解决了制药行业的“生死”问题。Atomwise公司称其在新药发现、结合亲和力预测和毒性检测上得到了世界上最好的结果。


Atomwise的技术可用于寻找埃博拉病毒治疗方案


目前,Atomwise软件平台运行着IBM的蓝色基因/Q超级计算机,其强大的计算能力使得他们可以完成很多任务,例如评估820万种化合物,并且在几天之内找到多发性硬化症可能的治疗方法。2015年,公司宣布在寻找埃博拉病毒治疗方案方面有一些进展,即在 Atomwise 预测的药物中,有两种或许能用来抗击埃博拉病毒,他们用时一个星期就找到了这种药物,并且成本不超过 1000 美元。


Atomwise网站图.png

Atomwise网站图


在研发抗击埃博拉病毒的新药过程中,Atomwise平台准备了埃博拉病毒入侵生物细胞的“爪”的模型,然后利用类似人脑神经的网络进行药物成分分析,检测到目前已知的7000种可对抗这种“爪”的药物,以此来筛选、组合。


在合作伙伴方面,Atomwise除了与Merck公司和Autodesk进行一些保密项目外,公司也持续与学术界和企业客户开展研究工作。


Atomwise团队介绍



CEO.png

Atomwise CEO Abraham Heifets


Abraham Heifets任Atomwise公司CEO,他毕业于康奈尔大学,获理学学士学位与工程硕士学位,并获多伦多大学博士学位。Heifets是一位大数据与高性能计算领域的专家,曾就职于IBM T. J. Watson研究中心,从事高性能计算领域的工作。在多伦多大学就读期间,他建立了一个名为 “SCRIPDB”的大型公共化学结构专利数据库,并研发了一个名为“LigAlign”的蛋白质结构分析工具,据悉,LigAligh已经在全球70多个国家实现应用。


CTO.png

Atomwise CTO Izhar Wallch


Izhar Wallch任Atomwise公司CTO,于以色列理工大学获理学学士学位,并获多伦多大学博士学位,是一名医药算法领域的专业研究人员。在多伦多大学就读期间,Wallch创造了一种新途径来减少分子对接模型中的偏差。


COO.png

Atomwise COO Alexander Levy


Alexander Levy任Atomwise公司COO,他在将实验室产品的优秀技术推向市场方面有丰富经验。在多伦多大学就读期间,Levy就进行过创业,他研发了一款帮助语言障碍者获取信息的软件,这款名为MyVoice的软件已经应用于Discovery Channel, Engadget, Fast Company, BNN, CBC以及 CTV的平台,使用者遍布全球30多个国家。除了创业者外,Levy 还有一个身份是独立投资人,他曾于2016年3月参与Science Exchange的B轮投资,Science Exchange是一个帮助科学家将实验项目获器材外包的平台,据悉,美国著名创业孵化器Y Combinator也参与了Science Exchange的B轮融资。Levy被”PROFIT“杂志评为年度企业家与多伦多大学的年度投资人。


系列报道

2011—2016上半年全球人工智能+医健领域融资总额高达14亿美元

【AI系列报道】用AI帮助医院进行数据决策,AnalyticsMD是如何实现的?

【AI系列报道】MedyMatch精准诊断中风,AI+医学影像的典型应用

如果您想对接动脉网所报道的企业,请填写表单,我们的工作人员将尽快为您服务。


注:文中如果涉及企业数据,均由受访者向分析师提供并确认。如果您有资源对接,联系报道项目,可以点击链接填写基本信息,我们将尽快与您联系。

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。转载请联系tg@vcbeat.net。

分享

微信扫描二维码分享文章

企业
对接
商务
合作
用户
反馈