首个AI设计药物DSP-1181在强迫症这一精神类适应症上未达预期而被放弃，这一事件并非否定AI制药的整体价值，而是揭示了AI医疗下游需求结构的真实分布：癌症仍是绝对主战场，精神类适应症因临床验证难度大而并非热门赛道。全球获批临床的AI药物管线中，癌症适应症占比高达66%，遗传性疾病和罕见病占12%，神经系统及免疫疾病占10%，肠道疾病占8%，COVID-19占5%，精神类适应症并未单列且占比极低，DSP-1181选择的强迫症正是这一小众且高难度领域。
适应症分布：需求结构的真实图景
从全球80条获批临床的AI药物管线来看，癌症是AI制药企业的首选适应症，这与传统药物研发的方向高度一致。遗传性疾病和罕见病合计占12%，神经系统及免疫疾病占10%，肠道疾病占8%。值得注意的是，由于2020-2022年疫情对药物的巨大需求，针对COVID-19的药物研发占据了5%的管线份额。
精神类适应症并未出现在主要适应症类别中，这反映出精神类药物的临床验证难度是制约AI制药布局的关键因素。DSP-1181针对强迫症的失败，部分原因正在于这类适应症的患者招募、疗效评估等环节存在客观困难。
下游应用场景：从辅助到主导的演进
当前AI在药物研发中仍主要起辅助作用。在已公布靶点的管线中，运用人工智能发现新靶点的管线仅占少数，大部分管线仍基于已知靶点进行优化。这表明AI制药仍处于积累训练期，用AI进行药物研发仍起到相对辅助的作用。
产业链下游以传统药企为主，AI药物研发企业将其药物研发阶段的服务直接出售给传统药企，因此传统药企是AI药物研发的直接需求者。在商业模式上，AI SaaS、AI CRO和AI Biotech三类模式并存，其中AI Biotech因发展潜力大而成为多数企业的转型方向。
临床阶段的AI应用与新机遇
临床试验是新药研发中耗时最久、资金花费最高、最容易出问题的环节，尤其是一些小众疾病和罕见病，患者招募是重大挑战。已有AI公司介入临床试验患者招募工作，通过将医疗记录、医学文献、患者主动上传的病理内容等信息与受试药物信息进行匹配，帮助实验主体找到合适的受试患者。
对于AI制药而言，开发具有差异化临床价值的产品比AI技术本身更重要。选择确定性更高的AI技术应用场景，针对未满足的临床需求选择有潜力的适应症和靶点进行药物开发，会更有利于商业化发展。
常见问题
AI制药是否因DSP-1181失败而前景黯淡？
并非如此。DSP-1181的失败更多反映了特定适应症（精神类）的临床验证难度，而非AI制药整体技术路线的失败。全球AI药物管线中癌症占66%、罕见病占12%，这些领域的临床路径更为成熟，仍是AI制药的主要需求所在。
哪些适应症是AI医疗的下游高潜力场景？
除癌症这一最大市场外，遗传性疾病和罕见病因患者基数小但基因机制相对明确，适合AI加速机制理解，蕴含较高成长潜力。神经系统及免疫疾病同样值得关注，但需注意其临床验证周期和患者招募难度。
精神类适应症为何不是AI制药的热门选择？
精神类药物的临床试验设计、患者招募和疗效评估均存在较大难度，且监管审批路径相对复杂。DSP-1181在强迫症上的失败正说明，即便是AI设计的分子，也难以绕开精神类适应症固有的临床验证瓶颈。