西达本胺（微芯生物开发的原创新药）是计算机辅助药物设计（CADD）的经典案例，证明了计算方法在药物发现中的可行性。AI医疗（AIDD）在此基础上，通过整合大数据与深度学习，进一步提升了靶点发现和分子优化的效率，并正在重塑药企、CRO、计算平台之间的上下游协作模式。
CADD的里程碑：西达本胺
西达本胺是微芯生物利用CADD技术开发的原创抗肿瘤新药，属于CADD（计算机辅助药物设计）的杰作。自1966年计算机模拟与分子图像结合开启CADD以来，这一方法已成为药物研发的常规操作。西达本胺的成功，验证了计算方法从理论到临床转化的可行性，为后续AI技术的引入奠定了基础。
AI医疗如何提升效率与重构协作
AI医疗（AIDD）将机器学习、自然语言处理及大数据技术应用于制药各环节，显著优化新药研发效率与质量。AI技术可缩短研发周期约一半，减少至少10%的研发投入，并提高成功率。在产业链协作上，当前市场主要参与者包括药企、CRO和互联网公司，商业模式分为AI SaaS、AI CRO和AI Biotech三类。上游由AI模型数据集供应及云计算平台构成，中游的AI药物研发企业以医药研发外包形式与下游传统药企合作，传统药企是直接需求者。未来，SaaS模式预计逐渐向AI CRO和AI Biotech转型，其中AI Biotech因发展潜力大，将成为多数企业的选择。
常见问题
AI医疗当前处于什么发展阶段？
目前，AI+药物设计仍处于积累训练期。全球获批临床的AI药物管线中，多数处于临床1期或2期，运用AI发现新靶点的管线仅占少数，表明AI在药物研发中仍主要起辅助作用。癌症是AI制药企业首选的适应症，其次为遗传性疾病和罕见病。
AI医疗在临床阶段有哪些应用探索？
除了临床前的药物发现，已有AI公司开始介入临床试验患者招募工作，通过匹配医疗记录、医学文献与受试药物信息，帮助找到合适的受试患者。此外，还有公司利用公开临床数据，帮助评估临床试验的成功率。
西达本胺在AI医疗发展史中有什么意义？
西达本胺是CADD的典型成功案例，证明了计算方法在原创新药研发中的价值。它标志着从传统CADD向更先进的AIDD（AI制药）过渡的重要节点，为后续利用深度学习和大数据进一步优化药物发现流程提供了实践基础。