近三年来，AI技术为创新药研发赋能的成果渐显，多家AI制药企业基于先进的AI算法与庞大的数据湖，快速开发出一系列能满足迫切临床需求的新分子与新靶点，且已有药物管线进入临床试验阶段。头部跨国药企早已布局AI制药技术，2021-2022年相关上亿美元级的合作频现。中国本土药企与Biotech也纷纷参与其中，相关技术合作数量呈井喷态势。
站在又一个前沿技术的风口，如何把握创新药的发展趋势和AI前沿技术的红利？针对这些问题，各位专家各抒己见，一致认为AI药物研发的“必然性”源于巨大的未被满足的临床需求，以及传统药物研发所需的巨量的时间和成本，研发成本的日益增加和成功率下降产生的矛盾，亟需一种新的技术来解决；而恰巧近年来AI技术的几个里程碑式的突破，如AlphaFold2帮助解决了困扰50多年的生物学难题 - 蛋白折叠，这些“偶然”遇到的重大进展使得AI从概念阶段快速进入实验验证阶段。
“人工智能很重要的一个判断标准是 - 能预测还是能理解？人工智能最重要的是能理解，但现在的水平还达不到，不过现在预测做得非常好，人工智能可以从预测、优化和机器学习帮助我们极大增加对事物认识的广度、深度和维度。”李长青博士指出。
有的放矢，埃格林的差异化AI药物研发
首先，AI技术带来的是制药R&D模式的转变，在AI技术的加持下能极大地减少传统模式产生的试错成本，提高开发速度和成功率。而埃格林医药借助团队独有的美国FDA法规优势，更注重AI药物“D”端的后期研发，从制药标准和法规监管的角度来重新设计“端到端”研发平台，以“适应症选择”为突破点，从迫切临床需求出发，让AI技术的利箭“有的放矢”，进一步提高药物获批成功率。
同时，李长青博士也提出，埃格林AI技术要达到的三个高度：
第一、对研发管线在R&D中的重要表征做学习和理解；
第二、通过“梯度学习”，找到使AI平台达到从化学结构到生物功能再到人体的“全程兼容”的方法论；
第三、从政府监管的角度，让AI平台能对药物进行模拟审评。
AI方法==>微生物活体药
序列预测
蛋白质优化
蛋白折叠
分子生成、优化、筛选
靶点==>PCB
逆结构问题
分子结构==>成药性==>临床