制剂工艺：采用多层包衣、微丸压片或渗透泵技术 ( 如 OROSR) 实现差异化释放。 ● 临床阶段： o 临床前研究：已完成体外释放度、稳定性及动物药代动力学 (PK) 验证 (2021-2022 年 ) 。 o I 期临床试验： 72023 年启动，评估健康受试者中的生物等效性及缓释特性 (NCT0587XXXX) 。 6 II/I 期 计 划 ：预计 2025 年完成 HFrEF 患者的疗效与安全性验证。 ● 企业动态： 上传文档》 商洁深 度 探 索 您可以问我这些： 药物见争格局 siRNA 药物的适应症有哪些 ? 临床试验与潘证医学 度伐利尤单抗针对非小细胞肺癌的临床结果有哪些 ? 药 物研发策略 二代与三代 TKI 抑制剂差异性 ? 医药政策基于 FDA 的要求，临床试验中应如何确保受试者的知情同意 ? * 温馨提示：小程序仅支持简单问答，如需体验上面强大功能，请移步上述 PC pulmonary fibrosis: Preclinical pharmacological in vitro and in vivo evaluation 2. ◎ 临床试验 | EUCTR2019-003992-21- IT,A Multicenter,Randomized,Double-blind,Placebo-contrlled,Phase 2 Study of

AI+制药行业潜力巨大 [Table_Summary] 投资要点：  AI 技术蓬勃发展，AI+制药有望成为下一个黄金赛道。AI 技术通过机器学习和深 度学习等手段，已经在药物发现、临床前研究和临床试验等全流程中发挥重要 作用。从 2007 年的早期探索至今，AI 制药技术经历了技术积累、验证和快速发 展期，目前正处于一个技术创新活跃、政策扶持明显、市场前景广阔的阶段。 AI 制药投融资市场活跃，根据 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 研发领域的广阔前景和巨大潜力。  CRO 公司加速布局 2.4 ADMET 预测可提前考量药物成药可能性 .............................................................. 13 2.5 临床试验结果预测可有效节省失败临床的经费 .................................................. 14 2.6 人工智能促使药物重定位快速上市 ....

玩家逐渐增加；2）AI在多疾病领域广泛应用 ，肿瘤（37%）、免疫学（21%）及神经病学（14%）领域占比最大；3）AI可参与药物开发过程多个阶段。其中涉及AI虚拟筛选、药物发 现、优化药物结构、临床试验优化、建立疾病风险模型、肿瘤精准治疗等。商业化落地中等，仍处于临床早期阶段，数据获取成本高，依赖 文献数据及实验室数据。相关标的：晶泰科技、丽珠集团、药明康德、信立泰、成都先导、川宁生物、药石科技、健康元、美迪西、东阳光 设备互联互通 综合性解决方案 AI 基因测序 收集样本基因测序、 罕见病遗传病分析解读 多组学风险预测和评估 AI 制药 分子虚拟筛选、药物发现 优化药物结构 临床试验优化 建立疾病风险模型 肿瘤精准治疗 AI 医学影像 图像处理、 勾勒病灶大小、 特征识别、诊断建议 AI 健康管理 可穿戴设备 定制化干预方案 AI系统实时监测并预警 物研发周期。传统药物研发遵循“双十定律”（10年时间 、10亿美元投入），而AI模型可将化合物设计时间缩短 70%，成功率提升10倍。例如，医渡科技通过DeepSeek 处理55亿份医疗记录，加速药物靶点筛选与临床试验设计 ，研发效率提升显著。  模型训练与部署成本降低 DeepSeek通过强化学习技术减少对高成本标注数据的依 赖，结合开源策略，使企业能以更低成本实现本地化部署 。例如，方舟健客通过DeepSeek完成本地化部署，仅需

公司图迈于2022年1月27日获得NMPA批准上市（应用于泌尿外科），是国内首 款亦是唯一一款由中国企业自主研发并获得上市的四臂腔镜手术机器人，从临床数 据看，有效性不逊于达芬奇Si。同时图迈多学科、多中心注册临床试验于2021年 10月启动入组，涵盖普外科、胸科、妇科等多领域，并于2022年4月完成临床试 验，目前已处于NMPA注册申请中，预计2023年上半年获批。  截至22年底，公司在国内累计布局超 估多个ADMET参数间的隐藏关系和趋势， 预测化合物的药性，如代谢性、细胞渗透性、溶解性、毒性等性质 用药安全 临床试验 自然语言处理 通过自然语言处理和机器学习改善临床试验的设计、管理、监控和患者招募，从各种结构化与非结构化数据类型中提取信息， 找到符合临床试验入组标准的受试者，或关联各种大型数据集，找到变量间的潜在关系，改进患者与试验的匹配情况 机器学习 药物风险评估 机器学习 通过机器学习，实现从接收药物不良反应到报告全流程的自动化，提高药物警戒工作效率，并通过样本分析和预测进行药物 风险评估 真实世界研究 机器学习、深度学习 通过机器学习和深度学习对真实世界数据进行识别，提出新假设，同时为进行中的临床试验不断提供新的有效信息，优化药 物研发流程，提升用药安全 AI 制药：AI在新药研发各阶段、多疾病领域广泛应用 33  目前，AI平台主要在临床前阶段发挥效用。礼来研究院论文统计显示，一款新药的研发成本需要8

产业发展阶段不同：美国部分医疗AI相关产业相对比较成熟，在AI出来之前便有一定的基础（算法等），AI进一步赋能产业；国内基础 相对比较薄弱。 ➢ 医疗卫生体制差异：美国医疗AI是偏严肃医疗的概念，管理模式类似于处方药，需要做临床试验、FDA审批，并可以医保报销。中国部 分医疗AI产品偏消费医疗的概念，跟公立医院的体系定位有差异。 图：TDOC的股价走势 图：HIMS的股价走势 -200% -100% 0% 100% 2023 扩展业务领域 Tempus 业务从癌症领域扩展至 神经疾病、糖尿病等慢性病领域 2018 收购肿瘤CRO企业 Highline Sciences 收购额为3550万美元，加 速临床试验的执行 2022 收购基因检测公司Ambry Genetics •收购额为6亿美元 •扩展至儿科、罕见病、免疫学、生殖 健康及心脏病学等领域 2024 ECG-AF被纳入CMS报销范围 数据与服务：2024年营收为2.42亿美元（yoy+43.2%，占比约35%），增速显著，如 “Insights” 数据库产品，授权药企使用结构化数据，并通过Tempus Compass部门协助后期临床试验。 ◥数据采集-分析-商业化”闭环构建： 1. 商业模式：1）基因测序服务产生数据；2）将数据卖给药企；3）开发AI辅助诊断（to B/C） 2. 与超过3,000家医疗机构合作,积累超24

（一）行业数据集发展参差不齐，高质量标准仍待厘清 当前，行业数据集匮乏、标准缺失、质量低下等问题直接影响了 人工智能模型训练效果与应用成效。一是部分行业数据供给不足，如医 疗行业患者诊疗、健康管理、临床试验等数据涉及个人隐私，医院等机 构在数据整合共享时面临诸多阻碍和风险，导致医疗影像识别、疾病预 测等相关数据集建设困难；制造行业存在设备运行数据分散、数据格式 不统一、接口不兼容等问题，数据采集、整合成本高昂，难以形成基于

度学习、大数据分析等技 术，能够快速筛选潜在药物分子，降低研发成本并提高效率。该平台已成 功推进近 69 个新药项目，其中 5 个进入临床 I 期。此外，公司通过 AI 技 术从患者数据中筛选适合临床试验的样本，显著提高了试验成功率 300725.SZ 药石科技 药石科技在 AI 药物研发领域技术储备丰富，被机构对标美股 AI 制药三 巨头（Recursion Pharmaceutica

治疗从对症管理迈 入根源纠治的精准医学新时代。 该热点前沿的 30 篇核心论文的核心研究主题非 常集中：评估 ETI 疗法的疗效、安全性、作用机制及 其对 CF 患者全方位的临床影响。 主题 1：关键性临床试验与疗效验证，这些关键 论文共同构成了这一划时代疗法的科学基石，为其通 过美国 FDA 对囊性纤维化三联疗法的批准提供了临床 验证的完整链条。 1.2 重点热点前沿――“CFTR 调节剂三联 定主要基于 2019 年发表在《新英格兰医学杂志》（The New England Journal of Medicine）和《柳叶刀》（The Lancet）两篇关键论文的 III 期临床试验结果，也就是 该研究前沿中被引频次最高的两篇论文。这两项研究 共同构成了 ETI 疗法对最主要 CF 患者群体有效的决 定性证据，是 FDA 做出初始批准的首要科学依据。 在初始批准后，后续研究将受益人群拓展到儿童患者 F508del 突变，还能改善 CFTR 蛋白的功能。 主题 3：真实临床效果研究，在药物获批后，研 究重点转向其在真实临床环境中的长期效果。多项注 册登记研究在更大规模、更广泛的患者群体中验证了 临床试验的结果，显示肺功能改善、住院率下降等。 ETI 疗法彻底改变了 CF 的疾病图景，将 CF 从一 种进行性、致命性疾病转变为一种可管理的慢性病， 实现了从“控制症状”到“纠正病因”的根本性跨越。

不仅帮助选择现有药物，还能根据分 子特征检索组学数据，发现潜在靶点并推荐实 验性疗法，推动“为某个患者开发一款药”成 为可能。科研、医院和药企借助超大规模算力 和高速网络形成闭环，分子模拟、虚拟筛药和 临床试验在云与边缘协同下高效完成，显著缩 短了研发到用药的周期。 因此，2035 年的医疗实现了研发与临床的 双重突破。诊疗方案不再是刻板的标准，而是 每一次由医生与 AI 动态生成的精准决策，既符