本文来自微信公众号：智药深瞳，作者：Alex Su
前一段时间在跟投行的朋友聊天时谈到 drug 和 medicine 两个词的区别，十分有意思。尽管学术界和工业界早就约定俗成使用 drug 来表示研发中的化合物，但因为 drug 在非医学领域常常用来代指非法药物或者毒品，公众认知层面存在一定程度的误解，给了药企一个纯粹为了利润服务的负面形象。
光改一个用词没什么用，行业的历史和社会的发展造就了现在的情况。药企逐渐追求利润而淡化纯粹疗效追求，主要源于几方面因素：
一是研发回报压力。新药研发周期长（10~15 年）、成本高（单药超 10 亿美元）、失败率超 90%，而专利保护期有限（通常 20 年），企业需在有限时间内回收成本，迫使药企更关注短期盈利不会过于纠结市场竞争下的 " 完美疗法 "。
二是资本驱动。投资者更青睐高利润率，导致资源向 " 重磅药物 " 倾斜。" 重磅药物 " 之所以 " 重磅 "，主要依靠广泛适应症，追究其核心还是一个供需关系。
自免新王 Dupi 上市后利润爆发式增长的关键在于适应症的持续拓展。最初获批用于特应性皮炎后，又陆续覆盖哮喘、慢性鼻窦炎伴鼻息肉、嗜酸性食管炎等 6 大适应症，既能延长专利又能扩大需求，这样的逻辑确实保证了市场价值。
回头看如今的当前广谱适应症药物的研发趋势，既是商业的选择，又是科学发展的必然，好像也没有什么大的问题，况且罕见病也不完全是无药可医，也算是 FDA 和产业资本对于如何解决人类健康问题的符合伦理的平衡。
AIDD（Artificial Intelligence in Drug Design，人工智能辅助药物设计）的引入实际上给了解决上述问题一个抓手，但是奈何以 alphafold 模型为代表的行业整体貌似进入了一个 " 自证怪圈 "，聚焦于结构生物学中特殊靶点的识别，但没有审慎评估靶点选择的临床必要性，产生了一种 " 画蛇添足 " 的味道。
我们来举例看看有望改变自免格局的 B cell depletion 疗法的靶点竞争格局，取自《The race to reset autoimmune diseases》。
回到商业上来，这种怪象的结果就是，无论是已经上市的龙头 AIDD 公司还是硅谷的创业大军，都或多或少过度聚焦于模型构建的技术层面，反复强调自己的 AI 模型性能，却没有回归以临床需求为核心的技术创新路径，这当然也体现在了投资人对于他们的预期上。
蒸汽机的发明最初仅用于煤矿排水，但瓦特改进后应用于铁路运输，彻底重构了人类时空观念。运输成本骤降 90% 催生出全球贸易网络，刺激了钢铁、纺织等产业需求，1884 年甚至推动时区标准化。这种技术革命引发的链式反应，恰印证了 " 需求创造供给，供给亦创造需求 " 的经济学原理。回到 AIDD，在高呼 "AI 颠覆行业 " 的同时不妨先回答，被重塑的行业未来应该是什么样子。
我还记得 2 个月前的一期硅谷 101 节目调侃了现在的 AI Agent 创新很多类似用马拉汽车，而不是带着轮子的汽车。最近又看到一张 Gartner 2025 年 AI 技术成熟度的图跟大家分享：
最后我们还是期待 AIDD 技术能够持续推动医疗创新，提高全人类的生活水平，把 Drug 改写成 Medicine！
