全球医药产业，巨额并购频出。生物医药产业具有高投入、高收益、高风险、长周期的特征，为技术创新及激烈竞争，各大型跨国医药企业争相加大科研投入，据统计，全球大型制药公司研发投入占销售额的比重在9%-18%之间，而部分生物技术公司的研发投入占销售额的比重则在20%以上。

战略性技术同盟成为新药开发的成功模式。跨国巨头之间或与中小型创新企业通过达成产品共同研发协议，共同促进产品研发快速推进。在生物技术领域，为保持新药研发的持续性，几乎所有的制药企业都与生物技术公司结成战略联盟，由这些技术力量雄厚的专家型小生物技术公司进行技术开发与创新，通过合作开发，获得生物药品的生产技术或生产权，这种模式成功促进了生物医药产业的良性发展。创新药品开发采用委托外包策略。为了缩短创新药品开发时间，近几年许多生物技术和制药公司开始和一些小型公司结成技术联盟，将技术性强的研究开发内容，分包给具有研究实力的小型公司完成。据CenterWatch公司统计，目前“委托研究机构”(CRO)公司已承担了美国市场将近1/3的新型药物开发的组织工作。全球范围内CRO市场依然稳步增长，目前市场规模大约在400亿美元，年均增长约为10%，CRO已经成为制药企业产业链的重要一环。

全球医药在研临床试验集中在少数顶级机构或企业中。据ClinicalTrials数据显示，目前全球262301件临床试验中，正在进行的临床试验数量为76059件，已完成138302件，暂停及撤回7133件，终止临床试验14778件。76059件临床试验中涉及研发机构或企业共12709家，其中临床试验数量Top50机构或企业共有临床试验27059件，占总量35.58%。Top100机构或企业共有临床试验38796件，占总量51.01%。

肿瘤是在研药物临床试验中最多适应症。世界卫生组织发布报告指出，到2035年，全球肿瘤患者可能达到2400万人，在20年间增加近五成，肿瘤防治面临严峻挑战。在新药研发中肿瘤在研临床试验数量达到9543件，占据所有适应症首位。正在进行的76059件临床试验中肿瘤、消化系统疾病、血液疾病、免疫系统疾病、呼吸道疾病共有在进行中临床试验36263件，占在研临床试验总数47.68%。

罕见病临床研究快速发展。正在进行的76059件临床试验中罕见病相关研究共40968件，其中前临床试验数量Top100疾病共有临床试验26016件，Top100疾病中肿瘤相关细分疾病共55种，相关临床试验共18871件。另外骨髓增生/纤维化临床试验1261件，阿尔茨海默病临床试验538件，呼吸系统疾病468件，贫血相关疾病397件，血友病329件。

生物药发展已迈入黄金时代。20世纪90年代以来，全球生物药品销售额以年均30%以上的速度增长，大大高于全球医药行业年均不到10%的增长速度。据cortellis数据统计，截止2016年底，全球处于临床到上市阶段的生物药共4747个，与化药数量比例已缩小至1:1.34。目前约有470个生物药物处于临床III期，全球范围内近两年有望上市批准的生物药有242个，其中疫苗72个，单抗药物33个。Sanofi、Amgen、DaiichiSankyo和Merck公司各有5个药物处于上市申请阶段。主要的适应症为流感、类风湿性关节炎、丙型肝炎、非胰岛素糖尿病、以及银屑病和肿瘤等。全球已上市生物药品中康感染药物占比最多，但处于临床在研的生物药主要集中在肿瘤领域。

巨额研发投入，全球医疗器械快速发展。据Evaluate统计，2016-2022年，全球医疗器械市场研发投入年化增长率CAGR为3.7%，到2022年达到335亿美金。目前全球医疗器械市场体外诊断是最大的细分市场。细分市场占比超过5%的子行业包括体外诊断、心脏、影像诊断、骨科、眼科、整形六大细分领域。行业领军企业通过持续加大研发投入保持行业领军地位，世界前25位的医疗器械公司的销售额合计占全球医疗器械总销售额的60%，短时间难以打破。

人工智能+新药研发。药物研发工作者会利用高通量筛选的方式无限扩大筛选对象以期邂逅目标化合物，提高药物发现的机率。由于不断试错的成本太高，越来越多的药物研发企业开始引入人工智能开发虚拟筛选技术，以取代或增强传统的高通量筛选过程。药物研发企业通过运用人工智能药物研发系统，能在医药研发过程中减少人力、时间、物力等投入，降低药品研发成本。同时基于疾病、用药等建立数据模型，预测药品研发过程中的安全性、有效性、副作用等。此外，随着人工智能和机器学习的不断整合，药物研发企业有望在新药研发过程中显著地实现“去风险”，保守估计每年将节约大概260亿美元的研发成本。同时，还将提高全球医疗信息领域的效率，节约的成本价值超过每年280亿美元。人工智能及机器学习可以应用在药物开发的不同环节，包括新药开发、药物有效性及安全性预测、构建新型药物分子、筛选生物标志物、研究新型组合疗法等。从全球的情况来看，人工智能辅助药物研发的公司比例相对较高，在研发周期长、投入大、失败率高等为特点的药物研发现状影像下，产业发展的需求量大，可达到千亿级的市场。Atomwise，人工智能用于新药有效性/安全性预测。成立于2012年的Atomwise是一家药物挖掘与人工智能结合领域的比较有代表性的初创公司，Atomwise的核心技术平台称为AtomNet，这是一种深度卷积神经网络，通过自主分析大量的药物靶点和小分子药物的结构特征，AtomNet可以学习小分子药物与靶点之间相互作用规律，并且根据学习到的规律预测小分子化合物的生物活性，从而加快药物研发进程。这家公司通过与IBM超级计算机合作，通过分析数据库，并用深度学习神经网络分析化合物的构效关系，于药物研发早期评估新药风险。早在2015年，这家公司宣布寻找埃博拉病毒治疗方案方面有一些进展，在为时一周的时间内，从已有的药物中找到两种或许能用来抗击埃博拉病毒的药物。

数据来源：药智根据公开资料整理

声明： 本文观点仅代表作者本人，不代表药智产业观察立场；如需转载，请务必注明文章作者和来源。如涉及作品内容、版权和其它问题，请致电400-678-0778或(+86)199-2233-1070，我们将在第一时间删除。