正所謂一代版本一代神，每一次技術變革都有新勢力隨之崛起。

AI制藥領域同樣如此，技術迭代帶來的是與之最適配的企業崛起，并獲得產業界的大額訂單和合作，為投資人帶來豐厚回報。

近年來，以GPT為代表的大語言模型的興起，標志著AI領域的又一次變革，展示出更加強大的理解、推理和生成能力，為決策支持、工程優化和智能交互等應用開辟了新的可能性。

經過微調和定制化的大語言模型將顯著簡化制藥行業的諸多環節，包括醫學文獻撰寫、臨床試驗方案開發以及生物統計分析等領域。

當前，藥物研發流程中仍存在大量依賴人工操作、耗時且成本高昂的環節，在AI的加持下，這些工作有望實現高效自動化轉型。

制藥業正站在新的技術起點上，而Formation Bio以其獨特的AI驅動藥物開發模式，給出了一個極具參考價值的行業樣本。

不同于大多數AI制藥公司將精力集中于藥物研發的早期階段，Formation Bio通過將人工智能集成到藥物研發的每個環節，重新定義生物科技企業的運行方式。

去年6月，Formation Bio完成3.72億美元的D輪融資，此次融資由a16z領投，賽諾菲、紅杉資本、Thrive Capital等跟投。

5個月后，OpenAI、賽諾菲和Formation Bio推出首個合作成果——用于優化臨床試驗患者招募的AI工具Muse，賽諾菲將其運用于多發性硬化癥的III期臨床試驗之中。

正如公司創始人所說：“我們正在為制藥企業開創一種全新范式——在這里，人工智能不僅是工具，更是企業運營與創新文化的基石。”

臨床試驗，AI的下一個爆發點

在藥物研發早期階段，AI已深度滲透至靶點識別、虛擬篩選、ADMET預測等環節，然而在臨床試驗階段，其應用價值仍有待充分挖掘。

眾所周知，臨床階段才是真正的藥物殺手，成功率僅10%，也是藥物開發流程中最為耗時、耗力、耗資的階段：臨床試驗環節在整個研發周期中費用占比約80%。

一個標準的臨床試驗分為四個步驟：選擇試驗地點——招募參與者——監測臨床反應——分析數據以驗證藥物是否有效。

過去40年中，開發一種藥物的成本顯著增加，臨床試驗時間增加了2倍。如今，二期臨床試驗可能花費2000萬美元至5000萬美元，三期臨床試驗可能花費1億美元以上。

高效的臨床試驗至關重要，不僅能顯著縮短研發周期、降低開發成本，更能延長藥物專利保護期的商業化時間窗口，從而最大化創新藥物的經濟價值。

圖：AI在臨床試驗中的應用

而AI可以應用于臨床試驗的全流程：從試驗設計階段（智能隊列篩選/方案優化）、試驗啟動階段（電子知情同意/自動化文書）、試驗運行階段（可穿戴設備實時監測/智能用藥提醒）到研究收尾階段（AI報告生成/數據清洗）。

Formation Bio的三次進化

出于加速臨床開發的初衷，Benjamine Liu與Linhao Zhang兩位華人于2016年創立了TrialSpark（后更名為Formation Bio）。

圖：Benjamine Liu（左）和Linhao Zhang（右）

成立之初，公司專注于構建臨床試驗技術工具，包括數字患者招募和站點管理的軟件和平臺。

Formation Bio的平臺將試驗的前端（招募、電子知情同意、電子資源）與后端（數據管理、監控和生物統計）相整合，以消除孤立的研究數據，使臨床試驗時間縮短了50%。

2019年，Formation Bio與輝瑞簽署了多年合作協議，兩家公司利用匯總數據來識別擁有大量患者的地理集，從而確定潛在的臨床試驗地點以及開展試驗所需的相應培訓，領域包括白癜風、特應性皮炎、脫發和牛皮癬方面的研究。

隨后，Formation Bio發展成為一家CRO，利用其內部平臺為客戶運行端到端的試驗。

2021年，Formation Bio與賽諾菲達成合作，雙方共同開展慢性阻塞性肺病(COPD)的臨床試驗，Formation Bio負責加速研究啟動、患者招募入組和最終數據獲取。

目前，公司已經支持了十余個治療領域的300多項臨床試驗，通過了解藥物開發的細節，改善技術平臺、團隊建設和運營流程。

而除了支持其他公司執行試驗外，近年來Formation Bio還通過內部開發、合資企業和NewCo等方式獲得授權并共同開發藥物項目。

這樣的模式讓人聯想到Roivant Sciences，這家公司收購藥物資產并重新開發，憑借RVT-3101這款藥物，Roivant在一年時間內以5000萬美元本金收獲了53億美元的回報。

而Formation Bio創始人Benjamine Liu表示，公司旨在成為下一個Roivant——甚至更多。

為此，Formation Bio于2021年融資1.56億美元，本輪融資由Sam Altman等領投，紅杉資本、Thrive Capital、Casdin Capital等機構參投，這使得公司估值超過10億美元，正式邁入獨角獸行列。

據悉，這1.56 億美元融資，超過1.2億美元將用于收購生物制劑和小分子藥物。

Formation Bio從Asana BioSciences和德國默克購入了三條臨床管線，包括用于治療慢性手濕疹的SYK/JAK抑制劑gusacitinib、治療特應性皮炎造成的瘙癢的鈉通道阻斷劑ASN008以及治療膝關節骨關節炎的FGF18藥物sprifermin。

公司敢于收購藥物資產并開發的底氣，源自其藥物開發經驗豐富的團隊，其成員累計參與75多項監管提交和45款獲批藥物。

牽手OpenAI、賽諾菲，打開想象空間

去年5月，賽諾菲、Formation Bio 和OpenAI達成重要合作，共同開發貫穿藥物開發全生命周期的定制化、專用解決方案，成為業內首次此類合作。

此次合作具有里程碑意義，三方優勢互補，有望開創藥物研發的新模式：

• 賽諾菲作為全球領先的制藥巨頭，將貢獻其積累數十年的藥物研發數據，為AI訓練提供高質量的專有語料庫

• Formation Bio憑借其覆蓋廣泛的醫院合作網絡和專家資源，提供更專業的臨床數據處理能力和工程調優經驗，確保AI模型在臨床場景中的精準部署

• OpenAI作為大語言模型的領導者，將提供尖端AI能力支持，包括模型微調能力、深度AI專業知識等

去年11月，Formation Bio、OpenAI和賽諾菲聯合推出了第一款合作成果——優化臨床試驗患者招募的AI工具Muse。

患者招募是臨床開發中至關重要但往往緩慢且昂貴的環節，據估計，僅有不到10%的患者參與臨床試驗，低參與率導致的延誤直接影響新藥的開發速度。

Muse 是制藥行業首個此類AI應用，旨在分析廣泛的科學文獻、現實世界證據和關于疾病及患者群體的獨特見解，提供全面的研究和患者招募策略的快速制定，將傳統耗時數月的流程縮短到幾分鐘。

Muse 的工作步驟分為：首先，它對疾病、患者人口統計學和競爭格局進行深入研究。然后，它確定最佳患者群體和招募策略，以包括治療領域的多樣化人群。最后，Muse 自動生成高質量的招募材料和預篩選問卷，針對特定的患者亞群，并適用于各種渠道、語言和風格。

據悉，Muse 還包括一個Agent組件，該Agent結合了機構審查委員會（IRB）和監管指南，旨在自動生成考慮最佳合規實踐的高質量材料，可以有效降低監管方面的風險。

目前，賽諾菲和 Formation Bio 都計劃在即將進行的臨床試驗中實施 Muse，賽諾菲將在多發性硬化癥（MS）的3期研究中使用該工具。

展望未來，公司設置了短期、中期和長期三個目標。

短期內，Formation Bio將專注于自動化工作流，例如為臨床試驗的特定群體制作定制化問卷，或快速使用人工智能生成相關報告等。

中期來看，公司希望構建“AI研發科學家”，能夠為藥物開發團隊提供決策支持，并最終引導高質量的研發策略。

在更長遠的將來，公司的愿景是建立AI模型，以更好地預測毒性、耐受性等指標，甚至是預測療效。

通過將人工智能整合到藥物開發的各個方面，從藥物發現到NDA提交，Formation Bio正在為制藥公司開創一種新的范式：應用AI來優化工作流程和支持關鍵決策，并部署自主代理來支持更加高級的任務，最終使得藥物開發更快、更高效。

—The End—