人工智能加速药物探索过程
　　人工智能节省每种候选药物11%的研发成本
　　2023年下半年首选：药明生物、药明康德
　　机器学习-人工智能（AI）的子学科，将加速药物研发过程。正如我2023年8月8报告中指出的，在中国，人工智能辅助制药被分为三种商业模式，分别为：（1）人工智能+SaaS，为客户提供一个人工智能平台以帮助药物的探索和研发；（2）人工智能+CRO，为客户提供人工智能辅助的传统药物研发（化学药或生物制药）服务；以及（3）人工智能+生物科技，即自主探索或自主研发的药物与人工智能技术结合使用。在采用人工智能+CRO或人工智能+生物科技的企业中，其工作同样包含药物探索的传统过程或一般做法，包括先导物化学药物设计、先导化合物优化以及药物分子的合成。根据2020年发表的一篇文章，人工智能被强调具有加速现代药物探索过程重要作用的能力（化学药物和生物制药均是）。人工智能的子学科-机器学习(MachineLearning)在深度学习(Deep Learning)（同样是机器学习的子学科）的基础上，有助于：（1）寻找新的药物标靶，利用药物分子与人类生物系统进行最吻合相互作用的研究得出最佳药物份子类别；（2）先导药物分子的研发，包括药物份子设计以提供最佳疗效；（3）开发定量结构与其对人类疗效关系模型以优化先导药功效；（4）分析潜在候选药物与任何生物组织模型或人类受试者之间的大量测试及临床试验结果。
　　人工智能能够为每个研发项目节省10-11%的费用。值得注意的是，美国国会财政预算办公室的一篇文章中指出，获批前或者商业化前药物研发的费用大部分是来自临床期最后阶段如临床2期或临床3期，每个分子大约分别要花费6,500万和2.82亿美元。药企在同时期至少还有6.9亿美元花费在临床阶段失败的药物上。加上临床1期大约2,800万美元的费用，每种药物商业化之前的总研发费用将达到10至15亿元美元。正如Drug Target Review中的一篇文章所述，人工智能相关科技具有节约临床前、临床1期和2期的能力，也包括在同一个研发项目中，药物未能通过临床试验的高昂研发费用。假设每个先导药物项目有超过10个具有生物活性的药物分子需要进行临床前试验，预测人工智能技术辅助药物探索的使用将能够为每个药物研发项目节省高达10%至11%的费用。我们认同这一观点：人工智能与机器学习互相结合将有助于：（1）在不增加化学和生物学的实体试验研究预算的情况下，筛选出更多候选药物；（2）加速药品研发过程中复杂化学和临床数据的运算，缩短推出成功的先导候选药物的时间（或让药品更快进入临床及上市流程）。这种药物探索和研发过程中,复杂数据计算的加速将有助于：（1）有效地确定一种候选药物的药理学表现；（2）缩短决定一种候选药物具有与治疗目标疾病所需要的特征是否符合一致的时间。
　　中国CRO和CDMO(研发外包服务商)龙头，药明康德（2359 HK，优于大市，目标价：126.00港元）投资了总部位于香港的人工智能+生物技术公司英硅智能，并于近期将人工智能技术纳入其与药物探索和研发相关的日常工作流程。
　　2023财年下半年：优先考虑拥有海外收入和良好现金流和/或净现金的CROs/CDMOs。鉴于2023年下半年中国医院采购延迟带来的行业压力，我们看好一些标的能有大部分收入是来自海外,再加上他们的现金流和净现金强劲，并且最重要的是，假设中美关系不会从现状恶化。与我们此前于2023年9月12日发表的报告中的观点一致，我们在2023年下半年的首选股仍然是药明康德和药明生物（2269 HK，优于大市，目标价：77.00港元）。我们预计药明康德2023年下半年的盈利将同比增长35%至56亿元人民币（或较前半年增长6%），以及药明生物同比增长27%至23亿元人民币（或较前半年增长2%)。虽然自我们首选这两大CRO/CDMO公司以来，药明康德(H股)和药明生物的股价已经分别上涨了18%和15%以上，但我们认为它们仍有进一步的上涨空间。