理工男助辉瑞闯关疫苗研发，苦做24年终获4.3亿美元融资

2020年，当辉瑞寻求尽快将COVID-19疫苗推向市场时，它求助于Saama Technologies（以下简称“Saama”）。

Saama 是AI驱动的临床云平台，旨在简化临床试验，使用机器学习和高性能算法每天筛选数千万个患者数据点。

据《福布斯》报道，使用Saama的人工智能程序缩短了辉瑞大约一个月的研究时间。而在新冠肺炎疫情的早期，与时间赛跑就是与死神赛跑，Saama的重要性不言而喻。而这次合作对Saama无疑是里程碑式的——Saama不仅因此声名鹊起，在人类的抗疫史上镌刻上了自己的名字，也因过硬的业务能力，于2021年10月斩获4.3亿美元战略增长投资。

这笔投资由全球领先投资机构Carlyle领投，Amgen Ventures、Intermountain Ventures、默克全球健康创新基金、McKesson Ventures、Northpond Ventures、Northpond Ventures和Population Health Partners等投资方跟投。

据Saama披露，这笔资金将用于加速 Saama人工智能驱动数据管理和分析能力的开发，以重新定义药物开发范式。

数据来源：Saama官网，动脉网制图

资本是聪明的，它总流到代表未来的方向。 Saama为何能从高度“内卷”的医疗AI红海中一骑绝尘？

Saama成立于1997年，近二十年来，Saama在更广泛的数据分析领域开展业务，其服务范围涵盖安保、商业等领域，独独未涉及医疗。

直到 2010年中期，由于偶然的契机才转向医疗，专注临床分析，期间与Elligo Health Research、Oracle、Gilead等多家企业合作。

创业没有白走的路，每一步都算数。也正是基于之前稳扎稳打练遍“百功”的深厚功底，让Saama能抓住机会，快速转移战场，一战成名。

2020年辉瑞找到Saama合作，共同开发部署一款利用人工智能技术简化临床试验数据的管理方式。

虽然此前Saama并没有疫苗相关的合作经验，但得益于较为成熟的算法和辉瑞翔实的数据投喂，Saama很快给出了解决方案。这些算法让通常需要数周才能获得的数据，在一天内就能完成，大幅提升了研究效率。

“它为我们节省了整整一个月的时间，”辉瑞数据监控和管理主管Demetris Zambas说。 “它确实对我们临床数据的首次通过质量以及我们推进事情和作出决策的速度产生了重大影响。”

创始人兼CEO Suresh Katta

虽然不知Saama的创始人在获得4.3亿美元融资时的心情除了欣喜，是否还会有一丝淡淡的忧伤，但这一天对于自1997年成立以来一直领导Saama的Suresh Katta来说，的确等得太过漫长。

Suresh毕业于美国著名的公立大学路易斯安那州大学拉斐特分校，并获得计算机工程硕士学位。对数学的热爱使他走上了创业之路。

在创立Saama之前，他曾有过两次成功的创业经验。第一次是作为应用程序XTeleScreen 的开发商GVI的联合创始人，后来这个应用程序被卖给了 Netscape Communications。第二次作为印度营销市场高端图形产品Multisoft的联合创始人。

这位理工男不仅业务能打，个人魅力值也是拉到满满——Suresh被PM360 评为2018 年精英企业家、被 PharmaVOICE 评为100 位最具启发性的领导者之一，他还经常为行业出版物撰稿，并在行业会议上发表演讲。

测试新药是一个缓慢、昂贵和耗费人力的过程。

众所周知，临床试验需要多阶段进行，而且在这个过程中，成本和花费是递增的。三期试验需要更多的患者群体，而且比一期试验昂贵和复杂得多。就算已经投入了大量的时间和金钱，但是最后，所有进行了一期临床试验的新药，只有十分之一会被FDA批准上市。Saama的生命科学分析云 (LSAC）有效地解决了这些痛点。

LSAC是一个以人工智能为基础的平台，涵盖了临床试验的各个阶段，为临床试验数据管理和分析提供了统一的方法。

该平台全面地收集、整合、管理、协调处理来自内部和外部的临床试验和患者数据，以提供有效的建议。

LSAC的深度学习方法显著缩短了从临床计划制定到新药申请（NDA）提交判断的临床项目时间，可在临床开发的各个阶段中断临床试验的规划、设计和实施，帮助医药企业更快、更高效地完成新药审批申请，节约成本。

不仅如此，LSAC的预训练AI 嵌入式智能应用程序能够学习临床数据中的复杂模式，提供预测性见解，以加速跨多个领域和治疗领域的临床研究过程。

值得一提的是，就在今年10月，Saama升级了LSAC，并推出LSAC 4.1版本。LSAC 4.1 改进了Clinical Insights中的GPP 和主题进展仪表板，使得重新设计和增强了六个 Operations Insights 仪表板，以及 DaLIA 中的新意图和查询响应。

图片来源：Saama官网

目前，Saama 的智能生命科学分析云 (LSAC）被 50 多家制药和生物技术公司用于1500多项研究。

风险贯穿于临床试验的各个环节，识别风险以及管理风险既紧迫又重要。而风险具有不确定性、损害性、客观性、偶然性等特征，一旦变为现实，将会为企业和患者带来不可估量的影响。

LSAC RACT就可以对临床试验中的风险进行有效的预测，帮助企业未雨绸缪。

RACT模板示例，图片来源：Saama官网

RACT会根据用户提供的数据，对风险进行分类，计算每个风险的概率和影响，识别风险缓解计划，并提示研究产生的总体风险。

RACT有以下5个特点：

（1）支持自定义。可根据使用者的实际需求在LSAC RACT控制台中创建自定义 RACT模板。

（2）适用阶段广。已存在的研究或仍处于计划阶段的研究都可使用该功能评估。

（3）自动计算风险并给出对应方案。RACT会对风险进行分类，计算每个风险的概率和影响，提供降低风险的计划，并总体呈现研究中可能产生的整体风险。

（4）高效便捷的风险评估。使用风险记分卡快速查看研究级别的风险评分，并了解关键风险领域的绩效和缓解计划的进展情况。

（5）系统持续优化更新。随着时间的推移，Saama会优化、修改 RACT 模板以支持不断发展的研究

总体而言，使用者可以根据自身需求和实际进展情况定制LSAC RACT，更有针对性地降、低防范临床试验中的风险管理。

根据Saama官方介绍，目前其主要有两种购买方式。一种是按需付费，另一种是预付模式。

若选择按需付费，客户无需提前预付费用，只需选择想要使用的服务，然后按月收到Saama的结算账单，就像接收电费账单一样。

预付模式针对已经体验过Saama智能应用程序的客户。预付模式的费用会比按需付费节省更多。客户需要提前支付固定数量的服务费用，并且每个月都会收到一份对帐单，用于跟踪使用情况，了解剩余容量。在用户不需要额外服务之前，Saama不会再次收取费用。

在客户购买使用Saama的服务之前，Saama 会提前与客户一起估算需求量，以便于客户对整个项目过程中的总成本有一定的了解。

药物开发流程中，新药研发周期长、成功率低和研发费用高是现实中众多药企难以克服的障碍。

而以深度学习为代表的人工智能技术，凭借其强大的发现关系能力和计算能力能够加速医药研发，提高药物研发成功率，这使得药企在新药研发上借力AI的需求愈发旺盛。动脉网挑选了3家具有代表性的企业。

晶泰科技，是一家以计算驱动创新的药物研发科技公司。创立于麻省理工学院（MIT）校园，核心团队由来自学术界、IT互联网界及医药产业界的优秀人才组成。成立至今，晶泰科技已经成功为来自美国、欧洲、中国、日本的70余家先锋药企提供了药物研发服务。在融资方面，该公司于2020年9月宣布完成3.188亿美元的C轮融资。（相关推荐：《【首发】晶泰科技参投靶点发现生物公司PhoreMost 4600万美元B轮融资，布局从靶点到临床前的智能药物研发闭环》）

费米子科技，由中山大学计算机博士邓代国于2018年8月创立。公司专注搭建针对小分子化药的AI辅助制药技术平台，通过与CRO公司、原研药企的深度合作，利用AI技术提高小分子新药临床前研发的效率和成功率。在融资方面，公司于2020年5月完成累计上亿元A轮融资。（相关推荐《【首发】费米子化药AI研发平台FermiNet标准化交付PCC，团队完成A轮融资，累计融资额上亿》）

燧坤智能，注册于南京市栖霞区江苏生命科技创新园，拥有生物和化学实验室，是一家将人工智能与创新生物医药研发紧密结合的新型技术平台公司，目前在北京、上海、南京均设有办公室及实验室。在融资方面，燧坤智能于2021年9宣布完成超亿元人民币A轮融资。（相关推荐：《孵化自图灵人工智能研究院，燧坤智能如何助力破解制药行业的“反摩尔定律”？》）