醫(yī)藥研發(fā)領(lǐng)域大數(shù)據(jù)和人工智能的應(yīng)用探討

近年來(lái),人工智能技術(shù)(AI)與醫(yī)療健康領(lǐng)域的融合不斷加深。AI在醫(yī)療領(lǐng)域主要應(yīng)用場(chǎng)景包括語(yǔ)音錄入病歷、醫(yī)療影像輔助診斷、藥物研發(fā)、醫(yī)療機(jī)器人和個(gè)人健康大數(shù)據(jù)的智能分析等。

近年來(lái),人工智能技術(shù)(AI)與醫(yī)療健康領(lǐng)域的融合不斷加深。AI在醫(yī)療領(lǐng)域主要應(yīng)用場(chǎng)景包括語(yǔ)音錄入病歷、醫(yī)療影像輔助診斷、藥物研發(fā)、醫(yī)療機(jī)器人和個(gè)人健康大數(shù)據(jù)的智能分析等。隨著語(yǔ)音交互、文本識(shí)別、圖像識(shí)別和大數(shù)據(jù)分析,以及智能終端等技術(shù)的逐漸成熟,AI的應(yīng)用場(chǎng)景越發(fā)多樣。

圖1 人工智能在醫(yī)療領(lǐng)域的應(yīng)用

藥物研發(fā)是AI技術(shù)應(yīng)用的重要場(chǎng)景之一。藥物研發(fā)要經(jīng)歷靶點(diǎn)的發(fā)現(xiàn)與驗(yàn)證、先導(dǎo)化合物的發(fā)現(xiàn)與優(yōu)化、候選化合物的挑選及開(kāi)發(fā)和臨床研究等多個(gè)階段。傳統(tǒng)的藥物研發(fā)耗時(shí)耗力,且成功率低。AI助力藥物研發(fā),可大大縮短藥物研發(fā)時(shí)間、提高研發(fā)效率并控制研發(fā)成本。

圖2 新藥開(kāi)發(fā)流程圖

一、AI助力新藥研發(fā)的六大應(yīng)用場(chǎng)景

目前制藥企業(yè)紛紛布局AI領(lǐng)域,主要應(yīng)用在新藥發(fā)現(xiàn)和臨床試驗(yàn)階段,主要有以下六大應(yīng)用場(chǎng)景:

1.海量文獻(xiàn)信息分析整合

海量文獻(xiàn)信息分析整合對(duì)于藥物研發(fā)工作者來(lái)說(shuō),最讓他們頭疼的事如何去甄別每天產(chǎn)生的海量科研信息。而人工智能技術(shù)恰恰可以從這些散亂無(wú)章的海量信息中提取出能夠推動(dòng)藥物研發(fā)的知識(shí),提出新的可以被驗(yàn)證的假說(shuō),從而加速藥物研發(fā)的過(guò)程。

英國(guó)生物科技公司Benevolent Bio(隸屬于 Benevolent AI),利用技術(shù)平臺(tái)JACS(Judgment Augmented Cognition System),從全球范圍內(nèi)海量的學(xué)術(shù)論文、專利、臨床試驗(yàn)結(jié)果、患者記錄等數(shù)據(jù)中,提取出有用的信息,發(fā)現(xiàn)新藥研發(fā)的蛛絲馬跡。

2017年,借助JACS的分析能力,Benevolent Bio 標(biāo)記了100個(gè)可用于治療肌萎縮性側(cè)索硬化癥(ALS)的潛在化合物,從中篩選出5個(gè)化合物。經(jīng)過(guò)英國(guó)謝菲爾德神經(jīng)轉(zhuǎn)化研究所的小鼠試驗(yàn),證實(shí)4個(gè)化合物在治愈運(yùn)動(dòng)神經(jīng)衰退方面確有療效。4/5的有效篩選率,這是研究人員之前從未想過(guò)的。

位于英國(guó)倫敦的BenevolentAI成立于2013年,是一家致力于AI技術(shù)開(kāi)發(fā)和應(yīng)用的公司,是歐洲大的AI初創(chuàng)公司。他們的目標(biāo)是建立人們期盼已久的“制藥企業(yè)2.0”,利用AI助力新藥開(kāi)發(fā),降低臨床試驗(yàn)的失敗率。自2013年以來(lái),Benevolent AI已經(jīng)開(kāi)發(fā)出24個(gè)候選藥物,且已經(jīng)有藥物進(jìn)入臨床IIb期試驗(yàn)階段。

國(guó)際制藥巨頭之一的強(qiáng)生公司已經(jīng)與Benevolent AI達(dá)成合作協(xié)議,強(qiáng)生將一些已經(jīng)進(jìn)入臨床階段的試驗(yàn)藥物連帶一起特許給Benevolent AI,而B(niǎo)enevolent AI將利用人工智能系統(tǒng)來(lái)指導(dǎo)臨床試驗(yàn)的進(jìn)行和數(shù)據(jù)的收集。

2.化合物高通量篩選

化合物篩選,是指通過(guò)規(guī)范化的實(shí)驗(yàn)手段,從大量化合物或者新化合物中選擇對(duì)某一特定作用靶點(diǎn)具有較高活性的化合物的過(guò)程。而要從數(shù)以萬(wàn)計(jì)的化合物分子中篩選出符合活性指標(biāo)的化合物,往往需要較長(zhǎng)的時(shí)間和成本。

AI 技術(shù)可以通過(guò)對(duì)現(xiàn)有化合物數(shù)據(jù)庫(kù)信息的整合和數(shù)據(jù)提取、機(jī)器學(xué)習(xí),提取大量化合物與毒性、有效性的關(guān)鍵信息,既避免了盲人摸象般的試錯(cuò)路徑,還可以大幅提高篩選的成功率。

典型代表是硅谷公司Atomwise。Atomwise公司成立于2012年,其核心產(chǎn)品為AtomNet是一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的虛擬藥物發(fā)現(xiàn)平臺(tái)。AtomNet就像一位人類化學(xué)家,使用強(qiáng)大的深度學(xué)習(xí)算法和計(jì)算能力,來(lái)分析數(shù)以百萬(wàn)計(jì)的潛在新藥數(shù)據(jù)。目前,AtomNet已經(jīng)學(xué)會(huì)識(shí)別重要的化學(xué)基團(tuán),如氫鍵、芳香度和單鍵碳,同時(shí)該系統(tǒng)可以分析化合物的構(gòu)效關(guān)系,識(shí)別醫(yī)藥化學(xué)中的基礎(chǔ)模塊,用于新藥發(fā)現(xiàn)和評(píng)估新藥風(fēng)險(xiǎn)。

圖2 AtomNet通過(guò)訓(xùn)練能夠識(shí)別抗生素中常見(jiàn)的化合物結(jié)構(gòu)——磺酰基

AtomNet在抗腫瘤藥物、神經(jīng)系統(tǒng)疾病藥物、抗病毒藥物、抗寄生蟲(chóng)藥和抗生素藥物的藥物篩選方面表現(xiàn)出色。例如,2015年AtomNet僅用一周模擬出2種有潛力用于埃博拉病毒治療的化合物。Atomwise正與全球知名藥企和大學(xué)院校進(jìn)行合作,其中包括輝瑞、默克、abbvie和哈佛大學(xué)等。

類似于Atomwise ,現(xiàn)在有一系列人工智能公司專注于藥物分子篩選,包括Recursion Pharmaceuticals、BenevolentAI、TwoXAR、Cyclica和Reverie Labs等。

3.發(fā)掘藥物靶點(diǎn)

現(xiàn)代新藥研究與開(kāi)發(fā)的關(guān)鍵是尋找、確定和制備藥物靶點(diǎn)。靶點(diǎn)是指藥物在體內(nèi)的作用結(jié)合位點(diǎn),包括基因位點(diǎn)、受體、酶、離子通道和核酸等生物大分子。

典型代表是Exscientia公司,Exscientia與葛蘭素史克(GSK)在藥物研發(fā)達(dá)成戰(zhàn)略合作。Exscientia 通過(guò)AI藥物研發(fā)平臺(tái)為GSK的10個(gè)疾病靶點(diǎn)開(kāi)發(fā)創(chuàng)新小分子藥物。

Exscientia開(kāi)發(fā)的AI系統(tǒng)可以從每個(gè)設(shè)計(jì)周期里的現(xiàn)有數(shù)據(jù)資源中學(xué)習(xí),其原理與人類的學(xué)習(xí)方式相似,但AI在識(shí)別多種微妙變化以平衡藥效、選擇性和藥代動(dòng)力學(xué)方面要更加高效。其AI系統(tǒng)完成新藥候選的時(shí)間和資金成本只需傳統(tǒng)方法的1/4。目前該公司與國(guó)際多家知名藥企形成戰(zhàn)略合作,包括強(qiáng)生、默克和賽諾菲等。

圖3 Exscientia 藥物研發(fā)流程圖示

4.預(yù)測(cè)藥物分子動(dòng)力學(xué)指標(biāo)(ADMET)

ADMET包括藥物的吸收、分配、代謝、排泄和毒性。預(yù)測(cè)ADMET是當(dāng)代藥物設(shè)計(jì)和藥物篩選中十分重要的方法。過(guò)去藥物ADMET性質(zhì)研究以體外研究技術(shù)與計(jì)算機(jī)模擬等方法相結(jié)合,研究藥物在生物體內(nèi)的動(dòng)力學(xué)表現(xiàn)。目前市場(chǎng)中有數(shù)十種計(jì)算機(jī)模擬軟件,包括ADMET Predicator、MOE、Discovery Studio和Shrodinger等。該類軟件現(xiàn)已在國(guó)內(nèi)外的藥品監(jiān)管部門、制藥企業(yè)和研究院所得到了廣泛應(yīng)用。

典型的代表包括晶泰科技(XtalPi)、Numerate等。為了進(jìn)一步提升ADMET性質(zhì)預(yù)測(cè)的準(zhǔn)確度,已有生物科技企業(yè)探索通過(guò)深度神經(jīng)網(wǎng)絡(luò)算法有效提取結(jié)構(gòu)特征,加速藥物的早期發(fā)現(xiàn)和篩選過(guò)程。其中晶泰科技通過(guò)應(yīng)用人工智能高效地動(dòng)態(tài)配置藥物晶型,能完整預(yù)測(cè)一個(gè)小分子藥物的所有可能的晶型,大大縮短晶型開(kāi)發(fā)周期,更有效地挑選出合適的藥物晶型,減少成本。

圖4 晶泰科技提供的晶型篩選服務(wù)

5.病理生物學(xué)研究

病理生物學(xué)(pathophysiology)是一門研究疾病發(fā)生、發(fā)展、轉(zhuǎn)歸的規(guī)律和機(jī)制的科學(xué)。病理生物學(xué)研究是醫(yī)藥研發(fā)的基礎(chǔ),至今許多疾病尚無(wú)治療方法,是由于在病理生物學(xué)研究方面沒(méi)有取得進(jìn)展。

肌萎縮側(cè)索硬化(ALS)是一種破壞性的神經(jīng)退行性疾病,發(fā)病機(jī)制至今不明。ALS的一個(gè)突出病理特征是,一些RNA結(jié)合蛋白(RNA binding proteins, RBPs)在ALS中發(fā)生突變或異常表達(dá)/分布。人類基因組中至少有1 542種RBPs,目前已發(fā)現(xiàn)17種RBPs與ALS相關(guān),除此以外,其他RBPs是否與ALS相關(guān)呢?

圖6 IBM Watson鑒定RBPs

典型案例是IBM公司開(kāi)發(fā)的Watson系統(tǒng),通過(guò)閱讀了2 500萬(wàn)篇文獻(xiàn)摘要,100萬(wàn)篇完整論文和400萬(wàn)專利文獻(xiàn),并基于相關(guān)文獻(xiàn)的大量學(xué)習(xí),建立了模型預(yù)測(cè)RBPs與ALS相關(guān)性。有研究者為了測(cè)試其模型的預(yù)測(cè)能力,首先將IBM Watson的知識(shí)庫(kù)限制在2013年之前的學(xué)術(shù)出版物上,并要求Watson使用這些可用的信息來(lái)預(yù)測(cè)與ALS相關(guān)的其他RBPs。在2013—2017年期間,Watson在對(duì)4個(gè)導(dǎo)致突變的RBPs給出了高度評(píng)價(jià),證明了模型的有效性。而后,Watson對(duì)基因組中所有的RBPs進(jìn)行篩選,并成功鑒定在ALS中改變的5種新型RBPs。

6.發(fā)掘藥物新適應(yīng)癥

利用深入學(xué)習(xí)技術(shù),將臨床藥物與新的適應(yīng)癥相匹配。這樣可以繞過(guò)動(dòng)物實(shí)驗(yàn)和安全性實(shí)驗(yàn)。

例如,沙利度胺曾用來(lái)治療麻風(fēng)病,后來(lái)研究人員發(fā)現(xiàn)其對(duì)多發(fā)性骨髓瘤具有療效。由于該藥物已經(jīng)積累了大量的安全性與劑量數(shù)據(jù),研究人員能夠繞過(guò)第一階段的安全性和劑量試驗(yàn)。

根據(jù)實(shí)驗(yàn)結(jié)果,F(xiàn)DA在2012年批準(zhǔn)沙利度胺治療多發(fā)性骨髓瘤。據(jù)彭博預(yù)測(cè),這個(gè)過(guò)程總共花費(fèi)了4 000~8 000 萬(wàn)美元。如果從零開(kāi)始,一個(gè)新藥所需的平均費(fèi)用為20 億美元。

圖7 藥物再利用與新藥研發(fā)的成本對(duì)比

典型代表為L(zhǎng)am Therapeutics、NuMedii、Healx和Insilico Medicine等人工智能公司,他們已經(jīng)在“老藥新用”這個(gè)領(lǐng)域進(jìn)行了深度探索。

二、AI新藥研發(fā)公司

中國(guó)在AI領(lǐng)域的論文發(fā)表數(shù)量位居全球第一。在醫(yī)學(xué)領(lǐng)域,我們?cè)诜派溆跋?、病理、自然語(yǔ)言處理和智能語(yǔ)音錄入等領(lǐng)域的研究與歐美并駕齊驅(qū),但在AI+新藥研發(fā)領(lǐng)域,卻差距較大。部分AI新藥研發(fā)公司名單見(jiàn)表1。

表1 部分人工智能藥物研發(fā)公司名單

2014年,晶泰科技創(chuàng)立于麻省理工學(xué)院校園。其核心總部位于深圳,并在北京、波士頓設(shè)有分部。晶泰科技目前已與多家世界頂級(jí)藥企與科研機(jī)構(gòu)建立深度合作,其藥物固相篩選與設(shè)計(jì)平臺(tái)是行業(yè)最先進(jìn)的解決方案。憑借團(tuán)隊(duì)的技術(shù)優(yōu)勢(shì)與項(xiàng)目廣闊的市場(chǎng)空間,晶泰科技已獲得騰訊、真格基金、峰瑞資本數(shù)千萬(wàn)元的A輪投資,以及來(lái)自紅杉、Google、騰訊的數(shù)千萬(wàn)美金B(yǎng)輪融資,成為全球AI+制藥領(lǐng)域獲得融資最高的創(chuàng)業(yè)公司之一。

2018年12月,天津國(guó)際生物醫(yī)藥聯(lián)合研究院與北京天云大數(shù)據(jù)簽署戰(zhàn)略合作協(xié)議,雙方將在人工智能醫(yī)藥研發(fā)平臺(tái)建設(shè)領(lǐng)域聯(lián)手,為京津冀乃至全國(guó)提供服務(wù)。根據(jù)協(xié)議,雙方將共同建設(shè)人工智能醫(yī)藥研發(fā)平臺(tái),立足京津地區(qū),為藥物研發(fā)等大健康行業(yè)創(chuàng)新發(fā)展賦能,致力于人工智能與大數(shù)據(jù)技術(shù)在醫(yī)藥行業(yè)內(nèi)的推廣和應(yīng)用。同時(shí),雙方各自發(fā)揮優(yōu)勢(shì),共同開(kāi)展人工智能醫(yī)藥研發(fā)平臺(tái)的推廣工作,推動(dòng)建立京津冀醫(yī)藥智能技術(shù)創(chuàng)新聯(lián)盟。

三、AI藥物研發(fā)領(lǐng)域的關(guān)鍵要素

中國(guó)在AI藥物開(kāi)發(fā)領(lǐng)域已經(jīng)開(kāi)始起步,但遠(yuǎn)未成熟,還有非常大發(fā)展空間。在筆者看來(lái),我國(guó)進(jìn)行AI藥物研發(fā)需要在人才培養(yǎng)、數(shù)據(jù)共享和商業(yè)模式創(chuàng)新等方面進(jìn)行發(fā)力。

1.培養(yǎng)高端人工智能人才,探索跨學(xué)科人才合作機(jī)制。

創(chuàng)業(yè)的競(jìng)爭(zhēng)歸根結(jié)底是人才的競(jìng)爭(zhēng),這在人工智能領(lǐng)域表現(xiàn)得愈加明顯。在全球范圍內(nèi),大約有2.2萬(wàn)名具有博士以上學(xué)歷的人工智能從業(yè)人員和研究人員,中國(guó)僅600名左右。國(guó)內(nèi)人工智能人才幾乎被幾大頭部企業(yè)壟斷,比如商湯有150多名人工智能博士,占比全國(guó)人工智能博士總數(shù)1/4。

數(shù)據(jù)顯示,未來(lái)中國(guó)人工智能人才缺口高達(dá)500萬(wàn),唯一的解決辦法就是成體系地培養(yǎng)人工智能人才。

2018華為全聯(lián)接大會(huì)上,華為云推出了“沃土AI開(kāi)發(fā)者計(jì)劃”,投入10億人民幣培養(yǎng)高校和研究所的AI人才,并與清華大學(xué)、中科院、中國(guó)科學(xué)技術(shù)大學(xué)、浙江大學(xué)等達(dá)成AI合作。

2018年8月,商湯科技攜手香港中文大學(xué)、亞馬遜、南洋理工大學(xué)、悉尼大學(xué)聯(lián)合舉辦的首屆WIDER Face and Pedestrian Challenge 2018(簡(jiǎn)稱:WIDER Challenge)挑戰(zhàn)賽,包括中科院計(jì)算所、微軟亞洲研究院、北京大學(xué)、卡耐基梅隆大學(xué)、香港大學(xué)以及雅虎、京東、曠視、科大訊飛、滴滴等科技公司參賽。

此外,AI應(yīng)用于藥物研發(fā)需要若干個(gè)垂直領(lǐng)域的專家共同參與才能有所突破。既需要物理學(xué)家、化學(xué)專家、藥物學(xué)家、藥企研發(fā)高管,又需要人工智能科學(xué)家、云計(jì)算工程師等跨學(xué)科人才。通過(guò)在多個(gè)領(lǐng)域人才和經(jīng)驗(yàn)的積累,

整個(gè)團(tuán)隊(duì)需要緊密合作,這樣才更容易獲得突破性的思路和好的成果。

2.建立研發(fā)數(shù)據(jù)標(biāo)準(zhǔn)體系,完善數(shù)據(jù)共享機(jī)制。

AI藥物研發(fā)需要高質(zhì)量數(shù)據(jù)支持。國(guó)內(nèi)創(chuàng)新藥研發(fā)起步較晚,與國(guó)外相比,對(duì)于優(yōu)質(zhì)數(shù)據(jù)的積累還有一定差距。

制藥產(chǎn)業(yè)的專業(yè)門檻高、鏈條長(zhǎng),加之國(guó)內(nèi)長(zhǎng)期以來(lái)的“多頭管理”體制,造成了國(guó)內(nèi)的藥品數(shù)據(jù)極度割裂,標(biāo)準(zhǔn)不統(tǒng)一、數(shù)據(jù)孤島現(xiàn)象嚴(yán)重;另外,醫(yī)藥領(lǐng)域的監(jiān)管政策與機(jī)構(gòu)改革頻繁,造成歷史藥品數(shù)據(jù)銜接難度較大。這些都會(huì)導(dǎo)致醫(yī)藥數(shù)據(jù)統(tǒng)計(jì)在完整度和精準(zhǔn)度上的不足,從而影響相關(guān)決策。

當(dāng)前國(guó)內(nèi)企業(yè)“大數(shù)據(jù)化”采取的一個(gè)路徑,便是以“專業(yè)人工+機(jī)器輔助”方式建立數(shù)據(jù)標(biāo)準(zhǔn)詞典(包括藥品、企業(yè)、靶點(diǎn)、疾病等),持續(xù)進(jìn)行數(shù)據(jù)清洗、識(shí)別、匹配和挖掘算法,將市場(chǎng)上分散的數(shù)據(jù)全面重構(gòu),形成一系統(tǒng)標(biāo)準(zhǔn)數(shù)據(jù)模塊倉(cāng)庫(kù),根據(jù)用戶場(chǎng)景對(duì)數(shù)據(jù)模塊進(jìn)行組合。比如國(guó)內(nèi)的醫(yī)藥魔方、米內(nèi)數(shù)據(jù)、藥渡等醫(yī)藥大數(shù)據(jù)服務(wù)公司。

3.定位產(chǎn)業(yè)鏈角色,創(chuàng)新商業(yè)模式。

目前人工智能醫(yī)藥研發(fā)領(lǐng)域存在三種商業(yè)模式:

(1)開(kāi)放和反饋模式。晶泰科技一開(kāi)始就明確了初期主要客戶群,在地域設(shè)置上形成國(guó)內(nèi)研發(fā),國(guó)際業(yè)務(wù)拓展的模式。在有效控制研發(fā)成本的同時(shí),起步階段就努力在國(guó)際范圍內(nèi)尋求合作者。

基于藥物研發(fā)流程的復(fù)雜性,人工智能在藥物研發(fā)中的大規(guī)模應(yīng)用依賴于整個(gè)產(chǎn)業(yè)鏈的共同努力。晶泰科技主導(dǎo)開(kāi)放和反饋模式,其長(zhǎng)處是為傳統(tǒng)研發(fā)人員提供最先進(jìn)的計(jì)算軟硬件工具,幫助他們更好更快地完成科研任務(wù)。

(2)虛擬篩選團(tuán)隊(duì)外包驗(yàn)證模式。虛擬篩選團(tuán)隊(duì)外包的主要方式有是與利益相關(guān)者或非利益相關(guān)者合作。

與入利益相關(guān)者合作,比如一個(gè)更大的醫(yī)藥公司,公司將受益頗多,比如激勵(lì)一致、與已有臨床生產(chǎn)線的整合、致力于特定疾病團(tuán)隊(duì)帶來(lái)的專業(yè)知識(shí)等。雖然公司需要割舍部分控制力或所有權(quán), 但是有利于項(xiàng)目研發(fā)成功率的提升。

與非利益相關(guān)者合作(例如CRO),公司保留完全的知識(shí)產(chǎn)權(quán),執(zhí)行速度快但是成本高。而且在實(shí)驗(yàn)設(shè)計(jì)上有可能面對(duì)控制權(quán)的損失,所以為了保證高質(zhì)量的結(jié)果必須給予特殊的關(guān)注。

這個(gè)模式的好處是成本低,速度快,特別是工業(yè)界的合作伙伴在新化合物后期驗(yàn)證和臨床研發(fā)中具有巨大機(jī)會(huì)。合作伙伴能夠理解這些驗(yàn)證實(shí)驗(yàn)的動(dòng)機(jī)和設(shè)計(jì)是至關(guān)重要的,因?yàn)樗麄冊(cè)诤罄m(xù)的臨床研發(fā)中充當(dāng)重要角色。Nimbus Therapeutics,TwoXAR,Atomwise等公司就采用這種模式。

(3)獨(dú)立的藥物研發(fā)團(tuán)隊(duì)和虛擬篩選團(tuán)隊(duì)的合作模式。在這個(gè)模式中,公司團(tuán)隊(duì)專注于計(jì)算機(jī)虛擬篩選,而其他團(tuán)隊(duì)給予實(shí)驗(yàn)藥物研發(fā)的支持。和通常專注于特定的配體\受體、生物現(xiàn)象或者疾病領(lǐng)域的團(tuán)隊(duì)的良好合作,使項(xiàng)目研發(fā)團(tuán)隊(duì)有獨(dú)特的專業(yè)性。

雖然配合程度沒(méi)有一個(gè)完全整合團(tuán)隊(duì)那么強(qiáng),但這種模式的優(yōu)勢(shì)在于,提供的處理結(jié)構(gòu)的可變性和合作者的可選擇性。具有廣泛應(yīng)用平臺(tái)的虛擬篩選團(tuán)隊(duì)可以考慮用這個(gè)結(jié)構(gòu),在使資本成本最小化的同時(shí)處理很多研發(fā)項(xiàng)目。

四、小結(jié)

1.新藥研發(fā)存在環(huán)節(jié)多、研發(fā)費(fèi)用高、研發(fā)周期長(zhǎng)和研發(fā)成功率低等問(wèn)題。

新藥研發(fā)從上游到下游的幾個(gè)環(huán)節(jié)包括藥物靶標(biāo)的確定,先導(dǎo)化合物的篩選,先導(dǎo)化合物的優(yōu)化和最終的臨床實(shí)驗(yàn)。研發(fā)費(fèi)用高、研發(fā)周期長(zhǎng)、研發(fā)成功率低一直是壓在制藥企業(yè)身上的“三座大山”。塔夫茨藥物開(kāi)發(fā)研究中心(Tufts Center for The Study of DrugDevelopment)的數(shù)據(jù)顯示:開(kāi)發(fā)一種新藥的平均成本為 26 億美元;一種新藥上市的平均時(shí)間約為12 年;大約只有 10% 的候選藥物能從第一階段測(cè)試走向市場(chǎng)。德勤的數(shù)據(jù)顯示:2017 年,美國(guó)最大的生物制藥公司的投資回報(bào)率下降至3.2%。

2.AI技術(shù)的崛起,為新藥研發(fā)帶來(lái)了新方向。

過(guò)去 20 年,計(jì)算機(jī)處理能力的持續(xù)快速增長(zhǎng),大量數(shù)據(jù)集的可用性和先進(jìn)算法的開(kāi)發(fā),大大推動(dòng)了機(jī)器學(xué)習(xí)的發(fā)展。新藥研發(fā)領(lǐng)域數(shù)據(jù)密集,這讓人工智能有了用武之地。AI 不僅能夠挖掘出不易被發(fā)現(xiàn)的隱性關(guān)系,構(gòu)建藥物、疾病和基因之間的深層次關(guān)系。同時(shí),可對(duì)候選化合物進(jìn)行虛擬篩選,更快地篩選出具有較高活性的化合物,為后期臨床試驗(yàn)做準(zhǔn)備。

目前,AI 在新藥研發(fā)領(lǐng)域主要應(yīng)用于靶點(diǎn)發(fā)現(xiàn)、化合物合成、化合物篩選、晶型預(yù)測(cè)、患者招募、優(yōu)化臨床試驗(yàn)設(shè)計(jì)和藥物適應(yīng)癥開(kāi)拓等場(chǎng)景。來(lái)自 Tech Emergence 的一份報(bào)告研究了所有行業(yè)的人工智能應(yīng)用,結(jié)果表明:人工智能可以將新藥研發(fā)的成功率從 12%提高到 14%,可以為生物制藥行業(yè)節(jié)省數(shù)十億美元。

自2017年以來(lái),AI在制藥領(lǐng)域的應(yīng)用可謂如火如荼,國(guó)際制藥巨頭紛紛入局AI開(kāi)發(fā),用于提高新藥的研發(fā)效率。據(jù)統(tǒng)計(jì),有100 多家初創(chuàng)企業(yè)在探索用 AI 發(fā)現(xiàn)藥物,傳統(tǒng)的大型制藥企業(yè)更傾向于與采用合作的方式,如阿斯利康與 Berg,強(qiáng)生與 Benevolent AI,默沙東與 Atomwise,武田制藥與 Numerate,賽諾菲和葛蘭素史克與 Exscientia,輝瑞與 IBM Watson 等。同時(shí),AI應(yīng)用于新藥研發(fā)仍需面對(duì)人才短缺、數(shù)據(jù)標(biāo)準(zhǔn)化與共享機(jī)制、商業(yè)模式創(chuàng)新等諸多問(wèn)題。

在制藥和生命科學(xué)中,數(shù)據(jù)是AI的關(guān)鍵。AI被應(yīng)用于藥物研發(fā)的各個(gè)階段,但若是數(shù)據(jù)質(zhì)量不高,即便使用非??煽康乃惴?,也不會(huì)取得好結(jié)果,反而會(huì)浪費(fèi)大量的資源和時(shí)間。鑒于此,IBM 曾在2016年斥資26億美元收購(gòu)醫(yī)療數(shù)據(jù)公司Truven;羅氏曾在2018年以19億美金收購(gòu)腫瘤大數(shù)據(jù)公司Flatiron Health的全部股份。也有專家表示,通過(guò)知識(shí)共享開(kāi)展合作和提高已有數(shù)據(jù)的質(zhì)量比積累數(shù)據(jù)更為重要,關(guān)鍵是建立一套切實(shí)可行的數(shù)據(jù)標(biāo)準(zhǔn),與風(fēng)險(xiǎn)利益共擔(dān)的數(shù)據(jù)分享機(jī)制。

3.AI和藥物開(kāi)發(fā)的模式,主要包括AI研發(fā)外包、企業(yè)內(nèi)部組建AI研發(fā)部門,但每種模式都有各自的優(yōu)缺點(diǎn)。

AI研發(fā)外包。由制藥公司提供特定的研究數(shù)據(jù)和生物靶點(diǎn)信息,然后由AI驅(qū)動(dòng)的藥物發(fā)現(xiàn)初創(chuàng)公司依靠這些數(shù)據(jù)建立模型。一旦成功篩選出候選藥物,制藥公司會(huì)根據(jù)協(xié)議進(jìn)行授權(quán)或自行擁有這種藥物。這種策略靈活性高且成本較低,但AI公司做為服務(wù)方需要獲取制藥公司整個(gè)藥物開(kāi)發(fā)流程中最“隱私”的情報(bào),因此,選擇合適的合作伙伴是重中之重。

在企業(yè)內(nèi)部組建AI研發(fā)部門。在與外部積極合作的同時(shí),制藥公司也在培養(yǎng)內(nèi)部AI專業(yè)技能,并建立數(shù)字基礎(chǔ)設(shè)施,以提高數(shù)據(jù)使用效率。這種方式的挑戰(zhàn)在于如何建立內(nèi)部專業(yè)的AI算法和自動(dòng)化流程,以及高效的運(yùn)算平臺(tái)。

無(wú)論哪種模式,AI和藥物開(kāi)發(fā)的結(jié)合,與其說(shuō)是對(duì)IT技術(shù)人員的挑戰(zhàn),不如說(shuō)更是對(duì)藥學(xué)人員的挑戰(zhàn)。一個(gè)運(yùn)營(yíng)良好的AI藥物發(fā)現(xiàn)團(tuán)隊(duì),應(yīng)該是能夠讓IT技術(shù)人員和藥學(xué)科學(xué)家保持溝通無(wú)障礙,彼此交流更明晰,清楚對(duì)方的意圖。

THEEND

最新評(píng)論(評(píng)論僅代表用戶觀點(diǎn))

更多
暫無(wú)評(píng)論