“AI藥物研發(fā)”已不算新鮮概念。早在1981年，雜志《Discovery》中就曾描述，“計算機有望提高藥用分子篩選效率，化學(xué)家再也不用整周、整月呆在實(shí)驗室，測試那些計算機認為難以成功的分子”。
近年來(lái)，繼AI醫學(xué)影像市場(chǎng)格局基本成型后，我國AI藥物研發(fā)企業(yè)也開(kāi)始進(jìn)入從無(wú)到有階段。尤其在2018年，隨著(zhù)更多玩家的進(jìn)入，資本也隨之而來(lái)。
而從全球來(lái)看，探索“AI+新藥研發(fā)”的企業(yè)已近100家。2018年，《科學(xué)美國人》與世界經(jīng)濟論壇發(fā)布十大新興技術(shù)，人工智能輔助化學(xué)分子設計——機器學(xué)習算法加速新藥研發(fā)便是其中一項。
有研究預測，“AI+新藥研發(fā)”或將是未來(lái)新的風(fēng)口。
新藥研發(fā)中，AI已不遜色人類(lèi)
寄予厚望于A(yíng)I的背后，最常見(jiàn)的一個(gè)說(shuō)法是，新藥研發(fā)逃不過(guò)“雙十宿命”：耗時(shí)10年，花費10億美金。
根據《Nature》數據，新藥研發(fā)的平均成本更是高達26億美元，而這期間，高達90%的項目將以失敗告終。
也就是說(shuō)，“費用高、周期長(cháng)、成功率低”，是新藥研發(fā)難以跨越的三道門(mén)檻。
新藥研發(fā)涉及藥物發(fā)現、臨床前研究、臨床研究、審批上市 4 個(gè)階段。常規模式下，針對潛在藥靶，研究人員通常采用高通量篩選的方式，進(jìn)行數百萬(wàn)計的化合物篩選。美國藥物研究和制造商協(xié)會(huì ) PhRMA 統計顯示，在藥物研發(fā)階段，進(jìn)行篩選的化合物多達5000-10000 種，但僅有250種能進(jìn)入臨床前研究，進(jìn)入臨床研究階段的僅5種。
圖片來(lái)源于網(wǎng)絡(luò )
此外，過(guò)程中研究人員需面臨查閱大量文獻、翻譯、編寫(xiě)報告、錄入數據等工作，復雜而繁瑣，耗費大量的時(shí)間和精力。麥肯錫Chilukuri曾表示，基于藥物研發(fā)長(cháng)達10年的周期，收益將在未來(lái)10到15年才出現。
但近年來(lái)，新藥研發(fā)公認的高回報，也并不理想。數據顯示，2017年全球TOP12制藥巨頭在研發(fā)上的投資回報率僅為3.2%，處于8年來(lái)水平。此外，全球新藥管線(xiàn)中的后期階段項目也越來(lái)越少。
因此，突破人類(lèi)大腦對生物學(xué)理解的局限性，引入AI技術(shù)，從大量數據中更有效挖掘和篩選化合物，并準確預測理化性質(zhì)、成藥性質(zhì)和**風(fēng)險等，無(wú)疑有望提高新藥研發(fā)的速度和效率。
有分析認為，中期階段，AI對制藥行業(yè)的價(jià)值增長(cháng)可能相當于銷(xiāo)售額增長(cháng)5%到10%。
2018年4月，《Nature》一則報道顯示，上海大學(xué)教授馬克?沃勒團隊使用類(lèi)似Alphago算法的三種搜索的方法，實(shí)現了逆合成分析和路徑預測。結果顯示，此方法在雙盲測試中表現優(yōu)異，預測結果并不遜色于人類(lèi)專(zhuān)家。
“AI+新藥研發(fā)”的落地探索
針對新藥研發(fā)不同環(huán)節，AI技術(shù)可用于靶點(diǎn)發(fā)現、新藥合成路線(xiàn)設計、藥物有效性及安全性預測、晶型預測、藥物分子設計等場(chǎng)景。
從全球來(lái)看，Atomwise提供候選藥物預測服務(wù)，曾僅用時(shí)一周模擬出有前景用于埃博拉病毒治療的兩種化合物；BenevolentAI將AI應用于醫學(xué)研究的數據庫來(lái)快速篩選和組織數據，并已經(jīng)獲得一定數量的臨床階段的新藥物。
BenevolentBio曾借助JACS技術(shù)，標記出100個(gè)可用于治療肌萎縮性側索硬化癥(ALS)的潛在化合物，并成功篩選出5個(gè)化合物；BergHealth則篩選多達25萬(wàn)個(gè)疾病組織樣本來(lái)尋找早期癌癥的新生物學(xué)指標和生物標記等等。
在國內，晶泰科技是“AI+新藥研發(fā)”的早期拓荒者。其主要將AI技術(shù)應用于藥物發(fā)現過(guò)程中早期藥物篩選、藥物設計，以及藥物重定位和藥物重定向，以提高藥物研發(fā)的效率，降低風(fēng)險。
到2018年，深度智耀、零氪科技、智藥科技、云勢軟件等也陸續出現在視野，并不時(shí)傳來(lái)融資消息。
總體來(lái)看，目前全球AI藥物研發(fā)還未出現成功案例，但國外相關(guān)企業(yè)已有利用AI研發(fā)的新藥進(jìn)入臨床二期。國內，“AI+新藥研發(fā)”完成從0到1階段后，也開(kāi)啟2.0時(shí)代。
另一方面，“AI+新藥研發(fā)”的探索，也意味著(zhù)IT企業(yè)和醫藥公司間的合作。
“研發(fā)外包”便是合作模式的一種。該模式下，AI公司根據制藥公司提供的數據和靶點(diǎn)信息建立模型，篩選候選藥物。對制藥公司來(lái)說(shuō)，該運作模式相對輕量化，但由于醫療數據極為敏感，所以往往伴隨著(zhù)以確保數據安全的諸多條件。
與此對應，近年來(lái)，也涌現了許多大型藥企和AI智能化企業(yè)間的牽手合作。
2015年，制藥巨頭默沙東和AI公司Atomwise達成合作，合作內容主要涉及藥物的有效性和安全性預測；2016年，強生牽手BenevolentAI，對尚處于試驗階段的小分子化合物進(jìn)行藥物挖掘；2017年，賽諾菲與Exscientia簽訂潛在價(jià)值2.5億歐元的許可交易，旨在開(kāi)發(fā)針對代謝疾病的雙特異性小分子藥物；2018年，藥明康德和Insilico Medicine一起針對具有挑戰性的生物靶點(diǎn)，進(jìn)行臨床前藥物候選分子開(kāi)發(fā)等等。
“AI+新藥研發(fā)”將是一場(chǎng)持久戰
在制藥企業(yè)積極探索AI的同時(shí)，必須面對的還有諸多挑戰。畢竟AI只是新藥研發(fā)的輔助技術(shù)手段之一，并非意味著(zhù)唯一和萬(wàn)能。
根據BenchSci的一項調查，330位藥物研發(fā)科學(xué)家中，41%的人并不了解AI技術(shù)，也就無(wú)法利用AI來(lái)進(jìn)行新藥的篩選。也就是說(shuō)，建立相應AI人才培養體系將成為重要基礎。
另一方面，藥明明碼AI項目總負責人Thomas Chittenden曾分析，對于人工智能識別系統來(lái)說(shuō)，新藥研發(fā)以及其臨床試驗的有效性評估仍是極其復雜的識別模式。
此外，優(yōu)質(zhì)藥靶匱乏、動(dòng)物模型臨床轉化差等現狀也是影響AI技術(shù)應用效益化的重要因素。
人工智能專(zhuān)家Bruce Booth博士就曾分享了一個(gè)有趣地現象：計算機設計新藥雖已存在數十年，但醫藥行業(yè)的研發(fā)產(chǎn)出率非但沒(méi)有上升，反而還逐年下降；藥物發(fā)現時(shí)間沒(méi)有縮短，成本也降得更低。
幾十年來(lái)新藥的研發(fā)產(chǎn)出率正在不斷下降
其意思為，AI尚未給新藥研發(fā)帶來(lái)大幅的可喜改觀(guān)。因此，從長(cháng)期來(lái)看，AI技術(shù)等應用，雖可程度降低失敗率，節省藥物研發(fā)成本，縮短藥物研發(fā)時(shí)間。
但不可否認的是，“AI+新藥研發(fā)”還處于初級階段，并將在該階段持續相當長(cháng)的時(shí)間。目前，AI技術(shù)針對新藥研發(fā)不同階段的價(jià)值雖已明確，但真正做到AI驅動(dòng)新藥研發(fā)的整體發(fā)展，至少還需要5-10年時(shí)間。
點(diǎn)擊下圖，預登記觀(guān)展
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
