新藥研發(fā)現(xiàn)狀與借力AI的期待

新藥研發(fā)具有成本高(10億左右)、研發(fā)周期長(10-12年)、成功率低(14%左右)三大高風險特性,而且制藥檢測及生產等環(huán)節(jié)也是如此。

事實上,藥物開發(fā)的投資回報率從2010年的10%穩(wěn)步下降至2018年的2%左右。

研發(fā)周期長、成本高、成功率低已經成為新藥研發(fā)的“三座大山”。

因此降低研發(fā)費用,提高成功率,縮短周期,開發(fā)有差異性、競爭力、技術門檻高的藥物是各大制藥公司迫切需要解決的問題。

因此近年來,人工智能與生物醫(yī)藥的結合興起,利用AI技術的認知能力,人工智能技術很好地解決了生物主要所面臨的痛點,在多方面促使生物制藥由勞動力密集型向智能技術型轉變。

AI技術在自然語言處理、圖像識別、深度學習和認知計算等方面的優(yōu)勢可應用到新藥研發(fā)的各個環(huán)節(jié)。

據(jù)估算,從靶點確定到臨床候選藥物環(huán)節(jié),通過AI輔助計算的方法,可以把傳統(tǒng)研發(fā)方法需要的時間從3—6年壓縮到1—2年,從而大幅提升效率并節(jié)省成本。

數(shù)據(jù)海洋中AI被寄予厚望

新藥研發(fā)的成功率本來已經很低了,如果AI能把1%,提到2%、3%,就已經是發(fā)揮作用了。

根據(jù)藥物研發(fā)過程,AI技術可用于靶點發(fā)現(xiàn)、早期藥物研發(fā)、臨床前實驗的設計與處理、臨床試驗、現(xiàn)有藥物再利用、信息整合與新見解輸出等多個方向。

AI已被一些大型制藥公司視為新的藥物研發(fā)工具。構建模型和從非結構化數(shù)據(jù)中挖掘數(shù)據(jù),被認為是人工智能在藥物發(fā)現(xiàn)方面最具顛覆性的領域。

而在靶點發(fā)現(xiàn)和早期藥物發(fā)現(xiàn)具體環(huán)節(jié),AI技術常被用于這些方面:

分析數(shù)據(jù)集,形成假設并產生新見解;識別候選新藥;通過對比分析健康人群和患者樣本的數(shù)據(jù)來尋找新的生物標記物和治療靶點;預測分子的親和力和其他藥理特性;降低蛋白質設計的復雜性。

在臨床前實驗的設計與處理環(huán)節(jié),AI技術希望被用來減少實驗階段時間、降低成本和不確定性。

一般情況下,AI制藥公司會通過分析已有數(shù)據(jù)來尋找新的研發(fā)角度,自動化樣品分析與機器云實驗室也隨之興起。

在臨床試驗階段,AI技術被期待的用途則更多。例如,優(yōu)化臨床試驗研究設計;將不同的生物醫(yī)學和醫(yī)療保健數(shù)據(jù)流轉換為代表個體患者的計算機模型;通過為個別患者提供最佳的健康干預措施,從而提供大規(guī)模個性化醫(yī)療;通過分析病歷,尋找合適的臨床試驗患者;通過個人病史和基因分析自動匹配癌癥患者的臨床試驗;改善病理分析。

AI+新藥研發(fā)領域投資情況

據(jù)統(tǒng)計,2020年全球AI+新藥研發(fā)領域的投資已經超過18．3億美元,是2015年投資額的5．4倍。

有統(tǒng)計顯示,2020年全球AI+新藥研發(fā)領域的投資已經超過18．3億美元,是2015年投資額的5．4倍。

值得一提的是,在2021Q1,就已有超10家國內外AI制藥公司完成了不同輪次的融資。

從整體來看,目前全球共有138家AI+藥物研發(fā)初創(chuàng)企業(yè),美國擁有86家,數(shù)量較多多,其次為英國及加拿大,以色列、日本、韓國也有企業(yè)分布。

相較來說,與國外相比我國AI藥物研發(fā)起步較晚,目前尚處在初期階段。

但近年來,隨著國內一系列政策助推,以及醫(yī)藥創(chuàng)新氛圍的日漸濃厚,也已經開始涌現(xiàn)出了晶泰科技、深度智耀、云勢軟件、望石智慧等一批創(chuàng)新企業(yè)。

國內科技巨頭,除了投資相關公司以外,也做好了自己下場的準備。百度成立百圖生科、騰訊推出云深智藥;華為官網(wǎng)掛出的招聘藥物研發(fā)算法工程師的操作。

AI與制藥探索磨合

數(shù)據(jù)產生:在生物醫(yī)藥行業(yè),包括數(shù)據(jù)可重復性在內的數(shù)據(jù)質量問題一直存在。為此,一些AI藥物發(fā)現(xiàn)初創(chuàng)公司除了使用公開來源、合作伙伴等渠道獲得的數(shù)據(jù)以外,尋求開發(fā)新的數(shù)據(jù)來源,包括自建實驗室獲取數(shù)據(jù)、將“濕實驗”的部分外包給CRO獲得數(shù)據(jù)、借助遠程機器人來生產數(shù)據(jù)等。

數(shù)據(jù)共享:對于機器學習來說,數(shù)據(jù)量越大,預測的準確性可能就越高。為此,制藥公司嘗試組成聯(lián)盟來開展基于AI的藥物研發(fā)。

數(shù)據(jù)治理:以新型冠狀病毒肺炎為例,新冠病毒在全球范圍內傳播的同時,眾多國家和地區(qū)呼吁共享新冠肺炎的研究數(shù)據(jù)集和相關研究文獻,并建議發(fā)布者同時提供可以直接應用人工智能的全文和數(shù)據(jù)格式,便于再次研究和分析。

國內AI藥物研發(fā)困境

①從全球人才流向看,大多數(shù)AI技術人才仍匯集在美國。斯坦福大學人工智能研究所發(fā)布的《人工智能指數(shù)2021年年度報告》顯示,2019年北美人工智能專業(yè)畢業(yè)的博士中有65%進入產業(yè)界,其中有64．3%的人是國際學生。而國際學生中有81．8%的人選擇了留在美國工作。

②缺乏可用的高質量數(shù)據(jù),這仍是AI技術需要邁過的一道坎。目前來看,公共數(shù)據(jù)庫內的數(shù)據(jù)并不能很好地實現(xiàn)建模,而高質量的數(shù)據(jù)很少且難獲取。

③缺乏倫理共識和完善的監(jiān)管規(guī)定。目前AI技術在倫理和監(jiān)管方面仍缺乏基準和共識,在制藥行業(yè)的應用亦是如此。

結尾

然而,任何技術的應用和推廣很難一蹴而就,螺旋式上升、波浪式前進是新事物的發(fā)展規(guī)律。藥物研發(fā)或許還需要更多更深入的探索和實踐才能真正體現(xiàn)AI的價值。

作者 | 方文