新藥研發(fā)是一項既復(fù)雜又漫長的任務(wù)，業(yè)界廣為流傳的“雙十定律”便是對其艱巨性的生動描述：研發(fā)一款新藥往往需要耗費(fèi)超過十年的時間與十億美元的成本。這漫長的過程通常涵蓋了多個關(guān)鍵環(huán)節(jié)，每一環(huán)節(jié)都至關(guān)重要：
1. 靶點發(fā)現(xiàn)與驗證：確定與特定疾病相關(guān)的生物分子作為治療干預(yù)的目標(biāo)。
2. 新化合物實體的發(fā)現(xiàn)：設(shè)計并合成具有潛在治療效果的新化學(xué)物質(zhì)。
3. 活性化合物的篩選：通過實驗方法測試候選化合物的生物活性，初步篩選出有前景的化合物。
4. 臨床前研究：包括藥理學(xué)、毒理學(xué)、藥代動力學(xué)和藥效學(xué)研究，評估化合物的安全性和有效性。
5. 臨床一期試驗：首次人體試驗，評估化合物的安全性、耐受性、劑量范圍和藥代動力學(xué)特征。
6. 臨床二期試驗：初步療效評估，在目標(biāo)患者群體中驗證化合物的有效性及初步安全性。
7. 臨床三期試驗：大規(guī)模確證性試驗，進(jìn)一步驗證療效、安全性及最優(yōu)劑量，收集支持藥品注冊的數(shù)據(jù)。
8. 新藥申請：提交完整的臨床試驗數(shù)據(jù)及相關(guān)非臨床研究結(jié)果，申請藥品上市許可。
9. 上市：獲得監(jiān)管機(jī)構(gòu)批準(zhǔn)后，藥品正式進(jìn)入市場銷售。
10. 藥物上市后檢測：上市后持續(xù)監(jiān)測藥品的安全性、有效性和質(zhì)量，包括不良事件報告、療效隨訪及定期復(fù)審。
現(xiàn)在隨著人工智能（AI）技術(shù)的迅猛發(fā)展，現(xiàn)市面上已有多家國內(nèi)外公司將AI技術(shù)應(yīng)用在制藥領(lǐng)域解決傳統(tǒng)新藥研發(fā)各流程的難題。
一、靶點發(fā)現(xiàn)與驗證
1、難題：識別并確認(rèn)疾病相關(guān)的生物靶點，以及評估靶點的“可藥性”。
2、AI解決策略：利用機(jī)器學(xué)習(xí)分析基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)等大數(shù)據(jù)，預(yù)測潛在的藥物靶標(biāo)；通過結(jié)構(gòu)生物學(xué)和計算化學(xué)方法模擬靶蛋白三維結(jié)構(gòu)，預(yù)測小分子與靶點結(jié)合的可能性。
3、應(yīng)用公司，例如：
（1）晶泰科技（XtalPi）：晶泰科技采用人工智能與云計算相結(jié)合的方式，對生物大分子結(jié)構(gòu)數(shù)據(jù)進(jìn)行深度挖掘和分析，通過構(gòu)建復(fù)雜的機(jī)器學(xué)習(xí)模型預(yù)測靶點蛋白的功能、穩(wěn)定性和與其他分子的相互作用。同時，它們結(jié)合大規(guī)模計算資源進(jìn)行虛擬篩選，從而高效發(fā)現(xiàn)與目標(biāo)疾病相關(guān)的潛在藥物靶點。
（2）百圖生科（BioMap）：百圖生科利用單細(xì)胞測序技術(shù)獲取海量生物學(xué)數(shù)據(jù)，并結(jié)合AI算法進(jìn)行深度學(xué)習(xí)和分析，揭示疾病狀態(tài)下細(xì)胞異質(zhì)性及分子層面的變化，進(jìn)而識別具有治療潛力的新靶點。
（3）凌科藥業(yè)（Lengo Therapeutics）：凌科藥業(yè)通過整合基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)等多種組學(xué)數(shù)據(jù)，構(gòu)建基于網(wǎng)絡(luò)藥理學(xué)的AI模型，探索疾病發(fā)生發(fā)展的分子機(jī)制，從而發(fā)掘新型藥物靶點。
（4）英矽智能（Insilico Medicine）：Insilico Medicine 開發(fā)了一系列AI技術(shù)，包括生成對抗網(wǎng)絡(luò)（GANs）和強(qiáng)化學(xué)習(xí)等，用于預(yù)測和設(shè)計藥物分子，同時也用于挖掘疾病相關(guān)的新靶點。它們通過解析基因表達(dá)、蛋白質(zhì)結(jié)構(gòu)和功能數(shù)據(jù)，以及利用多模態(tài)數(shù)據(jù)集訓(xùn)練模型，以揭示未被充分研究的藥物靶點。
（5）BenevolentAI：BenevolentAI構(gòu)建了一個強(qiáng)大的知識圖譜系統(tǒng)，將大量科研文獻(xiàn)、數(shù)據(jù)庫和其他生物醫(yī)學(xué)數(shù)據(jù)進(jìn)行整合，利用AI進(jìn)行推理和預(yù)測，以發(fā)現(xiàn)新的藥物靶點和治療路徑。其平臺可以識別出隱藏在龐大數(shù)據(jù)背后的復(fù)雜生物學(xué)關(guān)聯(lián)，推動靶點驗證和藥物發(fā)現(xiàn)進(jìn)程。
（6）Exscientia：Exscientia利用AI平臺進(jìn)行端到端藥物設(shè)計，這不僅包括化合物生成，還包括對潛在靶點的深度分析。通過機(jī)器學(xué)習(xí)算法分析蛋白質(zhì)結(jié)構(gòu)、功能和相互作用，以及與疾病相關(guān)的遺傳變異信息，該公司能夠更準(zhǔn)確地預(yù)測和驗證新的藥物靶點。
二、新化合物實體的發(fā)現(xiàn)、篩選
1、難題：
（1）化合物設(shè)計與篩選效率低：
1大規(guī)模的化合物庫篩選成本高昂且耗時；
2設(shè)計具有特定生物活性的新化合物依賴于對靶點結(jié)構(gòu)和作用機(jī)制的深入理解，而這往往受限于實驗條件和技術(shù)手段。
（2）藥效預(yù)測準(zhǔn)確性：預(yù)測化合物與靶標(biāo)蛋白間的相互作用和潛在藥效十分復(fù)雜，傳統(tǒng)的計算方法難以準(zhǔn)確預(yù)測。
（3）ADMET性質(zhì)預(yù)測：新化合物不僅需要有良好的生物活性，還需要具備理想的吸收（Absorption）、分布（Distribution）、代謝（Metabolism）、排泄（Excretion）和毒性（Toxicity）性質(zhì)，傳統(tǒng)方法很難提前全面評估。
（4）合成可行性與路線優(yōu)化：實現(xiàn)實驗室合成新型化合物的路徑可能復(fù)雜且產(chǎn)率低下，尋找最優(yōu)合成路線是一大挑戰(zhàn)。
2、AI解決策略：
（1）虛擬篩選與精準(zhǔn)設(shè)計：1利用AI算法（如深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)）可以從海量化合物數(shù)據(jù)庫中快速識別和挑選出潛在活性化合物，顯著提高篩選效率；2結(jié)合蛋白質(zhì)結(jié)構(gòu)預(yù)測和分子對接技術(shù)，AI可輔助設(shè)計出針對特定靶標(biāo)的高選擇性和親和力的小分子藥物。
（2）藥效和ADMET性質(zhì)預(yù)測： AI模型可以通過訓(xùn)練學(xué)習(xí)大量已知化合物的結(jié)構(gòu)-活性關(guān)系數(shù)據(jù)，從而預(yù)測新化合物的藥效及其ADMET特性，減少無效合成和動物實驗。
（3）化合物合成規(guī)劃：AI驅(qū)動的retrosynthesis（逆合成分析）工具可以幫助研究人員快速找到最佳合成路徑，降低成本和時間。
3、應(yīng)用公司，例如：
（1）Daewoong Pharmaceutical：利用DAVID和AIVS構(gòu)建了一套名為Daisy的AI驅(qū)動的新藥開發(fā)系統(tǒng)。該系統(tǒng)能夠消化數(shù)以億計的化合物數(shù)據(jù)，通過AI算法預(yù)測化合物的生物活性和藥物性質(zhì)，輔助研究人員快速識別和設(shè)計新的藥物分子。
（2）美國麻省理工學(xué)院和塔夫茨大學(xué)聯(lián)合研究項目：開發(fā)了一種基于大型語言模型的AI算法，能夠在一天內(nèi)篩選超過一億種化合物，大大提高了藥物篩選速度。這種算法通過對化合物結(jié)構(gòu)和生物活性數(shù)據(jù)的學(xué)習(xí)，能夠預(yù)測化合物作為藥物的可能性，并且有效縮小實驗篩選范圍。
（3）成都先導(dǎo)：應(yīng)用AI技術(shù)進(jìn)行DNA化合物庫的篩選工作，通過AI算法高效檢索化合物空間，從而更快地找到具有潛在藥效的化合物。AI技術(shù)可能包括但不限于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)以及自然語言處理等方法，用于預(yù)測化合物與靶點相互作用的可能性和效果。
三、臨床前研究與藥效評估
1、難題：
（1）體內(nèi)藥效預(yù)測：體外實驗結(jié)果與體內(nèi)藥效之間存在差異，預(yù)測化合物在生物體內(nèi)的實際療效較為困難；
（2）毒理學(xué)評估：傳統(tǒng)毒理學(xué)測試耗時長、成本高，且難以全面預(yù)測化合物的所有潛在毒性。
2、AI解決策略：
（1）生理藥動學(xué)（PBPK）建模：利用AI和模擬技術(shù)構(gòu)建PBPK模型，預(yù)測化合物在不同生理條件下的體內(nèi)分布、代謝情況及藥效動力學(xué)，增強(qiáng)體內(nèi)藥效預(yù)測準(zhǔn)確性；
（2）毒性預(yù)測模型：基于大量毒性數(shù)據(jù)訓(xùn)練AI模型，預(yù)測化合物的遺傳毒性、肝毒性、心臟毒性等多種毒理效應(yīng)，輔助早期風(fēng)險評估和候選化合物優(yōu)化。
3、應(yīng)用公司，例如：
（1）Certara：Certara的Iquitar平臺結(jié)合了AI和PBPK模型，自動提取文獻(xiàn)和數(shù)據(jù)庫中的藥代動力學(xué)參數(shù)，減少人工錄入和估算誤差。AI算法能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行快速篩選、整理和分析，用于優(yōu)化PBPK模型中的生理參數(shù)、酶動力學(xué)參數(shù)和轉(zhuǎn)運(yùn)體參數(shù)，進(jìn)而更精確地預(yù)測不同人群、不同疾病狀態(tài)下的藥物暴露水平；
（2）Insilico Medicine：除了在藥物設(shè)計階段應(yīng)用AI，Insilico Medicine還可能利用AI優(yōu)化PBPK模型參數(shù)，預(yù)測候選藥物在不同生理條件下的體內(nèi)處置過程。此外，結(jié)合AI的毒性預(yù)測能力，可以提前評估候選藥物的安全性閾值，防止后期臨床試驗中出現(xiàn)不可預(yù)見的毒性問題
（3）藥明康德：采用AI技術(shù)對PBPK模型中的關(guān)鍵參數(shù)進(jìn)行優(yōu)化，并結(jié)合遺傳變異、年齡、性別等因素預(yù)測個體間差異。通過機(jī)器學(xué)習(xí)算法對現(xiàn)有PBPK模型的參數(shù)進(jìn)行校正和優(yōu)化，使得模型能夠更準(zhǔn)確地預(yù)測人體內(nèi)藥物濃度動態(tài)變化，并用于藥物劑量優(yōu)化、藥物相互作用評估及特殊人群用藥研究。
四、臨床試驗設(shè)計與執(zhí)行
1、難題
（1）患者分層與精準(zhǔn)用藥：識別對特定藥物響應(yīng)最佳的患者群體，實現(xiàn)精準(zhǔn)醫(yī)療。
（2）試驗效率與成功率：優(yōu)化臨床試驗設(shè)計以提高患者招募速度、減少無效試驗、提升試驗成功率
2、AI解決策略：
（1）生物標(biāo)志物發(fā)現(xiàn)與患者分群：利用機(jī)器學(xué)習(xí)分析基因表達(dá)、蛋白質(zhì)組學(xué)、表觀遺傳學(xué)等數(shù)據(jù)，發(fā)現(xiàn)與藥物響應(yīng)相關(guān)的生物標(biāo)志物，指導(dǎo)患者分層和精準(zhǔn)用藥。
（2）臨床試驗?zāi)M與優(yōu)化：運(yùn)用AI和統(tǒng)計模型模擬不同試驗設(shè)計的預(yù)期結(jié)果，包括樣本量需求、預(yù)期療效、潛在風(fēng)險等，指導(dǎo)最優(yōu)試驗方案的選擇。
（3）實時監(jiān)測與動態(tài)調(diào)整：利用AI分析臨床試驗中實時收集的數(shù)據(jù)，監(jiān)測療效信號、安全事件，及時調(diào)整試驗設(shè)計或干預(yù)措施，提高試驗效率。
3、應(yīng)用公司，例如：
（1）Owkin：Owkin等公司利用深度學(xué)習(xí)技術(shù)分析歷史臨床試驗數(shù)據(jù)、電子健康記錄以及分子生物學(xué)數(shù)據(jù)，建立預(yù)測模型來優(yōu)化臨床試驗設(shè)計。例如，AI可以幫助預(yù)測哪些患者群體最有可能從某種療法中受益，從而在設(shè)計階段就針對性地選擇患者入組標(biāo)準(zhǔn)，提高試驗的有效性和成功率；
（2）PTriNetX：TriNetX等平臺運(yùn)用AI算法分析全球范圍內(nèi)的真實世界數(shù)據(jù)，尋找符合條件的患者，并進(jìn)行精準(zhǔn)匹配。通過AI預(yù)測模型，可以加快患者招募速度，減少因招募困難導(dǎo)致的試驗延遲，同時提高患者與試驗需求的契合度；
（3）阿里健康：利用AI輔助診斷和預(yù)測模型，結(jié)合醫(yī)療影像識別、自然語言處理等技術(shù)，在海量病例數(shù)據(jù)中篩選出符合臨床試驗入選標(biāo)準(zhǔn)的患者，從而改善傳統(tǒng)篩查方式的低效和偏差。
綜上所述，AI技術(shù)在臨床試驗設(shè)計與執(zhí)行中扮演著重要角色，能夠提高試驗效率、精準(zhǔn)度和安全性，縮短藥物上市周期，降低研發(fā)成本。具體應(yīng)用機(jī)制包括但不限于優(yōu)化患者選擇、動態(tài)調(diào)整試驗方案、實時監(jiān)測數(shù)據(jù)質(zhì)量與安全、增強(qiáng)數(shù)據(jù)分析能力和預(yù)測準(zhǔn)確性等。
京公網(wǎng)安備11010802046783號
