近日,据媒体报道,美国华盛顿大学戴维·贝克教授团队在《细胞》杂志上发表论文,利用人工智能(AI)技术平台精准地从头设计出能够穿过细胞膜的大环多肽分子,开辟了设计全新口服药物的新途径。

近年来,AI加速助力新药研发,几乎参与了从药物靶点发现到临床试验的全流程。在新冠肺炎疫情期间,多款药物问世背后也都有AI的身影,全球AI制药产业实现加速跑。

AI融入药物研发各个环节

“AI一词是约翰·麦卡锡在1956年达特茅斯会议上提出的,用来描述‘制造智能机器的科学和工程’。AI差不多也是在这个时候被引入到药物研发领域的。”南开大学药学院教授林建平介绍,1964年,定量构效关系建模领域的建立成为AI开始用于药物研发的标志。

如今,AI在药物研发中发挥着越来越重要的作用,并与药物研发的各个环节紧密结合。

一款药物从无到有,要历经漫长且坎坷的过程。其中主要包括4个研发阶段,即靶标选择和验证、化合物筛选和先导优化、临床前研究以及临床试验。而每一个阶段又涉及到许多具体环节。

林建平举例说,比如在靶标选择和验证阶段,需要确定疾病相关的靶标。根据传统实验去确定靶标,既费时成本又高,而使用AI技术并结合已有的组学大数据,根据已知的以及新产生的实验数据,就可以快速分析出潜在候选靶标,节约时间和成本;或在已知先导化合物的功效,但是缺少明确靶标而导致具体作用机制和副作用不明确时,AI可以大范围预测靶标,缩小候选靶标的范围,最后结合实验手段快速定位真正的靶标。“AI帮助药物研发者快速找到靶标,加快先导化合物向药物转化的进程。”林建平介绍。

对于已有的药物,AI同样可以通过靶标预测,发现新的靶标,从而发现新的药物适应症,这也是一个非常热门的领域——药物重定位。

在最重要的临床试验阶段,AI的应用也起到了事半功倍的效果。“在这一阶段,需要在患者身上评价药物的安全性和有效性,AI可以参与到患者的招募、临床试验设计以及试验结果数据分析等。”林建平举例,比如可以通过AI技术从过去的临床患者中,提取患者的个人特征、症状、治疗效果等数据,找到最匹配当前试验的患者;试验设计上,AI可以预测合适的药物剂量、治疗方案等;而试验数据上,可以采用AI技术跟踪和管理患者的实时情况,预测患者预后情况等。

AI大大缩减药物研发成本

一个新药的诞生,通常需投入10亿甚至数10亿美元,研发周期一般超过10年,成功率却低于10%。而由于AI的加入,如今的药物研发成本减少了上亿美元,同时也大大缩短了研发时间,一般来说可以缩短一半以上。例如,AI将临床前候选化合物的研发时间从平均4年半缩短至约13.7个月,缩短了近75%。

此外,AI还提高了药物研发的成功率。“通俗讲,药物研发实际上是一个试错的过程,AI可以帮助我们排除大量错误,最后留给我们的就是更大的成功机会。”林建平说。

正是由于AI制药具有对传统制药碾压式的优势,使得AI制药产业在全球发展壮大。目前,AI制药产业发展可概括为三大阶段:第一个阶段,AI制药公司初步形成,主要针对某个阶段的药物研发提供AI技术服务;第二个阶段,AI制药公司开发了成熟的研发管线,并且开发的药物进入临床验证,这一阶段将吸引大量资本和初创企业加入;而第三阶段,则进入到关键的临床Ⅱ期药效性实验,真正证明AI研发药物的有效性。

“目前全球AI制药产业已步入第三个发展阶段。”林建平说。

我国AI制药起步较晚,尚处于第二个阶段。“但是国内的AI制药产业发展速度非常快,各大互联网巨头以及一些大型药企均开始布局AI制药赛道,当然还包括一些初创公司。”林建平表示。

据统计,目前国内已有超过60家AI制药公司,去年我国AI制药融资规模达12.36亿美元,同比增长163.54%。

AI制药存在诸多挑战

可以说,AI已经渗透到药物研发领域的各个环节,促进了医药产业的升级,在未来极有可能带来制药产业的变革。随着目前AI制药产业的发展,在不久的将来,我们可能很快会迎来第一款AI技术研发的创新药物。在期盼之余,很多人也对AI研发的药物是否具有风险心存疑虑。

“目前来说,我们利用AI研发的药物的风险与传统的药物研发风险是一样的,包括药物的副作用、毒性、耐受性等。”林建平解释说,由于目前AI在药物研发中大多起着辅助作用,最后仍旧需要经过真实的试验去验证其安全性和有效性,需要专家去做评定,所以在风险性上与传统研发药物相同。但是这样做也带来了另一个问题,制药行业仍以专家经验为基础,成为制约AI制药发展的最大阻碍。“之所以出现这种现象,主要是由于对AI技术助力制药的不信任。”林建平认为,随着接下来几年AI药物的成功上市,这个问题必将得到解决;另一方面,目前AI在药物研发全流程中,仍然扮演着辅助工具的角色,没有占据主导地位,这也就决定了AI制药产业难以获得飞跃式发展。

而且,AI技术仍在发展中,数据、算法、算力上的突破也需要一定的时间。如数据量不足、数据质量参差不齐,算法精度不高、算法无法满足需求等,都为AI在药物研发和应用上带来了困难。

此外,AI制药还面临许多其他挑战。比如生命领域的基础理论研究还有很多没有解决的问题;再比如复合型人才的缺少,“懂计算的不懂制药,懂制药的不懂计算”,如何更好地把生物问题转化为计算问题,然后用数字手段去解决,这需要大量复合型人才的参与,而这一类人才的培养也是极其耗时的。

推荐内容