原標題：借AI發(fā)力，打開“智造”新藥大門

美國食品和藥物管理局（FDA）日前發(fā)布通知，將逐漸取消單克隆抗體等藥物申請中的動物試驗要求，轉(zhuǎn)而用人工智能（AI）預測模型、類器官及器官芯片等更高效、更貼近人體反應的“新興替代方法”。

面對動物實驗即將告別歷史舞臺，中國醫(yī)藥產(chǎn)業(yè)準備好了嗎？相關(guān)科學研究的進展和儲備情況如何？在近日召開的“FDA新政下，如何用AI提升非臨床研究的效率”研討會上，與會專家表示，我國新藥研發(fā)領域早已開始借AI發(fā)力。

提升預測準確率

“AI不僅能夠設計分子藥物，還能夠預測分子藥物進入臨床的概率及上市可能性。”北京大學前沿交叉學科研究院特聘研究員裴劍鋒告訴科技日報記者。

“我們持續(xù)關(guān)注新藥研發(fā)成功率這一關(guān)鍵問題。”裴劍鋒說，新藥研發(fā)持續(xù)時間長，且90%新藥會在臨床試驗階段宣告失敗。他們團隊正在研發(fā)AI技術(shù)，用以預測新藥研發(fā)長鏈上各環(huán)節(jié)成功率，以指導研發(fā)人員在“迷宮”中選對路。

中國醫(yī)學科學院腫瘤醫(yī)院藥物臨床試驗中心研究員王書航介紹，國家癌癥中心已設立專門機構(gòu)，匯集罕見病、腫瘤新靶點、多組學等研究數(shù)據(jù)，并持續(xù)與AI企業(yè)、高校團隊等合作，開展AI指引下的臨床研究，助力更多原創(chuàng)藥落地。

通過靶點發(fā)現(xiàn)創(chuàng)新藥物是當前新藥創(chuàng)制的主要方向之一。如明星靶點PD-1（程序性死亡受體1），已成為腫瘤治療藥物研發(fā)的“燈塔”。“并不是所有的潛在靶點都適合開發(fā)藥物。如果AI能在立項時預測不同靶點的開發(fā)價值，研發(fā)者就不會等到進入臨床三期才發(fā)現(xiàn)藥物并沒有藥效，從而付出巨大的試錯成本。”裴劍鋒介紹，近年來團隊開發(fā)出的AI技術(shù)，能給出多靶標的最優(yōu)藥物設計方案，助力設計出成藥性更高的小分子藥物。

中國科學院計算技術(shù)研究所研究員趙屹介紹，他們團隊自主研發(fā)的“深度生成模型PRnet”，基于神經(jīng)網(wǎng)絡架構(gòu)與生成對抗網(wǎng)絡，實現(xiàn)了對藥物擾動下基因轉(zhuǎn)錄組動態(tài)響應的精準預測，在多個疾病模型驗證中預測準確率達87%。

增強原創(chuàng)能力

“臨床試驗在新藥研發(fā)中的時間和費用占比已超70%，卻很難給臨床階段的‘決策’提供準確指導。”山東大學藥學院臨床藥學系主任趙維教授認為，傳統(tǒng)臨床試驗不僅周期長、效率低，最大的問題是準確度較低、療效預測可靠性不足。例如安全性評估方面，漏報率至少達到15%。

FDA專員在相關(guān)通知中也談到，替代方法能夠降低研發(fā)成本和藥品價格，更快地為患者提供更安全的治療方案。

以安全性評估中的關(guān)鍵指標“藥物清除”為例，傳統(tǒng)方法預測有效率最高65.8%。“我們基于35個醫(yī)療機構(gòu)和大學的研究數(shù)據(jù)，對機器學習模型進行訓練，將預測有效率提升到94.1%。”趙維說，在阿莫西林、頭孢他啶等抗感染藥物用于新生兒時，團隊用模型預測劑量，臨床準確率達到80%。

我國原創(chuàng)藥物研發(fā)能力正在增強，但臨床前研究有效數(shù)據(jù)少、安全性劑量爬坡難等成為原創(chuàng)藥研發(fā)的“隱憂”。“AI等新方法能夠?qū)Πò踩珓┝吭趦?nèi)的很多參數(shù)進行準確預估，這大大提升了原創(chuàng)藥的研發(fā)能力。”趙維說。

除了整體提升新藥研發(fā)能力，AI還能發(fā)現(xiàn)老藥的新功能或者“挽救”失敗藥品。“老藥被發(fā)現(xiàn)時聚焦一個靶點，但它作用于人體網(wǎng)絡，能通過作用于其他靶點展現(xiàn)新療效，而且老藥安全性更好。”華東理工大學藥學院教授唐赟表示，在算法加持下，我國科研團隊持續(xù)挖掘藥物、疾病、靶點的新關(guān)聯(lián)，不斷豐富的中國實踐正在為盤活現(xiàn)有藥物資源提供有效的創(chuàng)新路徑。