“AI+新藥研發(fā)”風(fēng)口仍需5-10年？持久戰(zhàn)已打響

熱門推薦：新藥研發(fā) , 人工智能 , AI ,

來源：貝殼社

2019-01-31

近年來，繼AI醫(yī)學(xué)影像市場格局基本成型后，我國AI藥物研發(fā)企業(yè)也開始進(jìn)入從無到有階段。尤其在2018年，隨著更多玩家的進(jìn)入，資本也隨之而來。

“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(jī)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(yàn)室，測試那些計算機(jī)認(rèn)為難以成功的分子”。

而從全球來看，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(jì)論壇發(fā)布十大新興技術(shù)，人工智能輔助化學(xué)分子設(shè)計——機(jī)器學(xué)習(xí)算法加速新藥研發(fā)便是其中一項(xiàng)。

有研究預(yù)測，“AI+新藥研發(fā)”或?qū)⑹俏磥硇碌娘L(fēng)口。

新藥研發(fā)中，AI已不遜色人類

寄予厚望于AI的背后，最常見的一個說法是，新藥研發(fā)逃不過“雙十宿命”：耗時10年，花費(fèi)10億美金。

根據(jù)《Nature》數(shù)據(jù)，新藥研發(fā)的平均成本更是高達(dá)26億美元，而這期間，高達(dá)90%的項(xiàng)目將以失敗告終。

也就是說，“費(fèi)用高、周期長、成功率低”，是新藥研發(fā)難以跨越的三道門檻。

新藥研發(fā)涉及藥物發(fā)現(xiàn)、臨床前研究、臨床研究、審批上市 4 個階段。常規(guī)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(shù)百萬計的化合物篩選。美國藥物研究和制造商協(xié)會 PhRMA 統(tǒng)計顯示，在藥物研發(fā)階段，進(jìn)行篩選的化合物多達(dá)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。

?新藥研發(fā)

圖片來源于網(wǎng)絡(luò)

此外，過程中研究人員需面臨查閱大量文獻(xiàn)、翻譯、編寫報告、錄入數(shù)據(jù)等工作，復(fù)雜而繁瑣，耗費(fèi)大量的時間和精力。麥肯錫Chilukuri曾表示，基于藥物研發(fā)長達(dá)10年的周期，收益將在未來10到15年才出現(xiàn)。

但近年來，新藥研發(fā)公認(rèn)的高回報，也并不理想。數(shù)據(jù)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年來水平。此外，全球新藥管線中的后期階段項(xiàng)目也越來越少。

因此，突破人類大腦對生物學(xué)理解的局限性，引入AI技術(shù)，從大量數(shù)據(jù)中更有效挖掘和篩選化合物，并準(zhǔn)確預(yù)測理化性質(zhì)、成藥性質(zhì)和**風(fēng)險等，無疑有望提高新藥研發(fā)的速度和效率。

有分析認(rèn)為，中期階段，AI對制藥行業(yè)的價值增長可能相當(dāng)于銷售額增長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(tuán)隊(duì)使用類似Alphago算法的三種搜索的方法，實(shí)現(xiàn)了逆合成分析和路徑預(yù)測。結(jié)果顯示，此方法在雙盲測試中表現(xiàn)優(yōu)異，預(yù)測結(jié)果并不遜色于人類專家。

“AI+新藥研發(fā)”的落地探索

針對新藥研發(fā)不同環(huán)節(jié)，AI技術(shù)可用于靶點(diǎn)發(fā)現(xiàn)、新藥合成路線設(shè)計、藥物有效性及安全性預(yù)測、晶型預(yù)測、藥物分子設(shè)計等場景。

從全球來看，Atomwise提供候選藥物預(yù)測服務(wù)，曾僅用時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(yīng)用于醫(yī)學(xué)研究的數(shù)據(jù)庫來快速篩選和組織數(shù)據(jù)，并已經(jīng)獲得一定數(shù)量的臨床階段的新藥物。

BenevolentBio曾借助JACS技術(shù)，標(biāo)記出100個可用于治療肌萎縮性側(cè)索硬化癥(ALS)的潛在化合物，并成功篩選出5個化合物；BergHealth則篩選多達(dá)25萬個疾病組織樣本來尋找早期癌癥的新生物學(xué)指標(biāo)和生物標(biāo)記等等。

在國內(nèi)，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(yīng)用于藥物發(fā)現(xiàn)過程中早期藥物篩選、藥物設(shè)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(xù)出現(xiàn)在視野，并不時傳來融資消息。

總體來看，目前全球AI藥物研發(fā)還未出現(xiàn)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(nèi)，“AI+新藥研發(fā)”完成從0到1階段后，也開啟2.0時代。

另一方面，“AI+新藥研發(fā)”的探索，也意味著IT企業(yè)和醫(yī)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(jù)制藥公司提供的數(shù)據(jù)和靶點(diǎn)信息建立模型，篩選候選藥物。對制藥公司來說，該運(yùn)作模式相對輕量化，但由于醫(yī)療數(shù)據(jù)極為敏感，所以往往伴隨著以確保數(shù)據(jù)安全的諸多條件。

與此對應(yīng)，近年來，也涌現(xiàn)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(dá)成合作，合作內(nèi)容主要涉及藥物的有效性和安全性預(yù)測；2016年，強(qiáng)生牽手BenevolentAI，對尚處于試驗(yàn)階段的小分子化合物進(jìn)行藥物挖掘；2017年，賽諾菲與Exscientia簽訂潛在價值2.5億歐元的許可交易，旨在開發(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(zhàn)性的生物靶點(diǎn)，進(jìn)行臨床前藥物候選分子開發(fā)等等。

“AI+新藥研發(fā)”將是一場持久戰(zhàn)

在制藥企業(yè)積極探索AI的同時，必須面對的還有諸多挑戰(zhàn)。畢竟AI只是新藥研發(fā)的輔助技術(shù)手段之一，并非意味著唯一和萬能。

根據(jù)BenchSci的一項(xiàng)調(diào)查，330位藥物研發(fā)科學(xué)家中，41%的人并不了解AI技術(shù)，也就無法利用AI來進(jìn)行新藥的篩選。也就是說，建立相應(yīng)AI人才培養(yǎng)體系將成為重要基礎(chǔ)。

另一方面，藥明明碼AI項(xiàng)目總負(fù)責(zé)人Thomas Chittenden曾分析，對于人工智能識別系統(tǒng)來說，新藥研發(fā)以及其臨床試驗(yàn)的有效性評估仍是極其復(fù)雜的識別模式。

此外，優(yōu)質(zhì)藥靶匱乏、動物模型臨床轉(zhuǎn)化差等現(xiàn)狀也是影響AI技術(shù)應(yīng)用效益化的重要因素。

人工智能專家Bruce Booth博士就曾分享了一個有趣地現(xiàn)象：計算機(jī)設(shè)計新藥雖已存在數(shù)十年，但醫(yī)藥行業(yè)的研發(fā)產(chǎn)出率非但沒有上升，反而還逐年下降；藥物發(fā)現(xiàn)時間沒有縮短，成本也降得更低。

幾十年來新藥的研發(fā)產(chǎn)出率正在不斷下降