AI制药:建立药、病、人的元宇宙

View :1002

人工智能(AI)制药行业到底有多火?据上海国际生物医药产业周发布的《2022AI制药行业观察报告》统计,2014—2018年,全球AI制药领域的投资额增长了15倍。中国的企业在AI制药领域中也没有缺席,仅2021年,国内便有20余家AI制药公司获得融资,融资额近百亿元。

撰文 | 赵宇,中科计算技术西部研究院客座教授、图灵·达尔文实验室副主任

编辑制作 | 胡彬

审核 | 方彤

来源 | 健康报医生频道

为什么我们需要AI制药

生物医药行业向来有新靶点缺乏验证,而热门靶点研发扎堆的情况。同时,新药研发周期长、失败率高,药物发现和药物临床试验阶段又要投入大量资金和时间成本。
AI制药正是利用人工智能技术强大的算力和算法,大大缩短药物发现的周期,降低药物发现阶段的时间和人力成本。另外,AI还能通过机器自主学习,发现专家经验以外的规律,优化药物研发流程。
《2022AI制药行业观察报告》数据显示,AI技术能将药物发现、临床前研究的时间缩短近40%,为临床试验阶段节约50%~60%的时间。
由于研发思路不同,AI制药存在两条不同的技术路线。
一条是 “AI+分子” 路线,即利用算法去发现新的分子,并且将大量有关靶点、疾病、临床试验和实验室的数据投喂给算法,以预测新分子的物理化学参数、结合分数、与药物相似的特征等属性,挑选出具有成药潜力的分子,并将其带入临床。
另一条是 “AI+疾病” 技术路线。该方法先在微观层面找到基因和疾病的关联,再去寻找能够控制基因表达、抑制疾病发作的药物。
丰富的技术路线给AI制药带来了巨大的市场。《AI制药深度产业报告》显示,2022年国内AI制药市场规模为27亿元人民币,到2035年,这一数字将增长到2040亿元人民币。
然而,想要开拓如此庞大的市场,AI制药行业还有不少问题亟待解决。

AI制药如何实现 “三级跳”

法国制药公司施维雅2021年在药学领域知名期刊《今日药物发现》(Drug Discovery Today)发表文章指出,AI制药技术的意义在于提高人们对疾病异质性的理解,识别失调的分子途径和治疗靶点,设计和优化候选药物,以及评估生物信息相关的临床疗效。实际上,现有的AI制药技术很难同时满足这四点。
有统计显示,一款新药的研发成本需要8.7亿美元,在临床前的研发成本占整体药物研发成本的30%左右。真正耗时、耗钱、成功率低的环节是临床试验的各阶段。
无论是否有AI技术的加持,创新药研发的初心都是恒久不变的,那就是关注患者和医生的诉求——治疗疾病。以 “AI+疾病” 驱动的制药公司,其技术路线设计的出发点正是为疾病建模,为患者建立特异性模型。
我们认为,在诸多技术中,基因组学、数字孪生和临床试验,是在疾病导向视角下最有可能解决当下AI制药行业瓶颈的三种 “武器”,它们之间的关系就像 “三级跳”,其中,最基础的便是基因组学。

◊ 基因组学

AI制药该如何关注疾病呢?关键之一是如何驾驭基因组学大数据。 

我们在面对肿瘤这样的复杂系统时,拥有了从基因层面到临床层面的大数据,不等于掌握了肿瘤进化、耐药机制,拥有了海量的知识文献,不等于能够发现治疗疾病的新靶点、新的药物起效机制(MOA)。

疾病导向的药物开发有三个重要环节:疾病机制研究、患者特征研究和药物机理研究。这三个环节,哪一个都离不开基因组学的支持。

对关键机制的识别,是推荐新靶点、新适应证、优势人群、疗效预测的基础。若要利用好这些能力,还要引入 “三级跳” 中的第二级——数字孪生。

◊ 数字孪生

在工程建设领域,有一种技术可以在云端建造一个 “工厂”,可将现实工厂的生产状况、设备详情,甚至安全隐患都反映在云端的 “虚拟工厂” 中,这就是数字孪生技术。在制药领域,数字孪生技术也有了自己的表达,那就是生物学的数字化。

通过对制药领域中的数字孪生概念进行回顾,我们可以发现,早在2007年欧洲就已经提出了 “肿瘤数字双胞胎” 的概念。2011年,欧盟就曾经资助过Contra Cancrum(临床导向转化癌症多级建模)项目。该项目通过为恶性肿瘤发展建模,在不同的生物水平上(例如血管生成、胚胎学、生物力学、医学图像分析等方面)帮助人们更好地理解癌症,模拟各种治疗方案的效果。

国内已有企业在此方面进行了尝试,将每个患者投射成生命功能的数字孪生体。有了上千种通路和细胞行为等功能的数字化模型后,免疫、代谢、应激、抑制肿瘤、促进肿瘤等复杂的生物学事件都可以被数字化,每个生物学事件都拥有了一个 “仪表盘”,每一名患者的生命功能可以定量化地投射到这些 “仪表盘” 上面。在找准基线样本做基线数据后,每一名患者的每个 “仪表盘” 上就有了专属的 “指示灯”,哪个生命功能出现异常,便可一目了然。

19路围棋盘的361个落点可以变幻出无数的棋路,同样,上千个细胞内确定性事件的数字化 “仪表盘” 可以组合模拟千变万化的疾病发生发展情况。拥有了这些生命功能的数字化 “仪表盘” 后,在解释人类基因组的变异功能如何影响疾病的发生发展、如何影响用药疗效方面,达到了相对自由的状态。

而针对一种具体的病、一个具体的药,科学家可以把用药前后患者的上千个数字化 “仪表盘” 数据拿出来做各种组合、分析,去判断响应患者和不响应患者到底是哪些生命功能层面出现了差异,进而去解释疾病、解释药物响应、解释耐药。

◊ AI+临床试验

有了基因组学技术和数字孪生技术后,就可以触及 “三级跳” 的最后一级——临床试验。

很多情况下,临床试验的成功与否与诸多因素相关。药物可能会因错误选择给予的剂量而失效。此外,化合物可能因机制失效而失效,即药物靶向的机制在生理或病理生理(级联)机制中缺乏足够的相关性,这决定了下游的总体临床疗效。

正是深刻感受到临床试验失败之痛,在数字孪生人仿真临床试验方面,全球的监管机构甚至走在了技术的前面。数字孪生可以模拟人类的生理活动。当科学家把 “电子化的药物” 给虚拟人使用后,便可以在计算机上观察药物的效果,为药物选择患者。

美国食品药品监督管理局(FDA)和欧洲药品管理局(EMA)都已建立计算机建模和仿真研究工作组。FDA认为,虽然当前评价产品安全有效性仍然需要依赖实验室模型、动物模型和临床数据。但在未来,通过建立细胞、组织和系统的计算机模型可较好地预测医疗产品的安全有效性;通过建立虚拟患者模型,可测试医疗产品的安全有效性;通过计算机模型,可模拟临床试验方法,显示治疗效果、患者特性及疾病变量的内部关系等。技术的灵活运用能让治病也变得 “千人千面”。

无论是为了解决人类重大疾病难题,攻克缺乏特效药的疾病,还是为了降低药企研发成本,让患者用到更便宜的药物,我们都希望AI制药项目能尽快产业化。
人们总说 “人生如棋”。实际上,我们每个人生来都是一盘残局,接下来的每一步棋该如何走,事关生老病死。我们希望AI制药能运用 “千人千药” 的能力,帮助每一个人赢得生命的 “棋局”。

人工智能(AI)制药行业到底有多火?据上海国际生物医药产业周发布的《2022AI制药行业观察报告》统计,2014—2018年,全球AI制药领域的投资额增长了15倍。中国的企业在AI制药领域中也没有缺席,仅2021年,国内便有20余家AI制药公司获得融资,融资额近百亿元。

撰文 | 赵宇,中科计算技术西部研究院客座教授、图灵·达尔文实验室副主任

编辑制作 | 胡彬

审核 | 方彤

来源 | 健康报医生频道

为什么我们需要AI制药

生物医药行业向来有新靶点缺乏验证,而热门靶点研发扎堆的情况。同时,新药研发周期长、失败率高,药物发现和药物临床试验阶段又要投入大量资金和时间成本。
AI制药正是利用人工智能技术强大的算力和算法,大大缩短药物发现的周期,降低药物发现阶段的时间和人力成本。另外,AI还能通过机器自主学习,发现专家经验以外的规律,优化药物研发流程。
《2022AI制药行业观察报告》数据显示,AI技术能将药物发现、临床前研究的时间缩短近40%,为临床试验阶段节约50%~60%的时间。
由于研发思路不同,AI制药存在两条不同的技术路线。
一条是 “AI+分子” 路线,即利用算法去发现新的分子,并且将大量有关靶点、疾病、临床试验和实验室的数据投喂给算法,以预测新分子的物理化学参数、结合分数、与药物相似的特征等属性,挑选出具有成药潜力的分子,并将其带入临床。
另一条是 “AI+疾病” 技术路线。该方法先在微观层面找到基因和疾病的关联,再去寻找能够控制基因表达、抑制疾病发作的药物。
丰富的技术路线给AI制药带来了巨大的市场。《AI制药深度产业报告》显示,2022年国内AI制药市场规模为27亿元人民币,到2035年,这一数字将增长到2040亿元人民币。
然而,想要开拓如此庞大的市场,AI制药行业还有不少问题亟待解决。

AI制药如何实现 “三级跳”

法国制药公司施维雅2021年在药学领域知名期刊《今日药物发现》(Drug Discovery Today)发表文章指出,AI制药技术的意义在于提高人们对疾病异质性的理解,识别失调的分子途径和治疗靶点,设计和优化候选药物,以及评估生物信息相关的临床疗效。实际上,现有的AI制药技术很难同时满足这四点。
有统计显示,一款新药的研发成本需要8.7亿美元,在临床前的研发成本占整体药物研发成本的30%左右。真正耗时、耗钱、成功率低的环节是临床试验的各阶段。
无论是否有AI技术的加持,创新药研发的初心都是恒久不变的,那就是关注患者和医生的诉求——治疗疾病。以 “AI+疾病” 驱动的制药公司,其技术路线设计的出发点正是为疾病建模,为患者建立特异性模型。
我们认为,在诸多技术中,基因组学、数字孪生和临床试验,是在疾病导向视角下最有可能解决当下AI制药行业瓶颈的三种 “武器”,它们之间的关系就像 “三级跳”,其中,最基础的便是基因组学。

◊ 基因组学

AI制药该如何关注疾病呢?关键之一是如何驾驭基因组学大数据。 

我们在面对肿瘤这样的复杂系统时,拥有了从基因层面到临床层面的大数据,不等于掌握了肿瘤进化、耐药机制,拥有了海量的知识文献,不等于能够发现治疗疾病的新靶点、新的药物起效机制(MOA)。

疾病导向的药物开发有三个重要环节:疾病机制研究、患者特征研究和药物机理研究。这三个环节,哪一个都离不开基因组学的支持。

对关键机制的识别,是推荐新靶点、新适应证、优势人群、疗效预测的基础。若要利用好这些能力,还要引入 “三级跳” 中的第二级——数字孪生。

◊ 数字孪生

在工程建设领域,有一种技术可以在云端建造一个 “工厂”,可将现实工厂的生产状况、设备详情,甚至安全隐患都反映在云端的 “虚拟工厂” 中,这就是数字孪生技术。在制药领域,数字孪生技术也有了自己的表达,那就是生物学的数字化。

通过对制药领域中的数字孪生概念进行回顾,我们可以发现,早在2007年欧洲就已经提出了 “肿瘤数字双胞胎” 的概念。2011年,欧盟就曾经资助过Contra Cancrum(临床导向转化癌症多级建模)项目。该项目通过为恶性肿瘤发展建模,在不同的生物水平上(例如血管生成、胚胎学、生物力学、医学图像分析等方面)帮助人们更好地理解癌症,模拟各种治疗方案的效果。

国内已有企业在此方面进行了尝试,将每个患者投射成生命功能的数字孪生体。有了上千种通路和细胞行为等功能的数字化模型后,免疫、代谢、应激、抑制肿瘤、促进肿瘤等复杂的生物学事件都可以被数字化,每个生物学事件都拥有了一个 “仪表盘”,每一名患者的生命功能可以定量化地投射到这些 “仪表盘” 上面。在找准基线样本做基线数据后,每一名患者的每个 “仪表盘” 上就有了专属的 “指示灯”,哪个生命功能出现异常,便可一目了然。

19路围棋盘的361个落点可以变幻出无数的棋路,同样,上千个细胞内确定性事件的数字化 “仪表盘” 可以组合模拟千变万化的疾病发生发展情况。拥有了这些生命功能的数字化 “仪表盘” 后,在解释人类基因组的变异功能如何影响疾病的发生发展、如何影响用药疗效方面,达到了相对自由的状态。

而针对一种具体的病、一个具体的药,科学家可以把用药前后患者的上千个数字化 “仪表盘” 数据拿出来做各种组合、分析,去判断响应患者和不响应患者到底是哪些生命功能层面出现了差异,进而去解释疾病、解释药物响应、解释耐药。

◊ AI+临床试验

有了基因组学技术和数字孪生技术后,就可以触及 “三级跳” 的最后一级——临床试验。

很多情况下,临床试验的成功与否与诸多因素相关。药物可能会因错误选择给予的剂量而失效。此外,化合物可能因机制失效而失效,即药物靶向的机制在生理或病理生理(级联)机制中缺乏足够的相关性,这决定了下游的总体临床疗效。

正是深刻感受到临床试验失败之痛,在数字孪生人仿真临床试验方面,全球的监管机构甚至走在了技术的前面。数字孪生可以模拟人类的生理活动。当科学家把 “电子化的药物” 给虚拟人使用后,便可以在计算机上观察药物的效果,为药物选择患者。

美国食品药品监督管理局(FDA)和欧洲药品管理局(EMA)都已建立计算机建模和仿真研究工作组。FDA认为,虽然当前评价产品安全有效性仍然需要依赖实验室模型、动物模型和临床数据。但在未来,通过建立细胞、组织和系统的计算机模型可较好地预测医疗产品的安全有效性;通过建立虚拟患者模型,可测试医疗产品的安全有效性;通过计算机模型,可模拟临床试验方法,显示治疗效果、患者特性及疾病变量的内部关系等。技术的灵活运用能让治病也变得 “千人千面”。

无论是为了解决人类重大疾病难题,攻克缺乏特效药的疾病,还是为了降低药企研发成本,让患者用到更便宜的药物,我们都希望AI制药项目能尽快产业化。
人们总说 “人生如棋”。实际上,我们每个人生来都是一盘残局,接下来的每一步棋该如何走,事关生老病死。我们希望AI制药能运用 “千人千药” 的能力,帮助每一个人赢得生命的 “棋局”。
问询(英文)
Online enquiries

公众号