• 台灣網移動版

    台灣網移動版

未來,我們吃的藥可能會是“AI造”

2022-10-10 08:32:00
來源:科技日報
字號

  未來,我們吃的藥可能會是“AI造”【人工智慧正在參與從靶點發現到臨床實驗全流程】

  一個新藥的誕生,通常需投入10億甚至數十億美元,研發週期一般超過10年。而由於AI技術的加入,如今的藥物研發成本明顯減少,同時也大大縮短了研發時間。例如,AI將臨床前候選化合物的時間從平均4年半縮短至約13.7個月,縮短了近75%。

  ◎本報記者 陳 曦

  近日,據媒體報道,美國華盛頓大學戴維貝克教授團隊在《細胞》雜誌上發表論文,利用人工智慧(AI)技術平臺精準地從頭設計出能夠穿過細胞膜的大環多肽分子,開闢了設計全新口服藥物的新途徑。

  近年來,AI加速助力新藥研發,幾乎參與了從藥物靶點發現到臨床試驗的全流程。在新冠肺炎疫情期間,多款藥物問世背後也都有AI的身影,全球AI制藥産業實現加速跑。

  AI融入藥物研發各個環節

  “AI一詞是約翰麥卡錫在1956年達特茅斯會議上提出的,用來描述‘製造智慧機器的科學和工程’。AI差不多也是在這個時候被引入到藥物研發領域的。”南開大學藥學院教授林建平介紹,1964年,定量構效關係建模領域的建立成為AI開始用於藥物研發的標誌。

  如今,AI在藥物研發中發揮著越來越重要的作用,並與藥物研發的各個環節緊密結合。

  一款藥物從無到有,要歷經漫長且坎坷的過程。其中主要包括4個研發階段,即靶標選擇和驗證、化合物篩選和先導優化、臨床前研究以及臨床試驗。而每一個階段又涉及到許多具體環節。

  林建平舉例説,比如在靶標選擇和驗證階段,需要確定疾病相關的靶標。根據傳統實驗去確定靶標,既費時成本又高,而使用AI技術並結合已有的組學大數據,根據已知的以及新産生的實驗數據,就可以快速分析出潛在候選靶標,節約時間和成本;或在已知先導化合物的功效,但是缺少明確靶標而導致具體作用機制和副作用不明確時,AI可以大範圍預測靶標,縮小候選靶標的範圍,最後結合實驗手段快速定位真正的靶標。“AI幫助藥物研發者快速找到靶標,加快先導化合物向藥物轉化的進程。”林建平介紹。

  對於已有的藥物,AI同樣可以通過靶標預測,發現新的靶標,從而發現新的藥物適應症,這也是一個非常熱門的領域——藥物重定位。

  在最重要的臨床試驗階段,AI的應用也起到了事半功倍的效果。“在這一階段,需要在患者身上評價藥物的安全性和有效性,AI可以參與到患者的招募、臨床試驗設計以及試驗結果數據分析等。”林建平舉例,比如可以通過AI技術從過去的臨床患者中,提取患者的個人特徵、症狀、治療效果等數據,找到最匹配當前試驗的患者;試驗設計上,AI可以預測合適的藥物劑量、治療方案等;而試驗數據上,可以採用AI技術跟蹤和管理患者的實時情況,預測患者預後情況等。

  AI大大縮減藥物研發成本

  一個新藥的誕生,通常需投入10億甚至數10億美元,研發週期一般超過10年,成功率卻低於10%。而由於AI的加入,如今的藥物研發成本減少了上億美元,同時也大大縮短了研發時間,一般來説可以縮短一半以上。例如,AI將臨床前候選化合物的研發時間從平均4年半縮短至約13.7個月,縮短了近75%。

  此外,AI還提高了藥物研發的成功率。“通俗講,藥物研發實際上是一個試錯的過程,AI可以幫助我們排除大量錯誤,最後留給我們的就是更大的成功機會。”林建平説。

  正是由於AI制藥具有對傳統制藥碾壓式的優勢,使得AI制藥産業在全球發展壯大。目前,AI制藥産業發展可概括為三大階段:第一個階段,AI制藥公司初步形成,主要針對某個階段的藥物研發提供AI技術服務;第二個階段,AI制藥公司開發了成熟的研發管線,並且開發的藥物進入臨床驗證,這一階段將吸引大量資本和初創企業加入;而第三階段,則進入到關鍵的臨床Ⅱ期藥效性實驗,真正證明AI研發藥物的有效性。

  “目前全球AI制藥産業已步入第三個發展階段。”林建平説。

  我國AI制藥起步較晚,尚處於第二個階段。“但是國內的AI制藥産業發展速度非常快,各大網際網路巨頭以及一些大型藥企均開始佈局AI制藥賽道,當然還包括一些初創公司。”林建平表示。

  據統計,目前國內已有超過60家AI制藥公司,去年我國AI制藥融資規模達12.36億美元,同比增長163.54%。

  AI制藥存在諸多挑戰

  可以説,AI已經滲透到藥物研發領域的各個環節,促進了醫藥産業的升級,在未來極有可能帶來制藥産業的變革。隨著目前AI制藥産業的發展,在不久的將來,我們可能很快會迎來第一款AI技術研發的創新藥物。在期盼之餘,很多人也對AI研發的藥物是否具有風險心存疑慮。

  “目前來説,我們利用AI研發的藥物的風險與傳統的藥物研發風險是一樣的,包括藥物的副作用、毒性、耐受性等。”林建平解釋説,由於目前AI在藥物研發中大多起著輔助作用,最後仍舊需要經過真實的試驗去驗證其安全性和有效性,需要專家去做評定,所以在風險性上與傳統研發藥物相同。但是這樣做也帶來了另一個問題,制藥行業仍以專家經驗為基礎,成為制約AI制藥發展的最大阻礙。“之所以出現這種現象,主要是由於對AI技術助力制藥的不信任。”林建平認為,隨著接下來幾年AI藥物的成功上市,這個問題必將得到解決;另一方面,目前AI在藥物研發全流程中,仍然扮演著輔助工具的角色,沒有佔據主導地位,這也就決定了AI制藥産業難以獲得飛躍式發展。

  而且,AI技術仍在發展中,數據、演算法、算力上的突破也需要一定的時間。如數據量不足、數據品質參差不齊,演算法精度不高、演算法無法滿足需求等,都為AI在藥物研發和應用上帶來了困難。

  此外,AI制藥還面臨許多其他挑戰。比如生命領域的基礎理論研究還有很多沒有解決的問題;再比如複合型人才的缺少,“懂計算的不懂制藥,懂制藥的不懂計算”,如何更好地把生物問題轉化為計算問題,然後用數字手段去解決,這需要大量複合型人才的參與,而這一類人才的培養也是極其耗時的。

  相關連結

  超算驅動現代藥物研發産業發展

  隨著AI技術的不斷發展,AI藥物研發的進程也在“提速”。

  此外,超級計算平臺在現代藥物研發中也發揮著日益強勁的驅動作用,特別是伴隨著“天河”等新一代超級電腦的研製成功,百億級虛擬藥物篩選、大規模全原子分子動力學模擬、大規模AI預訓練模型等計算和智慧技術為現代藥物研發創新帶來新機遇、新發展。

  目前天河超級計算平臺支撐了數十家機構、上百個研發團隊開展高性能計算支撐的虛擬藥物研發工作,取得了良好的成效。國家超級計算天津中心高性能計算部部長康波表示,超算團隊將基於天河新一代超級電腦,研發物理生化模型與人工智慧結合的藥物設計新方法,構建電腦輔助藥物設計研發核心鏈條聚合機制,探索算數融合、藥工結合、研用協同的信創數字數值裝置模式,研製面向創新藥物發現的虛擬實驗室,實現超算驅動現代藥物創新發展的綜合支撐能力。

[責任編輯:楊永青]