新華社記者彭茜 林苗苗 黃筱
近年來，人工智慧(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全流程。在新冠疫情期間，多款藥物問世背後也都有AI"身影"，全球"AI製藥"實現加速跑。
(小標題)疫情成"AI製藥"試驗場
新冠疫情為"AI製藥"提供更多試驗機會。疫情期間，AI技術被用於加速新冠小分子藥物、抗體藥和疫苗的研發進程，滿足了大流行對藥物的急迫需要。
今年5月，總部位於中國香港的AI創新藥研發公司英矽智慧利用其AI藥物研發平臺發現了靶向新冠病毒主蛋白酶(3CL)的口服抑制劑。此外，首個獲美國食品和藥物管理局批准的新冠口服藥--輝瑞公司的奈瑪特韋/利托那韋組合，也是在"MareNostrum 4"超級電腦的AI演算法説明下發現的。
除發現新藥，AI也加速了"老藥新用"。2020年英國善心人工智慧公司就宣佈通過其AI平臺，發現美國一款風濕藥巴瑞替尼可用於治療新冠。
"在疫情初期無藥可醫的困境下，AI對現有藥物的再利用緩解了危機，也為新冠疫苗和藥物的研發起到了緩衝。"英矽智慧聯合首席執行官任峰對記者說。
AI還有助優化疫苗研發。德國生物新技術公司正與AI初創公司InstaDeep合作，預測下一個新冠病毒高風險變異株，以使其mRNA疫苗平臺能進行預判。有關演算法已提前識別出包括奧密克戎在內的多種受關注變異株。
(小標題)助力突破"反摩爾定律"
目前，AI可謂掌握"十八般武藝"，已可賦能藥物研發不同階段，涵蓋靶點發現、老藥新用、化合物篩選、分子設計及優化、臨床前實驗結果預測、患者招募分組等。
近年來，由於藥物獲批上市難度越來越大、製藥成本高漲、同質化競爭等因素影響，傳統製藥方式深陷"反摩爾定律"，即儘管製藥公司幾十年來不斷增加投資，但投資10億美元得到的上市新藥數目每9年就減少一半。任峰說，AI可幫助突破"反摩爾定律"，加速藥物研發的關鍵步驟，如靶點發現、化合物設計與生成、臨床試驗設計與結果預測等，從而縮短研發週期、降低研發成本，提高成功率。
藥物研發通常週期長(需10年到15年)、投入高(大於10億到20億美元)、成功率低(小於10%)，需要先對數萬個小分子進行測試篩選，最後只有少數幾個能推進到臨床研究，AI則可大大加快這一進程。據英國AI製藥公司埃克賽恩希亞公司的資料，AI將專案立項推進到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。
主攻智慧藥物設計平臺的公司圓壹智慧創始人兼首席執行官潘麓蓉認為，AI通過對分子、細胞、器官、動物、臨床等不同層面資料的整合、分析，不僅可提升研發流程效率，更可促進整體行業認知水準和方法論的提升。
(小標題)"新舊融合"的挑戰與風險
當下，傳統跨國藥企、大型科技公司和生物科技初創企業均加速佈局"AI製藥"，多個由AI發現和設計的藥物分子已進入臨床試驗。但一些傳統藥企對擁抱數位化有抵觸，而AI領域卻強調"開放"，二者結合仍需長期磨合。
西湖歐米(杭州)生物科技有限公司創始人郭天南說，製藥是保守領域，目前巨頭製藥公司改變框架較難，傳統藥企做創新成本很高，反而新創建的公司會嶄露頭角，行業面臨重新洗牌。
據"AI製藥"智庫"智藥局"統計，截至6月20日，全球共有26家企業的約51個由AI輔助進入臨床Ⅰ期的藥物管線。其中，美國企業占多數，有英矽智慧、未知君、冰洲石生物3家中國企業上榜。
日本製藥企業武田亞太研發中心負責人王璘對記者說，中國發展"AI製藥"有得天獨厚優勢。一方面，中國人口基數龐大，醫院規模可觀，更利於搜集用於訓練AI的大資料。其次，中國大量的醫藥研發合同外包服務機構便於藥企平行開展多項試驗，方便AI學習比對不同結果。
王璘說，部分中國企業發展出自有專利的開發平臺，甚至開始探索在全球尚未有企業涉足的前沿領域，如小分子晶體結構預測、原發藥物設計等。
最新評論