【中國制藥網(wǎng) 編輯視點】作為新一輪信息技術(shù)革命的重要發(fā)展方向，人工智能(簡稱AI)正走出實驗室，走向廣闊的行業(yè)應(yīng)用，成為經(jīng)濟發(fā)展的新動力。據(jù)預測，下一個十年，人工智能將得以爆發(fā)，并主導一個科技與商業(yè)時代。那么在醫(yī)藥領(lǐng)域，人工智能會是藥物研發(fā)的未來嗎？有行業(yè)人士表示，在醫(yī)學影像、藥效挖掘、新藥研發(fā)、健康管理等領(lǐng)域，人工智能正在承擔醫(yī)生助手的角色。
開發(fā)新藥是是一項漫長而且低效率的工作。數(shù)據(jù)顯示，所有進入臨床試驗階段的藥物，只有不到12%的藥品終能夠上市銷售，而且一款新藥的平均研發(fā)成本高達26億美金。
藥物研發(fā)人員需要對各種不同的化合物以及化學物質(zhì)進行測試，這個試驗過程中的錯誤嘗試耗費了太多的時間和金錢。由于不斷試錯的成本太高，越來越多的藥物開發(fā)廠商開始轉(zhuǎn)向計算機和人工智能，希望利用這種技術(shù)來縮小潛在藥物分子的范圍，從而節(jié)省后續(xù)測試的時間和金錢。為了識別那些有很大潛力可以作為藥物靶標的蛋白質(zhì)的編碼基因，這些廠商把希望寄托了算法上。目前，一些新的算法模型(包括近日發(fā)布在《Science Translational Medicine》上)增加了新層次的復雜性，用來縮小相關(guān)蛋白質(zhì)、藥物和臨床數(shù)據(jù)的范圍，以便更好地預測哪些基因有可能讓蛋白質(zhì)和藥物結(jié)合。
在藥物開發(fā)過程中結(jié)合機器學習，有著提升開發(fā)效率的潛力。機器學習不但可以加速時間范圍，還可以提高到達后期試驗階段藥物的成功概率(probability of success, POS)。Medicxi Ventures的合伙人 David Grainger認為，錯誤發(fā)現(xiàn)率(False Discovery Rate, FDR)是一個統(tǒng)計學現(xiàn)象，而避免FDR則有可能將后期試驗階段的風險減半。
此外，在藥物發(fā)現(xiàn)的早期階段中，現(xiàn)有虛擬篩選的方法名為“高通量篩選”，而它非常容易受到FDR的影響。如果可以將第3階段試驗的風險減半，就可以為大型制藥公司節(jié)約數(shù)十億美元的成本，影響其超過900億美元的研發(fā)經(jīng)費并帶來有意義的回報，使其能夠騰出資源集中于尋找更有潛力的機會。
“雖然與后期試驗相關(guān)的巨額費用往往側(cè)重于臨床試驗的設(shè)計元素，但我們認為，將AI/ML應(yīng)用于優(yōu)化后期階段在選擇標準、規(guī)模和研究長度等方面的決策，也可以實現(xiàn)有意義的效率提高。”
藥品研發(fā)速度的提升一直是人們希望解決的問題，通過大數(shù)據(jù)和人工智能，讓數(shù)據(jù)的計算模擬藥品研發(fā)過程、降低研發(fā)成本、預測性藥品的效果。隨著人工智能和機器學習的不斷整合，人們將有望在新藥研發(fā)的過程中顯著地實現(xiàn)“去風險”，不但將節(jié)約每年約260億美元的研發(fā)成本，同時還將提高醫(yī)療信息領(lǐng)域的效率，節(jié)約的成本價值超過每年280億美元。
對于人工智能在藥物研發(fā)領(lǐng)域的應(yīng)用，醫(yī)藥企業(yè)開始逐漸探討。如位于英國倫敦的BenevolentAI是一家致力于人工智能技術(shù)開發(fā)和應(yīng)用的公司，他們建立了一種有望更快更好開發(fā)新藥的人工智能技術(shù)，而強生公司成為了個嘗鮮者。近，強生公司把一些尚處于試驗中的小分子化合物轉(zhuǎn)交給了BenevolentAI，進行開發(fā)。而BenevolentAI將利用人工智能系統(tǒng)來指導臨床試驗的進行和數(shù)據(jù)的收集，他們計劃早在2017年中展開2b期臨床試驗。公司的執(zhí)行官Hunter博士說表示，人工智能也許很快就能給制藥業(yè)甚至整個社會帶來革命性的變化，我們衷心希望作為BenevolentAI和強生能夠早日通過人工智能帶來新藥，造?；颊?。
評論