前言
隨著科學技術(shù)的迅猛發(fā)展，人工智能（AI）技術(shù)正逐步滲透到醫(yī)藥研發(fā)的各個領(lǐng)域，特別是在小分子創(chuàng)新藥物的研發(fā)中，AI技術(shù)以其獨特的優(yōu)勢，為新藥研發(fā)注入了新的活力。目前比較實用的AI模型，包括生成對抗網(wǎng)絡（GANs）、變分自編碼器（VAEs）和擴散模型等，已被科研人員證明在發(fā)現(xiàn)藥物屬性和合成復雜分子結(jié)構(gòu)方面具有顯著優(yōu)勢。本文將從AI在藥物研發(fā)中的應用、AI制藥的數(shù)據(jù)困境、應對策略等方面，探討AI如何讓小分子創(chuàng)新藥綻放。
AI在藥物研發(fā)中的應用
在藥物研發(fā)過程中，藥物候選化合物的篩選與優(yōu)化是一個耗時且昂貴的過程。傳統(tǒng)的篩選方法往往依賴于實驗室的大量試驗，而AI技術(shù)則可以通過虛擬篩選技術(shù)，對大量藥物候選化合物進行模擬和計算，快速篩選出具有潛在活性的化合物。因此，國內(nèi)外一些知名企業(yè)也在這一領(lǐng)域投入了較大的研發(fā)資金和技術(shù)。例如國際上較為知名的 Insilico Medicine 與 Atomwise 等， Insilico Medicine成功利用AI技術(shù)加速了藥物研發(fā)的進程，特別是在其首款AI設計的藥物INS018_055的研發(fā)中取得了顯著成果。INS018_055是用于治療特發(fā)性肺纖維化的候選藥物，這是一種相對罕見但具有侵襲性的肺部疾病。Insilico Medicine利用其端到端的AI驅(qū)動的藥物發(fā)現(xiàn)平臺Pharma.AI，從靶標發(fā)現(xiàn)到臨床前候選藥物提名，整個過程僅用了約18個月的時間，展示了其生成式AI驅(qū)動的藥物發(fā)現(xiàn)管道的高效性。Atomwise他們開發(fā)了一種基于深度學習的虛擬篩選技術(shù)，通過計算分子結(jié)構(gòu)，預測出與疾病靶點相互作用的潛在藥物。Atomwise已成功開發(fā)出針對艾滋病毒逆轉(zhuǎn)錄酶的抑制劑，為耐藥性艾滋病治療提供了新的選擇。這些案例展示了AI在藥物研發(fā)領(lǐng)域的應用范圍，不僅提高了藥物篩選的效率，也為疾病治療帶來了新的突破。目前AI模型分析在PV領(lǐng)域也有一定的推進和發(fā)展，藥物警戒(Pharmacovigilance-PV)：藥物警戒是與發(fā)現(xiàn)、評價、理解和預防不良反應或其他任何可能與藥物有關(guān)問題的科學研究與活動。例如美國食品藥品管理局（FDA）的應用。FDA通過開發(fā)信息可視化平臺（InfoViP），集成了人工智能（AI）和先進的可視化技術(shù)，以支持藥物警戒安全性審評員審查數(shù)據(jù)。該平臺能夠處理FDA不良事件報告系統(tǒng)（FAERS）中收集的超過2300萬份個例安全性報告（ICSRs），通過AI技術(shù)提高審評效率，幫助標準化ICSR評估流程。
AI小分子藥研發(fā)的“數(shù)據(jù)困境”
AI制藥依賴于大量的生物醫(yī)藥數(shù)據(jù)來訓練和優(yōu)化模型。然而，數(shù)據(jù)的質(zhì)量對于AI模型的準確性和有效性至關(guān)重要。如果數(shù)據(jù)存在噪音、偏差或誤差，將直接影響AI在藥物研發(fā)中的預測和決策能力。而且藥物研發(fā)過程中涉及大量的敏感醫(yī)療數(shù)據(jù)，如患者的病歷、基因組數(shù)據(jù)等。這些數(shù)據(jù)的隱私和安全性是一個重要問題。當數(shù)據(jù)泄露或被濫用，將對患者和社會造成不良影響。這是AI制藥研發(fā)過程中要面對的數(shù)據(jù)質(zhì)量與隱私問題。另外，我們需要面對數(shù)據(jù)成本和獲取的“困境”，AI制藥需要獲取多樣化的、高質(zhì)量的數(shù)據(jù)來豐富模型。而獲取這些數(shù)據(jù)往往面臨著困難，如數(shù)據(jù)分散、格式不統(tǒng)一、權(quán)限限制等。而高質(zhì)量、還原度高的數(shù)據(jù)通常需要通過實驗累積獲得，這往往需要大量的時間和資金投入。商業(yè)化購買大型化合物實體庫的成本高昂，對于初創(chuàng)公司來說可能不切實際。最后一個數(shù)據(jù)“困境”來自AI模型在訓練過程中可能會受到訓練數(shù)據(jù)的影響，從而產(chǎn)生偏見。如果訓練數(shù)據(jù)主要來自于特定的數(shù)據(jù)源或具有某種偏向性，那么AI模型在藥物研發(fā)中的預測和決策也可能存在偏見。而且AI制藥的數(shù)據(jù)來源往往有限，這可能導致AI模型在某些方面的預測和決策能力受到限制。為了應對這些“數(shù)據(jù)困境”，需要采取一系列措施，如建立強大的數(shù)據(jù)安全體系、加強數(shù)據(jù)質(zhì)量和隱私保護、促進數(shù)據(jù)共享和合作、開發(fā)新的數(shù)據(jù)獲取和處理技術(shù)等。
AI讓小分子藥研發(fā)綻放新生命
AI制藥行業(yè)正處于快速發(fā)展階段，市場規(guī)模持續(xù)擴大，融資能力整體提升。截止2023年，全球有897家人工智能生物技術(shù)企業(yè)加入到AIDD領(lǐng)域，同比增長28.14%，規(guī)模擴張非常迅速。市場規(guī)模持續(xù)擴大， 2023年中國智能藥品研發(fā)市場規(guī)模達到3.61億元，年均復合增長率達46.67%，預計2024年將增長至6.03億元。然而，盡管AI在小分子藥物研發(fā)中展現(xiàn)出巨大潛力，但仍面臨數(shù)據(jù)困境、技術(shù)壁壘、法律和道德問題等挑戰(zhàn)。數(shù)據(jù)的質(zhì)量和隱私保護是AI制藥中需要解決的重要問題。目前尚無AI研發(fā)的小分子藥物成功上市，多款藥物雖進入臨床階段，但臨床試驗結(jié)果并不理想。這反映了AI技術(shù)在藥物研發(fā)中的復雜性和不確定性。但我相信隨著生成式AI技術(shù)的不斷進步與應用，AI+制藥的融合有望持續(xù)加快。AI技術(shù)有望在新藥發(fā)現(xiàn)、臨床試驗、監(jiān)管審批等方面展現(xiàn)出更大的潛力，推動藥物研發(fā)領(lǐng)域的變革。未來，AI技術(shù)將更加注重與生物醫(yī)藥、臨床醫(yī)學等領(lǐng)域的交叉融合，推動跨學科的創(chuàng)新發(fā)展。同時，隨著技術(shù)的不斷成熟和應用場景的不斷拓展，AI將在藥物研發(fā)領(lǐng)域綻放新的生命活力。
參考文獻
1.《2024 AI制藥行業(yè)研究報告》及共研產(chǎn)業(yè)咨詢（共研網(wǎng)）數(shù)據(jù)
2.《中國AI制藥企業(yè)白皮書》及相關(guān)數(shù)據(jù)整理
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號-57
