科技日报记者 张佳星
美国食品药品监督管理局（FDA）日前发布通知，将逐渐取消单抗等药物申请中对动物试验要求，转而接受包括基于人工智能（AI）虚拟计算模型、类器官等开展的试验数据。
该新政既被认为将对新药研发带来颠覆性变革，又给医药行业带来了焦虑情绪。
那么，中国医药产业准备好了吗？相关科学研究的进展和储备情况是否能够跟上国际药品监管科学的步伐？
“AI不仅能够设计药物分子，还能够预测分子进入临床的概率、预测其上市的可能性。”在日前召开的“FDA新政下，如何用AI提升非临床研究的效率”研讨会上，北京大学前沿交叉学科研究院特聘研究员裴剑锋告诉科技日报记者，我国新药研发领域早已开始借力AI。
中国新药研发早已借力AI
“我们持续关注新药研发成功率这一关键问题。”裴剑锋表示，过去，即便进入临床试验阶段，仍有90%的新药会失败。因此，团队希望通过AI技术对新药研发长链条上的每个环节进行成功率预测，以指导研发者在“迷宫”中选对路。
中国医学科学院肿瘤医院药物临床试验中心研究员王书航也表示，国家癌症中心设立专门机构，对罕见病、肿瘤新靶点、多组学等数据进行多年积累，并持续与AI企业、高校团队等跨领域开展合作，推动AI指引下临床研究的开展，助力更多原创药落地。
通过靶点发现创新药物是当前新药创制的主要方法之一。如获得诺贝尔奖的明星靶点PD-1，成为肿瘤治疗药物研发的“灯塔”。“并不是所有的潜在靶点都适合开发药物，如果能预测不同靶点的开发价值，研发者就可在立项时充分评估，而不是到临床三期才察觉到巨大的试错成本。”裴剑锋介绍，近年来团队开发出多靶标的最优药物设计方案预测方法等，助力高成药性的小分子化合物的AI设计。
中国科学院计算技术研究所研究员赵屹介绍了团队自主研发的“深度生成模型PRnet”。他表示，该模型基于神经网络架构与生成对抗网络，实现了对药物扰动下基因转录组动态响应的精准预测，在多个疾病模型验证中预测准确率达87%。
AI“智造”消除当前“隐忧”
“临床试验在新药研发中的时间和费用占比已超70%，却很难给临床阶段的‘决策’提供准确的导向性作用。”山东大学药学院临床药学系主任赵维教授表示，传统临床试验不仅周期长、效率低，最大的问题是准确度较低、疗效预测可靠性不足。例如安全性评估方面，漏报率至少达到15%。
FDA专员在相关通知中也谈到，用新方法能够更快地为患者提供更安全的治疗，同时降低研发成本和药品价格。
以安全性评估中的关键指标“药物清除”为例，传统方法预测有效率至高65.8%。“我们基于35个医疗机构和大学的数据，进行机器学习模型的训练，将预测有效率提升到94.1%。”赵维说，团队将模型用于阿莫西林、头孢他啶等常用抗感染药物在新生儿的应用中，为剂量决策等提供支持，临床准确率达到80%。
我国原创药物研发能力正在增强，原创药临床前研究有效数据少、安全性剂量爬坡难等却成为原创药研发的“隐忧”。“AI等新方法能够对包括安全剂量在内的很多参数进行准确预估，这大大提升了原创药研发能力。”赵维举例，先诺欣在IND（新药临床申请）阶段的研发进度位列第15名，由于数据预测少走很多弯路，获批时成为第1名。
除了整体提升新药研发能力，AI还能发现老药的新能力或者“挽救”失败药品。“老药被发现时聚焦一个靶点，但它作用于人体网络，有其他靶点就能有新的疗效，而且老药安全性等性质更好。”华东理工大学药学院教授唐赟表示，在网络推断等算法的加持下，我国科研团队持续挖掘药物、疾病、靶点的新关联，预测老药新能力或重新开发失败药品，例如证明治疗高血脂的普伐他汀等对肿瘤有效。不断丰富的中国实践正在为盘活现有药物资源提供有效的创新路径。
