2020年AlphaFold 2 在蛋白質(zhì)結(jié)構(gòu)預(yù)測大賽 CASP14 中，對大部分蛋白質(zhì)結(jié)構(gòu)的預(yù)測與真實結(jié)構(gòu)只差一個原子的寬度，達到了人類利用冷凍電子顯微鏡等復(fù)雜儀器觀察預(yù)測的水平，這一結(jié)果被認為是基本解決了“困擾了生物學(xué)家50年”的問題，為 AI 制藥在藥物研發(fā)領(lǐng)域的應(yīng)用帶來了巨大的推動。
伴隨AI技術(shù)的不斷發(fā)展與進步，資本的涌入，AI賦能制藥在藥物篩選、性質(zhì)預(yù)測、用藥安全等藥物研發(fā)環(huán)節(jié)的滲透率越來越高。在國內(nèi)，AI技術(shù)在制藥領(lǐng)域的應(yīng)用場景也在突破藥物開發(fā)前端的局限，逐步向更多的藥物研發(fā)環(huán)節(jié)拓展，新型藥物遞送、臨床試驗設(shè)計及優(yōu)化等潛力場景已經(jīng)實現(xiàn)了0到1的突破，國內(nèi)大型MNC和AI制藥企業(yè)的合作頻次和合作深度也在不斷拓寬。
傳統(tǒng)制藥的一般流程主要有藥物靶點開發(fā)/驗證、藥物設(shè)計、化合物篩選和合成、臨床前研究、臨床試驗、審批和上市等步驟。在新藥研發(fā)過程中5000~10000個化合物篩選，約5個藥物會進入臨床試驗階段，最終約1個藥物會進入審批上市，成功率僅有 0.01%。且傳統(tǒng)的新藥研發(fā)的周期長、投資大、風(fēng)險高。相關(guān)數(shù)據(jù)顯示，研發(fā)一款新藥平均研發(fā)成本是10-20億美元，平均周期超過10年。
根據(jù)Tech Emergence的數(shù)據(jù)，“AI+制藥”有望提高將新藥研發(fā)的成功率從12％提高到14％，也能每年節(jié)約數(shù)十億美元的研發(fā)費用，同時縮短研發(fā)周期，在研發(fā)主要環(huán)節(jié)節(jié)約40-60%的時間。例如，國內(nèi)英矽智能在臨床前發(fā)現(xiàn)階段從靶點發(fā)現(xiàn)到先導(dǎo)化合物的優(yōu)化，只需要約18個月完成，總體研發(fā)投入不超過270萬美金，而這個過程過去需要五年甚至更長，需要投入數(shù)億美金。
隨著人類基因組測序工程的里程碑式進展以及二代測序技術(shù)的快速普及，基因組、轉(zhuǎn)錄組、蛋白組和代謝組等生物組學(xué)數(shù)據(jù)迅猛增長，生命科學(xué)領(lǐng)域積累了大量高通量數(shù)據(jù)，這對于藥物發(fā)展具有重要意義。同時，伴隨機器算力的發(fā)展，AI技術(shù)由早期的應(yīng)用于藥物發(fā)現(xiàn)領(lǐng)域的決策樹、隨機向量等機器學(xué)習(xí)模型，進展到深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法，從而為藥物研發(fā)提供更多支持。
隨著底層理論到實踐應(yīng)用的突破，AI技術(shù)賦能制藥領(lǐng)域的發(fā)展經(jīng)歷了從0到1的發(fā)展過程。如今AI制藥進入了快速發(fā)展階段，資本開始大量涌入賽道，國內(nèi)外幾十款A(yù)I藥物進入臨床試驗階段，業(yè)內(nèi)紛紛建立合作，端到端解決方案增多，全流程應(yīng)用開始出現(xiàn)，AI技術(shù)在制藥領(lǐng)域的應(yīng)用逐漸向1到10 的階段邁進。
AI賦能制藥的應(yīng)用場景及行業(yè)趨勢包括：
藥物研發(fā)：包括靶點確認、藥物發(fā)現(xiàn)、分子生成以及臨床前階段的藥物生產(chǎn)工藝開發(fā)、制劑配方優(yōu)化、有效性和安全性預(yù)測等。業(yè)內(nèi)的合作形式包括，大型制藥公司選擇發(fā)展自己的AI技術(shù)，對AI制藥初創(chuàng)企業(yè)進行投資并購，或者與AI初創(chuàng)企業(yè)合作，來加速藥物研發(fā)過程。這類案例在行業(yè)十分常見，例如近期英矽智能與諾和諾德圍繞AI平臺賦能肝纖維化靶點發(fā)現(xiàn)達成合作。
用藥安全：包括臨床設(shè)計、藥物風(fēng)險評估、真實世界研究等。人工智能可以在臨床設(shè)計、患者招募、依從性跟蹤等方面體現(xiàn)應(yīng)用價值，例如醫(yī)生可以利用人工智能來預(yù)測血藥濃度和半衰期等參數(shù)，從而調(diào)整藥物劑量和給藥時間間隔，進而降低醫(yī)療事故和不良反應(yīng)。
藥物生產(chǎn)和供應(yīng)鏈：用于整個藥物開發(fā)過程中的生產(chǎn)工藝和成本的優(yōu)化、質(zhì)量控制，提高生產(chǎn)效率。也用于藥物驗證以及假藥識別。
監(jiān)管機構(gòu)的審批：簡化臨床藥品的審批流程，使之更加快速、透明。加強管理監(jiān)管，避免藥品缺失或藥品資料失實。
商業(yè)化：通過人工智能技術(shù)可以更準確地了解患者需求，從而確定更適宜的藥品營銷策略?；谌斯ぶ悄艿姆治?，也能幫助制藥公司縮短市場反饋周期，從而優(yōu)化藥品推廣策略。
梳理國內(nèi)89家AI制藥企業(yè)的業(yè)務(wù)及技術(shù)類型，統(tǒng)計發(fā)現(xiàn)，絕大多數(shù)企業(yè)的業(yè)務(wù)處于藥物發(fā)現(xiàn)階段，進入臨床前研究階段和臨床試驗階段的企業(yè)占比較少，分別18%和16%?？傮w來說，隨著技術(shù)的進步，我國AI技術(shù)已經(jīng)滲透到了藥物研發(fā)的多個環(huán)節(jié)，具體是：
藥物發(fā)現(xiàn)階段：靶點發(fā)現(xiàn)、藥物設(shè)計、化合物篩選及優(yōu)化、分子合成、蛋白結(jié)構(gòu)預(yù)測、適應(yīng)癥預(yù)測、成藥性預(yù)測等。
臨床前研究階段：ADMET 性質(zhì)預(yù)測、PK/PD研究、安全性研究、晶型預(yù)測、生物標志物發(fā)現(xiàn)等。
臨床研究階段：臨床試驗設(shè)計、受試者篩選、臨床結(jié)果預(yù)測、臨床數(shù)據(jù)處理等。
其他：生產(chǎn)工藝開發(fā)、注冊申報、學(xué)術(shù)推廣等。
（來源：醫(yī)前沿）