美國食品和藥物管理局（FDA）日前發布通知，將逐漸取消單克隆抗體等藥物申請中的動物試驗要求，轉而用人工智能（AI）預測模型、類器官及器官芯片等更高效、更貼近人體反應的“新興替代方法”。
面對動物實驗即將告別歷史舞臺，中國醫藥產業準備好了嗎？相關科學研究的進展和儲備情況如何？在近日召開的“FDA新政下，如何用AI提升非臨床研究的效率”研討會上，與會專家表示，我國新藥研發領域早已開始借AI發力。
提升預測準確率
“AI不僅能夠設計分子藥物，還能夠預測分子藥物進入臨床的概率及上市可能性。”北京大學前沿交叉學科研究院特聘研究員裴劍鋒告訴科技日報記者。
“我們持續關注新藥研發成功率這一關鍵問題。”裴劍鋒說，新藥研發持續時間長，且90%新藥會在臨床試驗階段宣告失敗。他們團隊正在研發AI技術，用以預測新藥研發長鏈上各環節成功率，以指導研發人員在“迷宮”中選對路。
中國醫學科學院腫瘤醫院藥物臨床試驗中心研究員王書航介紹，國家癌癥中心已設立專門機構，匯集罕見病、腫瘤新靶點、多組學等研究數據，并持續與AI企業、高校團隊等合作，開展AI指引下的臨床研究，助力更多原創藥落地。
通過靶點發現創新藥物是當前新藥創制的主要方向之一。如明星靶點PD-1（程序性死亡受體1），已成為腫瘤治療藥物研發的“燈塔”。“并不是所有的潛在靶點都適合開發藥物。如果AI能在立項時預測不同靶點的開發價值，研發者就不會等到進入臨床三期才發現藥物并沒有藥效，從而付出巨大的試錯成本。”裴劍鋒介紹，近年來團隊開發出的AI技術，能給出多靶標的最優藥物設計方案，助力設計出成藥性更高的小分子藥物。
中國科學院計算技術研究所研究員趙屹介紹，他們團隊自主研發的“深度生成模型PRnet”，基于神經網絡架構與生成對抗網絡，實現了對藥物擾動下基因轉錄組動態響應的精準預測，在多個疾病模型驗證中預測準確率達87%。
增強原創能力
“臨床試驗在新藥研發中的時間和費用占比已超70%，卻很難給臨床階段的‘決策’提供準確指導。”山東大學藥學院臨床藥學系主任趙維教授認為，傳統臨床試驗不僅周期長、效率低，最大的問題是準確度較低、療效預測可靠性不足。例如安全性評估方面，漏報率至少達到15%。
FDA專員在相關通知中也談到，替代方法能夠降低研發成本和藥品價格，更快地為患者提供更安全的治療方案。
以安全性評估中的關鍵指標“藥物清除”為例，傳統方法預測有效率最高65.8%。“我們基于35個醫療機構和大學的研究數據，對機器學習模型進行訓練，將預測有效率提升到94.1%。”趙維說，在阿莫西林、頭孢他啶等抗感染藥物用于新生兒時，團隊用模型預測劑量，臨床準確率達到80%。
我國原創藥物研發能力正在增強，但臨床前研究有效數據少、安全性劑量爬坡難等成為原創藥研發的“隱憂”。“AI等新方法能夠對包括安全劑量在內的很多參數進行準確預估，這大大提升了原創藥的研發能力。”趙維說。
除了整體提升新藥研發能力，AI還能發現老藥的新功能或者“挽救”失敗藥品。“老藥被發現時聚焦一個靶點，但它作用于人體網絡，能通過作用于其他靶點展現新療效，而且老藥安全性更好。”華東理工大學藥學院教授唐赟表示，在算法加持下，我國科研團隊持續挖掘藥物、疾病、靶點的新關聯，不斷豐富的中國實踐正在為盤活現有藥物資源提供有效的創新路徑。（記者 張佳星）
