查看原文
其他

AI制药迈入临床,生物医药产业应有怎样的期待?

药明康德 药明康德 2023-01-02

▎药明康德内容团队编辑

近年来,人工智能(AI)是生物医药产业关注的热点。许多产业资深人士期待利用人工智能和机器学习等技术,能加速药物开发的流程,提高产业的研发产率。但在热情之下,一些人也产生了对人工智能不切实际的幻想,仿佛只需要简单按下一个按钮,等上几年,就可以获得一款新药。


图片来源:123RF


迈入2022年,产业对人工智能的热度不减,也有多款来自人工智能设计的药物已进入临床阶段。对于这些在研疗法,生物医药产业应有怎样的期待?今日,业内知名媒体Endpoints发表了一篇深度报告,指出产业不宜过度乐观,也不用妄自菲薄。人工智能在产业中自有其现实的价值,而产业同仁也需要有着客观和理性的预期。


火热的人工智能领域


毫无疑问,产业在近些年来为人工智能领域倾注了大量的热情。根据DealForma的数据,自2014年以来,共有103起和人工智能以及机器学习的生物技术公司相关的风投轮次,总共募集到了51亿美元的资金。其中光在2021年,就有33亿美元,占总比的近三分之二。这些公司中,不乏一些耳熟能详的名字,比如获得4亿美元C轮融资的insitro,获得3.7亿美元融资的Generate Biomedicines,以及2.55亿美元融资的Insilico Medicine。


▲2021年,涌入人工智能/机器学习新药发现公司的风投资金有明显增加(图片来源:参考资料[1];数据来源:DealForma.com,统计至2022年2月18日)


在研发许可方面,同期的市场则更为活跃——共有243项合作签署,前期付款和期权超过10亿美元,公布的总合作金额达到377亿美元。其中,仅仅是今年1月,数额就已经达到了约100亿美元。


▲人工智能/机器学习新药发现项目的合作金额(图片来源:参考资料[1];数据来源:DealForma.com,统计至2022年2月18日)


insitro首席执行官Daphne Koller博士在接受Endpoints采访时提到,火热的人工智能领域背后,是产业对数据的看重,以及数据收集能力的爆发。在机器学习的史前时代(上世纪九十年代早期),如果一个数据集包含几百个样本,研究人员们就会认为它已经足够庞大了。然而对于机器学习,这样的数据集还是远远不够的。


2012年,这一领域逐渐出现了转变。“大数据”进入主流,数据科学也被证实能产生重要的影响。在大规模数据的训练下,算法模型已经能在无需人类提示的情况下,自行找到一些关键信息,用于区分图片或是不同的问题。也几乎在同一时期,生物医药领域开始拥抱人工智能技术:2012年到2014年期间,多家专攻人工智能的生物技术公司先后宣告成立。


在大量资金的涌入下,这些公司也有着长足的发展。终于,产业等来了历史性的一刻:由人工智能发现的候选药物分子,已经进入了临床试验。


临床试验的关键


2020年1月,位于英国的Exscientia宣布,其候选药物DSP-1181已进入1期临床试验,旨在治疗强迫症(OCD)。相关新闻也指出,这是首个由人工智能平台创造,并进入临床试验的分子——它来源于大规模化合物数据库的筛选。


图片来源:123RF


Recursion随后宣布有两款候选分子进入临床。Endpoints的深度报告指出,它们的诞生,依旧是通过传统的药物发现手段——一款来自Dean Li博士的实验室,另一款则是从俄亥俄州立大学获取的授权。但该公司的创新在于,利用人工智能平台,找到了这两款药物的新应用场景。


然而在热度之外,目前这些临床试验的结果还少之又少。同样是来自Endpoints的报告,作者提到目前仅有的数据来自Exscientia一项公开标签的1期篮子试验。Recursion尚未发表任何1期临床数据,尽管其“已经在为今年年初的2期临床试验做准备。”


看似激进的发展,也引来了人工智能领域另一些从业者的担忧。1910 Genetics首席执行官Jen Nwankwo博士指出在快速推进人工智能管线的同时,应当注意是否能为患者带来真正的改变。在她看来,人工智能与机器学习再怎么能颠覆产业的研发格局,也只是开发好药新药的工具之一。热度之下,关键还在于这些进展是不是能实质性改变患者生活。


“筹集的资金、风险投资的金额、与业务发展伙伴以及医药公司的前期合作规模,这些都是空泛的指标,”Nwankwo博士提到,“我们是一家生物技术公司,让我们来谈谈想要推向市场的药物,我觉得对此的关注还远远不够。对我而言,这不是正确的思考方式。”


重拾理性


Koller博士最担心的问题之一,在于人工智能技术一旦遭遇失利,是否会被其热度所反噬。她说在过去,生物医药产业曾有不少类似的例子:人们曾夸下海口,却最终遭遇失败,导致整个领域的停滞。在人工智能领域,即便第一批进入临床试验的药物没有取得预想中的结果,她也不希望就此终结投资者和研究人员们的热忱。


▲insitro创始人兼首席执行官Daphne Koller博士在2019年药明康德全球论坛上探讨未来需要怎样的大数据与人工智能(相关阅读:专访《时代周刊》风云人物:AI研发新药,我要提醒这几点

背后的原因很简单,与以往的泡沫不同,如今的人工智能技术表明它们真的可以给研发过程带来价值。驾驭了爆炸性的数据增长之后,强大的计算力能用于早期药物发现,或是让大规模的关键性试验变得更为高效。人工智能会对研发过程提供协助,只是我们还不知道协助的比例是多少,是5%?50%?还是80%?


为此,产业的领导者需要做的,是合理调整人们的预期,使其与实际情况结合起来。人们期待能快速看到结果,但成功要比速度更重要。


而调整预期的过程,可能需要大型药企与生物技术公司的共同努力。Endpoints的深度报告指出,目前不少大型药企正在建立自己的人工智能项目,而且正冷静地看待这项创新的工具。葛兰素史克的人工智能与机器学习全球负责人Kim Branson博士提到,在期待看到范式转变的同时,他也期望为这个领域设置合理的目标;诺华的人工智能创新实验室全球负责人Iya Khalil博士则指出,目前机器学习方面的努力很像当时的人类基因组计划。谁都不否认它的重要性,但单独解析出基因组的数据,并不能一下子带来数十种全新的药物。


图片来源:123RF


而生物技术公司也有望做得与众不同。Khalil博士点评指出,一个关键策略是在失败来临之前,先建立起足够的成功机遇。这样一来,即便遭遇失败,这个领域也能从失败中学习,变得更好。另外的一些策略则包括向其它公司提供服务,譬如Insilico Medicine也在为其它公司提供软件。通过使用这些工具,产业的研发人员能够评估研发项目的成功可能。该公司的首席执行官Alex Zhavoronkov博士在Endpoints的采访中提到。


人工智能的未来


大部分生物医药产业的人都相信,我们正处于一个转变期的开端。只是这个转变的幅度能有多大,目前还没有一个明确答案。乐观点讲,倘若上一个十年是属于数据科学的十年,那么这个十年,有可能成为人工智能的十年。问题在于,目前人工智能所获得的热度,是否能为产业带来与之相称的改变?


Koller博士指出,她在这一领域看到了大量的机会,因此不认为热度只是炒作。另一方面,她也指出率先的创新者,也须兼具相应的责任感,因为失败会给领域带来影响。“即便你有一个机器学习模型,能在好靶点的寻找上带来巨大变化,即便你能将成功率从5%提升到10%,或者是20%,失败仍然会是大多数,” Koller博士提到,“你需要真正有长远的目光,理解我们在药物发现领域所尝试做的事,是最困难的事之一。”


图片来源:123RF


这是因为生物学领域极为复杂,人体内的许多系统都相互交织。如果我们改变了其中的一处,从未设想过的另一处也有可能突然出现,带来问题。Koller博士在Endpoints的访谈里讲道。为此,研究人员们还有很长的路要走。在这条道路上,人工智能与科研人员的通力合作,有望产生新的变革。


注:篇幅有限,本文仅介绍Endpoints文中的主要观点。如有兴趣,可点击文末“阅读原文/read more”,阅读英文全文。



参考资料:
[1] Biopharma has hyped AI for years. But as the first trials get underway, experts try to manage expectations, Retrieved February 22, 2022, from https://endpts.com/biopharma-has-hyped-ai-for-years-but-as-the-first-trials-get-underway-experts-try-to-manage-expectations/


免责声明:药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的,文中观点不代表药明康德立场,亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导,请前往正规医院就诊。


版权说明:本文来自药明康德内容团队,欢迎个人转发至朋友圈,谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「药明康德」微信公众号回复“转载”,获取转载须知。


分享在看,聚焦全球生物医药健康创新

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存