最近，由国家卫生健康委员会、国家中医药管理局及国家疾病预防控制局共同发布的《卫生健康领域中的人工智能应用指南》详细列举了包括药物开发在内的84个实际应用案例。这一举措极大地推动了人工智能技术在医药研究中的加速运用。
长久以来，药物研发领域存在着一个广为人知的现象——“双十”难题：一款新药的研发通常耗时十年，并需投入约十亿美金的成本。面对如何破解这一困境的挑战，人工智能技术被视为关键所在。在最近的一次学术论坛上，中国科学院院士陈凯先指出，AI有望为半导体行业创造超过5550亿美元的价值；而对于制药领域，则预计能够带来高达1.2万亿美元的经济贡献。
近来年，生成式AI不断在其专业领域展现强大动能。对于新型药品的研发而言意味着什么呢？据媒体透露，通过广泛采用各种AI技术和搭建相关平台设施，已经显著加快了制药研究的步伐，并可能促使医疗行业迎来一场革命性的转变。
增强研发效能
在整个药物开发过程中发挥关键作用
在2023年末，一个困扰医药行业长达六十年的问题——新抗生素的研发困境，得到了人工智能的解答。《自然》期刊发表了一篇文章，详细描述了科研人员如何借助AI技术首次识别出能够对抗耐甲氧西林金黄色葡萄球菌（MRSA）的新类型抗生素的过程。
基于3.9万种化合物针对MRSA抗菌效果的数据训练，“脚本”被麻省理工学院的研究小组用来构建一个评估抗生素效能的预测模型。之后，该团队利用三个深度学习算法进一步开发了一个能够识别人类细胞毒性的分析工具，并对超过1200万种不同的化合物进行了筛选，最终找到了既有效对抗MRSA又能保证人体安全的化合物。
此类试验单凭人工几乎是不可能实现的。但是，借助人工智能的强劲能力，显著减少了评估与确认每个分子所需的时间。
过去，在靶点基础上开发药物的成功概率相当有限。统计表明，《细胞》和《自然》这类顶尖学术刊物所提及的初始靶点，最终转化为药品的概率不足百分之十。
尽管已经确定了治疗目标，为何开发新药依然充满挑战？尤其是对于小分子药物而言，在遵循类似“钥匙与锁”匹配的概念下进行研发时，需要在含有成百上千潜在候选物质的化合物库中寻找适合特定靶点的有效成分，这一过程往往既耗时间又耗费大量精力。
在陈凯先看来，“研发新型药物的实践中发现，在已知目标上的创新愈发具有挑战性。”同时他也指出，“探索新的作用靶标同样变得更为艰难，这要求我们必须借助创新的方法和技术来突破现有瓶颈。”
人工智能能够在发现与预测新的治疗靶点上给人类带来史无前例的支持。
陈凯先提到，根据海外的研究数据，利用人工智能技术能够将药物开发的时间减少大约70%，并且使成功的概率增加十倍。
据陈凯先透露，从理论上看，人工智能能够在药物开发的所有环节中展现其价值。在药品创新的过程中，一个新的目标分子被识别通常会引发一系列新型药物的研发，并促进医疗疗法的进步。
“我们国家特别应当把握住人工智能推动医药原始创新的关键时机。” 陈凯先指出, 数据表明，在过去的十多年里, 我国每年识别出的新颖潜在药物靶点数量一直未超过六个，这反映出我国在新药研发领域主要还是处于追赶和模仿的阶段。
近来，人工智能技术日益成为探索潜在治疗目标的关键工具。以中国科学院上海药物研究所郑明月为首的科研团队为例，他们开发了一种名为“脸谱识别”的创新算法，该算法通过分析化学成分特性、基因变异模式及药效活性特征之间的联系，助力新靶点的鉴定工作。此技术的应用显著促进了对甲氨蝶呤这种抗肿瘤老药免疫作用机制的理解。
AI在发掘文献知识中新靶点方面展现出了显著的优势。据陈凯先所述，过去的基础与临床研究积累了海量的数据，这些数据零散地分布在各种研究资料中，并未形成联系，使得它们之间的潜在关系难以被人眼识破。凭借其强大的学习和分析能力，人工智能能够有效地识别出分散在众多文献中的关联性信息，从而促进新机制及靶点的发现。
虽然目前我国尚未有由AI支持开发的药物获得市场批准，但是已经有多个新药品种在人工智能的帮助下迅速推进至临床实验环节。这是陈凯先所指出的观点。
减少研发开支
药品测试的成本已不再是高不可攀。
到2024年末，斯坦福大学及其他科研团队于《细胞》期刊发表文章指出，一种新型的大规模神经网络模型能够跨越多种尺度和模式来描绘并仿真分子、细胞及组织在各种状态下的动态行为。这一进展增强了AI虚拟细胞进行精确模拟的能力，并有望加速科学研究的进程以及提供可靠的实验指导。
日前，《美国国家科学院院刊》发布了一篇文章，指出科研人员采用硅基模型代替传统的碳基生物样本进行实验，其得出的结果与实际观测数据极为吻合。
在这项科学研究中，利用了1635名模拟存在的”数字患者”模型，这些患者被设定为患有已经扩散的乳腺癌。研究人员通过实验确定了一条使用生物标志物来改进乳腺癌治疗方案的有效途径。
通过利用体外实验、动物模型、临床试验以及人口统计和多组学分析的数据，研究人员创建了患者用药反应的数字化镜像——即所谓的“数字孪生”，进而构建出“虚拟病人”。这一过程生成了大量的药效与药理信息，可以用于生物标志物和药物测试。
人类对于生命的运作与想象可以通过数据的形式传达给计算能力，这构成了创建虚拟生物或细胞的核心基础。北京大学未来技术学院副院长席建忠向科技日报的记者阐述，在过去的五十年间，分子生物学借助基因组、蛋白质组及转录组等多层次的“生命信息”解读方式积累了丰富的生命科学数据库。
随着技术的不断融合与发展，人类获取数据的能力显著提升。“目前光学成像技术已经能够达到纳米尺度，可以捕捉到细胞内部细胞器的动态‘影像’。”席建忠指出，这一进展催生了大量新数据与研究项目，并促进了诸如成像组学等新兴学科的发展。这些科技进步不仅加深了我们对生命的理解，同时也构成了数字生命领域的基石。
实际上，我国的研究团队已经在基础设施和科研项目上提前进行了规划与布局。以北京怀柔为例，一个投资数十亿元的多模态跨尺度生物医学成像设施正在逐步建成，包括细胞影像楼、医疗影像楼以及全范围整合中心等核心部分构成了这一强大的科技综合体。其中，该综合体内设有的全范围数据处理中心将为相关科学研究提供显著的数据处理能力支持。
多个团队正致力于重要器官的数字重建工作。“我们的目标是完成肿瘤细胞的数字化。”席建忠指出，由于肿瘤表现出显著的多样性和变化特性，在不同的个体中以及在同一人身体内随时间都会发生变化，因此找到有效的药物极具挑战性。
“通过模拟的癌细胞,我们可以了解特定药物对细胞内信号路径的影响方式。” 席建忠指出,为了达到这一目的,必须首先利用现有的资料与基本模型来创建一个初步的癌细胞模型，并对其加以训练和完善。
在实际操作中，药物测试需要进行真人试验。假设每个病人试用一种药品，则需数千名参与者来完成数千种药品的测试工作。这无疑会带来巨大的实施难度及高昂的成本问题。席建忠指出，利用虚拟细胞技术，在一个模型内可以同时对几千种药剂进行模拟测试，并获取相应的数据集，这种高通量与高度准确性的方法将显著加快肿瘤药物筛选的速度。
在创造型人工智能领域中，最吸引研究人员的是它所带来的意外成果。据席建忠所述，在科研探究的过程中，人工智能有能力跨越各个学科之间的界限。比如，在心脏疾病与传染性疾病间的联合研究中，有可能会发现某些抗病毒药物竟有降低血压的潜在效果等意想不到的现象。
减少产品研发时间
攻克罕见疾病药物开发的难关
在医药开发行业里，针对罕见疾病的药品研究是一项极具挑战性的任务。正因这一原因，监管部门特别为其设立了名为“孤儿药”的快速审查通道。
在目前的情况下，确诊一种罕见疾病通常需要大约4至5年的时光。由于患病人数稀少，导致了研究上的极大挑战——这些疾病的识别变得异常困难，并且缺乏足够的临床试验参与者成为了推进针对这类病症的新药开发的一大障碍。
尽管现代医学已经取得了显著的进步，为何诊断一种疾病仍然需要花费大量的时间呢？
“罕见疾病不会自行标示其身份出现。”据华大基因人工智能项目主管梁伦纲介绍，在临床中这些病症常被误认为是普通疾病处理，比如当发现儿童生长发育显著滞后于同龄群体时，通常会首先寻求营养科的诊断意见。
在罕见疾病的识别过程中，常常遇到症状和基因变异信息复杂多变的情况，而确定诊断需要通过一系列方法将这些不确定因素具体化并相互关联起来。据梁伦纲所述，在经历了多次尝试与错误之后仍未能明确病因时，才会考虑患者是否患有罕见疾病的可能性。随着人工智能技术的进步，特别是生成式大模型的出现和发展，其具备解答复杂问题的能力后，未来对罕见病的确诊可能会跳过耗时且困难重重的试错环节。
近日，在国家卫生健康委员会举办的医药科技創新发布会中，北京协和医院院长张抒扬透露，一款名为GeneT的人工智能大型模型已正式启用，旨在帮助基层医疗工作者进行罕见疾病的诊断与治疗工作。
从简单地对问题做出“肯定”或“否定”的回应，到能解析和阐述诸如“这代表什么，原因何在”这样的难题，人工智能增强了对于罕见疾病的识别与判断能力。
如同其他技术领域的发展轨迹，人工智能首先迅速吸收了罕见疾病领域的专业信息。梁伦纲指出，公开的罕见疾病数据集、相关文献资料以及华大在检测服务过程中积累的数据都将被转化为AI的知识库。尤为关键的是，通过与北京协和医院的合作，将一线临床诊疗经验及时融入其中，从而赋予人工智能宝贵的实战“阅历”。
“除了向AI灌输大量关于罕见疾病的资料外，我们还让它掌握了遗传专家的思维方式。”梁伦纲指出，华大基因将专家们处理问题的方法转换成AI可以理解的形式，使得GeneT模型能够高效识别引发罕见病的基因变异，其工作效率提高了20倍，在模拟和实际病例中的准确率分别达到了99%和98%。
梁伦纲指出，当前尽管GeneT已完成了初期的分析工作，但仍需专家进行审核以确定最终诊断。
数据表明，借助于人工智能大型模型的支持，罕见疾病患者的诊断周期可由多年大幅缩减至四周之内，这一进展令大部分缺乏有效药物治疗的罕见病症领域出现转机。
统计表明，在2017至2022年间，我国针对罕见疾病的在研药物数量显著增长，年平均增幅为34%。不过，《中国临床药学杂志》的一项研究表明，大约有43.9%的罕见病药物临床试验的实际参与人数未达到预期目标。
得益于国家对罕见疾病登记系统的支持，一系列针对这类疾病的临床研究队伍已经建立起来，这有助于加速相关治疗药物的研发进程。“这样的举措使得罕见疾病能够得到更早的诊断。”梁伦纲指出，当这些罕少见病症受到更多关注时，可以有效解决在研发新药过程中遇到的患者样本不足的问题，并为推动该领域的药物开发提供了坚实的基础。
业内专家预测，在接下来的3到5年内，中国将迎来AI在药物开发领域迅猛发展的时期。届时，人工智能将会全面承担从分子改良、合成路径规划直至生成、解析与挑选等各环节的研究任务。
大家期望首个由人工智能参与开发的药品能早日获得批准并进入市场。“推动科研成果向实际应用转化，仍然是医药行业达到高水准发展关键所在。”席建忠表示。
相关文章
