焦点汽车网
adtop
焦点汽车网 > 动态 > 颠覆式创新还是资本噱头?AI制药驶入快车道

颠覆式创新还是资本噱头?AI制药驶入快车道

编辑:李陈默  时间:2022-09-21 22:54  来源:东方财富   阅读量:10697   

纵观生物医学发展的历史,药物发现长期以来都取决于运气最近几年来,人工智能在生物医药行业得到广泛应用,可以提高商业化候选药物的识别能力,降低新药研发的成本和时间国内,包括赢驷智能,景泰科技,神石科技等人工智能制药公司纷纷崛起在全球范围内,辉瑞,诺和诺德等大药企已经开始广泛关注并进入这一领域

在人工智能+医疗R&D进入快车道的同时,市场也在担忧这是颠覆式创新还是资本噱头业内人士普遍认为,人工智能+医药研发前景广阔,但目前其作用主要体现在药物筛选阶段此外,行业还面临着复合型人才短缺,数据使用限制等问题,亟待解决

AI+制药升温,新赛道越来越拥挤。

在上海张江的一栋写字楼里,赢驷智能科技有限公司联席首席执行官兼首席科学官任峰告诉记者,该公司研发的一种针对主蛋白酶的全新候选药物,用于治疗新冠肺炎,最早将于今年年底进入临床试验。

成立不过几年,但赢驷智能已经引起了业界的广泛关注,并完成了D轮融资2019年9月落户上海后,企业规模不断扩大记者采访时发现,这家企业在上海的办公室已经达到百人规模由于员工的快速扩张,该企业刚刚从一个较小的办公场所搬到这里

任峰说,与现有的治疗新冠肺炎的药物相比,赢驷智能的候选药物有几个优势首先,从原料到合成化合物只需要两步,合成效率更高比如辉瑞治疗新冠肺炎的药物,从原料到最终合成需要七个步骤,其次,该药物无需与其他代谢酶抑制剂联合使用,可进一步降低药物的毒副作用同时,该药还具有广谱抗病毒的特点这种药物不仅对新冠肺炎有疗效,而且对其他冠状病毒,包括SARS和MERS,也表现出抗病毒活性任峰说

此前,赢驷智能还利用人工智能平台发现并设计了抗纤维化候选新药ISM001—055目前,这种药物已经在中国开始I期临床试验,首批健康受试者已经给药这也是国内首个由人工智能发现和设计并进入临床试验的药物

除了赢驷智能,国内几家有代表性的人工智能制药企业,如景泰科技,神石科技等也纷纷落户上海张江人工制药企业扎根于此,与张江扎实的生物医药产业基础密不可分浦东新区提供的数据显示,目前,张江科学城聚集了1400多家生物医药创新主体,全球制药10强中有7家落户张江,世界前20大制药公司在张江设立9个开放式创新中心

我们的定位是做一家AI制药公司,所以我们非常希望未来能在浦东新区实现干实验和湿实验的闭环,把我们的AI技术和张江的一系列前沿技术充分结合,最终诞生一种好药上海申世维思科技有限公司生物医药事业群副总裁范说

一般来说,干实验是指实验室前通过计算工具和模型进行新药研发的筛选阶段,湿实验是指实验室的相关阶段。

新生力量不断进入这个新的赛道,传统医药巨头也走到了尽头例如,辉瑞公司与景泰科技合作,在6周内确认了来自新冠肺炎的药物Paxlovid的主要晶型

今年以来,多家上市药企也加快了这一赛道的布局,包括云南白药,复星医药等日前,诺和诺德宣布与微软达成合作,结合微软的计算服务,云,人工智能和诺和诺德的药物发现和开发能力此前,诺和诺德还与生命科学机器人技术公司HighRes Biosolutions达成合作双方将为高通量生物产品工程和特性分析设计最先进的机器人平台

针对生物,化学,临床试验三大痛点。

传统新药研发主要面临三大痛点一是与生物有关,找不到合适的目标,二是与化学有关,找不到药性好,结构新颖的化合物,第三,与临床试验有关从药物研发的历史来看,临床试验的设计与新药研发的成败密切相关任峰总结了医药行业面临的三大痛点

正是这三个痛点,让生物医药行业陷入了倒摩尔定律的恶性循环:即即使投入巨大的资源,新药研发的成功率和回报率都很低根据行业报告提供的数据,目前一种新药的平均R&D周期已经达到10年以上,投资约为20亿美元候选药物即使通过I期临床试验,其进入市场的概率也只有5%左右

根据德勤的报告,制药公司的R&D投资回报率在过去十年中一直处于下降趋势,从2010年的10.1%下降到2019年的1.8%说实话,还不如直接把钱存银行,回报率更高一位业内人士告诉记者

人工智能+医疗研发针对以上三大痛点,以提高效率和成功率为突破口,赋能新药研发。

任峰介绍,针对上述三大痛点,石英智能设计了三个平台,分别是PandaOmics,通过深度解读组学数据,分析各类数据,发现并评估合适的药物靶点,Chemistry42平台,从零开始为选定的目标设计具有特定性质的化合物,InClinico改进临床试验方案设计,预测成功概率。

任峰以发展最快的抗纤维化项目为例首先,R&D团队通过泛基因组学寻找疾病与靶点的关系,发现了泛纤维化的全新靶点然后利用基于生成式对抗网络技术的Chemistry42从虚拟库和从头生成的化合物库中的数千万个分子中筛选出约2000个分子然后根据药物选择性,生物利用度,代谢稳定性,口服给药,安全性等维度筛选合成了78个分子,最终确定了一个临床前候选化合物

从项目建立到获得临床前候选化合物,我们花了18个月,而传统方法需要大约4.5年任峰介绍

范举例说,通过人工智能技术的应用,分子筛选的过程可以从过去的一两年缩短到一两天目前,神石科技已经参与了11个药物研发流水线,最快的流水线已经到了工艺表征阶段

而数据人才是两个亟待解决的瓶颈。

人工智能+医疗研发并非万能,也面临一定的局限性目前人工智能技术还是更多用于早期药物发现和评估一旦涉及到动物实验,从全球范围来看,人工智能能做的工作还是比较有限的范对说道

业内人士认为,行业的发展还面临两个瓶颈:数据和人才在人才方面,人工智能+医疗研发需要大量精通人工智能,算法和生物医药研发的人才要找到两方面都非常专业的复合型人才,很有挑战性我们现在的选择是找到专攻某一方面的人才,然后慢慢培养行业需要的其他方面的知识任峰说

据记者了解,一些高校还开设了生物信息学等交叉学科,以适应行业发展的需要。

在数据方面,由于人工智能平台的训练需要大量的数据支持,目前数据采集一方面受到法律合规性的限制,另一方面也是因为在传统的医院治疗过程中,更多的诊疗信息记录在纸面上,即使以数字化的方式记录,也普遍存在格式不一致的问题清理,整理成人工智能平台可以使用的数据也很费时费力,过程复杂

某主要人工智能企业负责人表示,人工智能训练使用的数据主要来自国际公开数据,国内相关数据的使用也面临监管和法律的限制这就需要监管方加强引导,进一步明确哪些数据可以用,怎么用,哪些数据不能用,该负责人说更深层次的,还涉及到医疗数据的归属问题比如患者就医咨询的数据是患者所有还是医院所有这需要相关法律法规进一步明确

针对数据纸质记录和数字记录不规范的问题,一些医疗企业也在进行数字化改造比如不久前举行的2022世界人工智能大会上,GE医疗展出的一套PeriOpx20系统,可以针对临床需求,提供全流程的数据采集,可视化显示,结构化存储和智能应用业内人士认为,伴随着类似系统在医院的广泛应用,可以为人工智能医药行业提供更多可用的标准化数据

郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。