10+药企案例，人工智能正在改变新药研发进程
关键词：药企+AI 新药研发
阅读时间：约7分钟
文/基因慧
国内CRO龙头企业药明康德日前参与领投美国人工智能公司Insilico Medicine，将AI应用于靶点识别、药物研发及抗衰老研究。在药企巨头纷纷选择与AI企业联姻的新时代，《Nature》以一篇长文探讨了人工智能可能对药物研发产生的变革，基因慧做简要编译，在行业研究视角加以分析，供读者参考。
图，来自《Nature》
新药研发周期长、成本高已成为医药行业的共同痛点。AI主要应用于药物研发的临床前研究阶段，主要集中于药物靶点的确认、活性化合物的筛选、药物安全性的评估、药物有效性的测试。
图， 新药开发流程图，图片来自www.newsummitbio.com
据《Nature》报道，新药研发的平均成本约为26亿美元，大约耗费10年时间。它包括了漫长的小分子化合物研发阶段、三期临床试验、以及注册审批的过程。
新药研发是一个耗时耗资且失败率高的巨大工程，能够通过这重重考验并成功上市的药物，仅有不到1/10。
研发失败，尤其是临床试验后期的失败是每一个药企最不愿意看到的事，其中最主要的临床试验失败源于候选药物缺乏有效性，即药物的靶点不对。
目前主流的做法是通过药物研发外包服务，合作开发或收购一些有潜力的生物技术公司来提高药物研发效率，但这并没有真正意义上的改变“先假设再验证”的药物试验模式。
AI的深度学习能够通过穷尽各大患者及健康人群数据库找到药物候选靶点，运用算法精准预测，快速筛选活性化合物，虚拟构建药物分子。AI让药物研发模式发生了本质上的逆转，通过真实数据获取并找到最有可能成立的假设。
麦肯锡的Chilukuri表示，“药物研发的周期一般需要大约10年，因此，一般收益将在未来10到15年内出现。从中期来看，AI对制药行业的价值增长可能相当于销售额增长5%到10%，但长期收益将超过这一水平。”
利用AI研发新药的生物科技公司BergHealth，其研发平台首先通过详细的医学历史、科学出版物和化学数据库的数据来识别病人和病人之间的遗传和其他标记，再将根据与特定疾病相关的基因、蛋白质或代谢物排列，确定特定的基因或蛋白质与特定的病人结果相关联。Narain博士说，“这种筛查比传统方法至少便宜50%”。
最引发药企关注的，当属AI技术可加速定位合适的候选药物靶点，大大缩短药物研发的周期，两家AI驱动的生物医药公司研究路径示例：
BergHealth：建立庞大生物标记库，利用AI建模分析
● 建立生物标记库建模分析：通过创建细胞株，对其基因、蛋白质、代谢物、酶和脂质进行标识，生成体量庞大的生物标记库。模拟不同疾病患者的状态进行观察，从这些健康和不同疾病的细胞株中生成数以万亿计的数据节点。通过人工智能与计算建模分析，绘制健康和疾病不同差异的关键信号通路。
● 舍弃传统的反复试错法：BergHealth的创始人兼首席执行官Niven Narian表示，我们将彻底颠覆药物研发的范式，舍弃传统的“先假设再验证”的反复试错法，通过使用真实患者数据，先找到最有可能成立的假设，再进行验证。新方法只需要9-12个月就能研制出一款药物。
● 主要抗癌药已进入临床试验：通过这种方法，BergHealth成功找到了癌症代谢的关键作用分子，这使得癌症新药研发与靶向药物治疗成为可能。其主要抗癌药物—BPM31510，目前处于针对晚期胰腺癌患者治疗的II期临床试验过程中。BenevolentBio：提取全球学术、临床试验的有用信息
● 提取全球临床科研信息：利用技术平台JACS（Judgment Augmented Cognition System，判断加强认知系统），从全球范围内海量的学术论文、专利、临床试验结果、患者记录等数据中，提取出有用的信息，发现新药研发的蛛丝马迹。● 标记潜在化合物：2017年，借助JACS的分析能力，BenevolentBio 标记了100个可用于治疗肌萎缩性侧索硬化症(ALS)的潜在化合物，从中筛选出5个化合物。经过英国谢菲尔德神经转化研究所的小鼠试验，证实在治愈运动神经衰退方面确有疗效。● 4/5 的筛选率：BenevolentBio的首席执行官Jackie Hunter表示，“其中四种化合物功效明显，4/5的筛选率，这是研究人员之前从未想过的。”
近两年，各大药企巨头纷纷选择与医疗AI公司合作（见下表），希望借助AI技术，缩短研发周期，提升药物研发的效率。详情见基因慧后续行研报告。
图，药企巨头与AI公司合作示例，基因慧制表
值得一提的是，除了在新药研发领域，不少药企巨头也试图通过在AI+大数据等领域，在个体化健康医疗进行整体战略布局。
2017年，罗氏旗下基因泰克与医疗行业数据化分析公司GNS Healthcare达成协议。GNS Healthcare 的AI平台能把大数据、机器学习和仿真技术结合起来判断疾病预后效果，辅助医疗供应商进行市场决策。
我们知道AI平台需要结合海量的大数据进行训练、模拟和处理。可以看到，罗氏紧接着在电子健康记录和基因检测大数据上开始大刀阔斧地布局。
2018年2月，罗氏以19亿美元收购电子健康记录软件提供商Flatiron Health。Flatiron Health 拥有大量癌症领域的真实世界数据，包括从病患临床记录、基因组等数据，能够帮助肿瘤学家和医生做出更好的临床诊断，选择最佳的治疗方案。
同年6月，罗氏宣布24亿美元收购癌症基因检测公司 Foundation Medicine（简称“FMI”）。早在2015年，罗氏就出资10.4亿美元，获得FMI 56%的股份。FMI是基因行业知名的肿瘤基因检测企业，以FDA批准的Panel等标准化产品服务临床。这对于罗氏而言，占据极大的头部数据效应优势。
2016年，辉瑞与IBM合作，辉瑞通过 Watson for Drug Discovery 机器学习、自然语言处理及其它认知推理能力，快速分析大量的文本数据，使用大量实验室数据、临床报告，用于免疫肿瘤学中潜在药物靶点的寻找，联合疗法和患者选择策略。
2018年5月，以算法驱动创新的AI医药研发公司晶泰科技与辉瑞合作，通过融合量子物理与人工智能，建立小分子药物模拟算法平台，显著提高算法的精确度和适用广泛度，驱动小分子药物的创新。
2018年2月，阿斯利康与阿里巴巴旗下公司阿里健康合作，以互联网、人工智能、物联网等新技术为驱动力，双方将共创健康服务的新模式。患者将可通过扫描药品包装盒上的阿里健康追溯码，获取更多的疾病防治知识和延伸健康服务。
虽然目前药物企业与AI公司纷纷进行紧密的合作，但多数药物仍处于研发的早期阶段。我们已看到AI技术应用于医药领域的效用和巨大潜力；同时，发展过程中也面临诸多挑战：
对AI的认知不足
在BenchSci发布的调查显示，在330位药物研发科学家当中，有41%的人并不了解AI技术，也不清楚如何利用机器学习来帮助他们更好地筛选合适的新药。
新药研发的复杂识别模式
药明康德旗下药明明码的AI项目总负责人Thomas Chittenden称，通过AI技术对人体生物学进行处理与训练，让我们对疾病有了更充分的认知。但目前对于人工智能识别系统来说，新药研发以及其临床试验的有效性评估仍是极其复杂的识别模式。
审批严格
通过FDA审批的医疗AI产品大多数是属于Class II认证，通过对比传统临床决策系统来证明安全有效性。相比之下，中国药监局的法规及审批流程更为严格，目前还没有推出新一代医疗AI的审批标准。
但可以明确的是，药物企业与AI的结合必然是未来市场的趋势，也将在未来十甚至二十年的时间内，对医药领域进行一场颠覆性的革命，迎来新时代。
总体来看，人工智能助力药物研发只是加速生命健康领域发展的其中一个方面，在生命健康更多领域，也不乏人工智能的身影，辅助疾病诊断、辅助治疗、健康管理、医院管理、智能穿戴设备等领域，均有较为成功的案例涌现。国内如晶泰科技、视见科技、深睿医疗等AI医疗创新型公司如雨后春笋，部分已获得国家队资本的支持。未来，人工智能将有更宽更广的应用前景，需要企业的探索和实践，特别是生命健康领域将成为AI应用的成熟场景。
同时，人工智能需要和临床实践、医疗专家知识库结合。无论人工智能技术和医疗专家之间的竞技比赛如何，都是普惠于民，人工智能作为新兴技术作为医生的帮手和工具，同时医疗专家也可以从人工智能的模式中进行自我进化，二者相得益彰，自成体系，最终都需要回归解决医疗问题和服务大众。
参考链接：
https://www.nature.com/articles/d41586-018-05267-x
【招募】基因慧现面向广大读者招募新媒体编辑、兼职专栏作者、行业分析师，请感兴趣的读者将简历发送至info@genonet.cn。
▼ 首个数字生命健康产业大数据平台
（扫码查看）
关于基因慧
GeneClub
基因慧是数字生命健康领域专业的科技媒体和咨询机构。基于深耕十年的专业性，我们致力于建立行业信用评级和决策咨询的大数据平台，为医疗健康等机构提供科普宣传、行研咨询和产业链接服务，赋能产学政的融合，使连接产生价值，用数据决策未来。
基因慧作为“十三五”重点图书《临床生物样本库的探索与实践》编委单位，广东省精准医学学会遗传病分会常委单位、深圳市健康产业发展促进会副会长单位，在行业大会上发布了《2018年基因行业创投报告》等数个报告（详情），参与组织首个《临床基因检测报告规范与基因检测行业共识》落地（详情），主办了首届数字健康私董会（详情），为政府和产业决策者提供行业咨询和市场调研服务。
▼ 点击阅读原文，直达YourMap产业地图