人工智能（ai）制药行业到底有多火？据上海国际生物医药产业周发布的《2022ai制药行业观察报告》统计，2014—2018年，全球ai制药领域的投资额增长了15倍。中国的企业在ai制药领域中也没有缺席，仅2021年，国内便有20余家ai制药公司获得融资，融资额近百亿元。
撰文 | 赵宇
为什么我们需要ai制药
生物医药行业向来有新靶点缺乏验证，而热门靶点研发扎堆的情况。同时，新药研发周期长、失败率高，药物发现和药物临床试验阶段又要投入大量资金和时间成本。
ai制药正是利用人工智能技术强大的算力和算法，大大缩短药物发现的周期，降低药物发现阶段的时间和人力成本。另外，ai还能通过机器自主学习，发现专家经验以外的规律，优化药物研发流程。
《2022ai制药行业观察报告》数据显示，ai技术能将药物发现、临床前研究的时间缩短近40%，为临床试验阶段节约50%~60%的时间。
由于研发思路不同，ai制药存在两条不同的技术路线。
一条是 “ai＋分子” 路线，即利用算法去发现新的分子，并且将大量有关靶点、疾病、临床试验和实验室的数据投喂给算法，以预测新分子的物理化学参数、结合分数、与药物相似的特征等属性，挑选出具有成药潜力的分子，并将其带入临床。
另一条是 “ai＋疾病” 技术路线。该方法先在微观层面找到基因和疾病的关联，再去寻找能够控制基因表达、抑制疾病发作的药物。
丰富的技术路线给ai制药带来了巨大的市场。《ai制药深度产业报告》显示，2022年国内ai制药市场规模为27亿元人民币，到2035年，这一数字将增长到2040亿元人民币。
然而，想要开拓如此庞大的市场，ai制药行业还有不少问题亟待解决。
ai制药如何实现 “三级跳”
法国制药公司施维雅2021年在药学领域知名期刊《今日药物发现》（drug discovery today）发表文章指出，ai制药技术的意义在于提高人们对疾病异质性的理解，识别失调的分子途径和治疗靶点，设计和优化候选药物，以及评估生物信息相关的临床疗效。实际上，现有的ai制药技术很难同时满足这四点。
有统计显示，一款新药的研发成本需要8.7亿美元，在临床前的研发成本占整体药物研发成本的30%左右。真正耗时、耗钱、成功率低的环节是临床试验的各阶段。
无论是否有ai技术的加持，创新药研发的初心都是恒久不变的，那就是关注患者和医生的诉求——治疗疾病。以 “ai＋疾病” 驱动的制药公司，其技术路线设计的出发点正是为疾病建模，为患者建立特异性模型。
我们认为，在诸多技术中，基因组学、数字孪生和临床试验，是在疾病导向视角下最有可能解决当下ai制药行业瓶颈的三种 “武器”，它们之间的关系就像 “三级跳”，其中，最基础的便是基因组学。
√
基因组学
ai制药该如何关注疾病呢？关键之一是如何驾驭基因组学大数据。
我们在面对肿瘤这样的复杂系统时，拥有了从基因层面到临床层面的大数据，不等于掌握了肿瘤进化、耐药机制，拥有了海量的知识文献，不等于能够发现治疗疾病的新靶点、新的药物起效机制（moa）。
疾病导向的药物开发有三个重要环节：疾病机制研究、患者特征研究和药物机理研究。这三个环节，哪一个都离不开基因组学的支持。
对关键机制的识别，是推荐新靶点、新适应证、优势人群、疗效预测的基础。若要利用好这些能力，还要引入 “三级跳” 中的第二级——数字孪生。
√
数字孪生
在工程建设领域，有一种技术可以在云端建造一个 “工厂”，可将现实工厂的生产状况、设备详情，甚至安全隐患都反映在云端的 “虚拟工厂” 中，这就是数字孪生技术。在制药领域，数字孪生技术也有了自己的表达，那就是生物学的数字化。
通过对制药领域中的数字孪生概念进行回顾，我们可以发现，早在2007年欧洲就已经提出了 “肿瘤数字双胞胎” 的概念。2011年，欧盟就曾经资助过contra cancrum（临床导向转化癌症多级建模）项目。该项目通过为恶性肿瘤发展建模，在不同的生物水平上（例如血管生成、胚胎学、生物力学、医学图像分析等方面）帮助人们更好地理解癌症，模拟各种治疗方案的效果。
国内已有企业在此方面进行了尝试，将每个患者投射成生命功能的数字孪生体。有了上千种通路和细胞行为等功能的数字化模型后，免疫、代谢、应激、抑制肿瘤、促进肿瘤等复杂的生物学事件都可以被数字化，每个生物学事件都拥有了一个 “仪表盘”，每一名患者的生命功能可以定量化地投射到这些 “仪表盘” 上面。在找准基线样本做基线数据后，每一名患者的每个 “仪表盘” 上就有了专属的 “指示灯”，哪个生命功能出现异常，便可一目了然。
19路围棋盘的361个落点可以变幻出无数的棋路，同样，上千个细胞内确定性事件的数字化 “仪表盘” 可以组合模拟千变万化的疾病发生发展情况。拥有了这些生命功能的数字化 “仪表盘” 后，在解释人类基因组的变异功能如何影响疾病的发生发展、如何影响用药疗效方面，达到了相对自由的状态。
而针对一种具体的病、一个具体的药，科学家可以把用药前后患者的上千个数字化 “仪表盘” 数据拿出来做各种组合、分析，去判断响应患者和不响应患者到底是哪些生命功能层面出现了差异，进而去解释疾病、解释药物响应、解释耐药。
√
ai＋临床试验
有了基因组学技术和数字孪生技术后，就可以触及 “三级跳” 的最后一级——临床试验。
很多情况下，临床试验的成功与否与诸多因素相关。药物可能会因错误选择给予的剂量而失效。此外，化合物可能因机制失效而失效，即药物靶向的机制在生理或病理生理（级联）机制中缺乏足够的相关性，这决定了下游的总体临床疗效。
正是深刻感受到临床试验失败之痛，在数字孪生人仿真临床试验方面，全球的监管机构甚至走在了技术的前面。数字孪生可以模拟人类的生理活动。当科学家把 “电子化的药物” 给虚拟人使用后，便可以在计算机上观察药物的效果，为药物选择患者。
美国食品药品监督管理局（fda）和欧洲药品管理局（ema）都已建立计算机建模和仿真研究工作组。fda认为，虽然当前评价产品安全有效性仍然需要依赖实验室模型、动物模型和临床数据。但在未来，通过建立细胞、组织和系统的计算机模型可较好地预测医疗产品的安全有效性；通过建立虚拟患者模型，可测试医疗产品的安全有效性；通过计算机模型，可模拟临床试验方法，显示治疗效果、患者特性及疾病变量的内部关系等。技术的灵活运用能让治病也变得 “千人千面”。
无论是为了解决人类重大疾病难题，攻克缺乏特效药的疾病，还是为了降低药企研发成本，让患者用到更便宜的药物，我们都希望ai制药项目能尽快产业化。
人们总说 “人生如棋”。实际上，我们每个人生来都是一盘残局，接下来的每一步棋该如何走，事关生老病死。我们希望ai制药能运用 “千人千药” 的能力，帮助每一个人赢得生命的 “棋局”。
本文作者赵宇为中科计算技术西部研究院客座教授、图灵·达尔文实验室副主任；胡彬编辑制作、方彤审核。
本文原载于《健康报医生频道》，《西湖欧米》获权转载。