聚热点 juredian

百余款AI临床设计新药进入美国IND申报,为何海外没在卷AI药物发现?

“10年,10亿美金,10%成功率”,10年前人们这样形容新药研发。

而在过去几年,AI技术在全球创新药领域大火,吸引众多玩家入行,让“AI赋能药物研发”在短时间里经历了兴起、饱和、内卷。

FDA收到基于机器学习的IND/NDA申请数量(数据来源:如图)

自2021年开始,FDA收到的关于AI赋能药物研发的IND申请也出现了陡增。 远超2020年10倍的AI管线IND申请,预示着全球创新药研发已经来到了“新纪元”。

从FDA的数据也可以看到,2022年收到的AI新药NDA申请也可谓“拔地而起”,全球AI创新药研发开始大踏步进入高监管的临床试验阶段。

AI技术在药物发现阶段体现出的“降本增效”作用已经得到行业的一致认可,随着AI新药管线的整体推进,人们也开始好奇AI在临床试验阶段是否能继续发挥降本增效的作用?

AI临床研究:6大分析类型,9大分析目标

AI技术在医药工业中的应用需要被科学定性,即AI不可能直接生产药物,而是需要与化学、生物学、医学等交叉学科的系统性结合,由AI赋能来找到更科学高效的临床试验方案,才能真正实现新药研发的“降本增效”。

具体到AI技术在临床阶段的应用,FDA通过收到的超300份AI临床研究申请中,总结出了该技术的 “6大分析类型”与 “9大分析目标”。

AI在临床研究中的分析类型与分析目标(数据来源:FDA官网)

分析类型中,有关于试验方法设计的结果预测、协变量选择与混杂变量调整、药物剂量模型,也有辅助临床试验进行的异常观察和结果检测、图像/视频/语音分析、真实世界数据表型/自然语言处理(NLP)。

通过以上途径,AI能够在试验前通过患者富积设计和风险分层/管理,以及合成对照组等组辅助建起受试者群体,并提前预测药物毒性、选择/优化剂量、设计服药依从性/遵守给药方案、评估终点/生物标志物,同时也能通过数据实现药物的上市后监控、发现再利用。

贴合到具体的临床试验流程中,AI可以在前期辅助筛选精准受试患者,并结合药物有效性与毒性的评估,给出依从性较高、剂量合理的试验方案。一方面,这能够帮助临床试验顺利、安全、有效的开展,保障试验的成功率,另一方面,也避免了不适合改疗法患者的“无效陪跑”,毕竟对患者而言时间比金钱更宝贵。

同时,在AI辅助下的临床试验具有较高的数字化特征,各类的数据信息与模型将可能被二次利用。不仅可以帮助药企继续监控药物上市后的各项数据,也能为创新药商业化销售时向医生提供整体性介绍信息,甚至能够作为药企、行业的宝贵真实世界数据模型,辅助未来更多的创新药研发。

海外资本热度较高,我们还缺逆转化科学、监管科学意识

我国临床CRO企业近5年来开始出现数字化转型意识,给AI技术的应用打好了“地基”。但环比全球,我国将AI技术真正应用到临床试验中的相关临床CRO或药物管线,却并不多。

以苹果为首的海外科技型大厂已陆续入局,前后也出现了AI优化临床试验方案、患者筛选、试验数据管理、数字孪生合成对照组等业务的相关创新型企业。以Unlearn AI、Mondel、Deep 6 AI、Notable Health、Quris、Trials.ai、Phastar等为代表的创新AI临床科技型企业受到海外资本市场的广泛亲赖,绝大部分均能在A轮就斩获数千万美元融资。

就目前国内的竞争格局来说,绝大部分企业依旧聚集在药物发现和临床前研究阶段。 临床试验阶段的企业主要以埃格林医药、英矽智能、冰洲石科技等为代表的AI创新药企为代表,也有零氪科技、云深智药、焕一生物、普瑞基准、白星花科技等部分业务设计临床试验设计优化的创新企业。可以发现, 专注于AI技术应用于临床试验的企业并不常见。

国内的AI技术似乎整体拥挤在药物发现和临床前研究阶段,那全球的创新药研发是否也是如此?

FDA收到AI新药的IND/NDA申请中AI技术的具体应用场景(数据来源:如图)

根据FDA统计的数据,令人意外的是, 在递交IND/NDA的AI新药管线中,大部分应用均集中在临床研究阶段。2016-2018年期间的IND/NDA申请,均为在临床试验阶段应用AI技术的AI药物管线。尽管接下来的几年管线数量开始增多,临床研究的应用比例始终保持高位,2021年AI新药管线的陡增也可完全归结于AI技术在临床研究阶段的广泛应用。

那为何FDA披露的相关数据与我国当下AI新药的研发氛围竟有如此大的差距?

“逆转化科学”与“监管科学”是当前的两大重要短板。

传统的研发路径是将基础研究发现付诸实践的过程,通常从了解疾病的发病机制开始,然后找到对应靶点,然后根据靶点特性开发出针对性的药物,最后引用于患者。这个过程相当耗时且成本高昂。 而“逆转化科学”则另辟蹊径,直接从患者出发,通过基因组学和临床表型分析,阐明临床观察的机制为基础,从而开发出有效的疗法。相比下,后者的研发效率更高,但需要开发者具备极高的临床经验和医学知识。

借助于AI技术,目前已经可以实现精准临床前模型选择和患者分层,有助于在进入临床试验前,从体外检测系统和动物研究的数据结果中,计算出在人体试验中的可行性的剂量梯度、给药频率和安全范围,减小候选药物临床前和临床试验之间的差异。以及包括在同一种疾病的患者差异下,如何通过AI技术精准筛选出适合该疗法的受试患者,并合理制定临床终点,设计出科学合理的临床方案,这也同样需要逆转化科学意识驱动下的医学与生物学基础。

为确保药物开发安全、有效和符合伦理,“监管科学”是为其提供了指南和标准。高监管环境不断演变,以及新技术、新方法的层出不穷,让本就难以琢磨的监管机构再蒙上一层“神秘的面纱”。不论是自建法规监管团队,还是与拥有国际法规优势的CRO企业合作,亦或是看好AI技术在此方面的信息化、高效率、即时性等优势,监管科学必定是新药研发需要翻越的一座“高山”。

未来创新药临床研究三大支柱:AI+医学+监管科学

2023年6月16日-19日,临床界权威的国际药物信息大会(DIA)在苏州国际博览中心举办。会议期间,国内知名AI药企埃格林医药的首席医学官李长青博士,就“AI在临床研究中的应用”展开了分享。

李长青博士强调,未来创新药的临床研究将离不开“AI”、“医学”和“监管科学”这三大支柱。在AI方法的基础上,结合坚实的医学和生物学技术,并严格遵守监管科学指南,才能显著改善药物开发过程,降低时间成本,并提高成功结果的可能性。此外,三者的结合还可以促进个性化医疗的发展。根据患者的遗传和表型特征,为个别患者定制专属治疗方案,尤其对于当前新兴的基因疗法、免疫疗法来说,将更有机会开发出有效、安全的创新型疗法。

今年,埃格林医药从理念创新和实际行动中不断推进我国AI技术在临床中的应用。前不久,埃格林医药刚与20余年历史的老牌CRO博济医药达成战略合作,无疑是一个加速AI技术在国内临床试验阶段应用的里程碑事件,同时也开创了AI药企与CRO合作新模式。双方优势互补,埃格林利用自有的AI平台赋能CRO的临床设计,同时博济利用自身雄厚临床试验资源来服务国内外客户,这样一来,埃格林可通过不断训练模型达到更高的精准度,博济可借助AI赋能提升在CRO行业中的竞争力,二者将利用AI技术共同推进中国创新药物的高效临床研发和商业化。

当下AI技术在药物发现阶段的应用已较为普遍,不断传出AI发现新靶点和新分子的消息。也希望在国产创新药管线“高歌”进入临床试验阶段的今天,能有更多AI药企、临床CRO逐渐重视起AI技术在临床应用的意义与重要性。

推动我国的创新药事业从“AI赋能药物发现”走向完整的“AI赋能药物研发”。

本站资源来自互联网,仅供学习,如有侵权,请通知删除,敬请谅解!
搜索建议:余款  余款词条  美国  美国词条  新药  新药词条  申报  申报词条  临床  临床词条  
热博

 在一起中考满分作文

在一起中考满分作文在一起中考满分作文1我们在一起已经整整八年了,八年啊!如果我可以活到80岁,那么就有十分之一的时间我们一直都在一起。我们整天腻在一起,一起做作...(展开)

热博

 【歌词】桂花酿 / 歌手:万芳

给你一碗桂花酿碗底全是碎花瓣甜的那么淡心是多么伤满脸是泪的我你看也不看为了和你好聚好散不敢说出多悲伤你的心已淡我的情未断怎能相信我们还来日方长请你喝完桂花酿从此...(展开)