AI药物发现：临床成功率翻倍，重塑biotech未来

bioSeedin柏思荟 · 公众号 · · 2024-08-31 18:07

正文

▲扫码报名/Scan QR code for registration

PREFACE

前言

在肿瘤领域，任何一项突破都来自不易。

AI发现的药物在临床Ⅰ期研究中的成功率为80%-90%，远远高于行业历史平均水平。因此，AI发现药物兼顾速度和品质，预示着未来Biotech公司的发展方向。

制药行业已经接受了AI在研发中的使用。拜耳（BAYRY）、百时美施贵宝（BMY）、罗氏（RHHBY）、礼来（LLY）和赛诺菲（SNY）等大型制药公司纷纷与Recursion（RXRX）和Exscientia（EXAI）等专注于AI的小型生物技术公司合作，运用AI引导药物发现。今年5月，谷歌（GOOGL）的DeepMind人工智能研究部门针对药物发现领域推出了第三版AlphaFold AI模型。今年7月，信达生物与WeComput共同推进AI驱动药物的发现和开发。

尽管AI正在药物发现领域大展拳脚，但比起众所周知的高效率和低成本，人们更关注AI发现药物的质量以及在临床试验中的安全性和有效性。今年6月，波士顿咨询集团的一组研究人员最近发表在《Drug Discovery Today》杂志上的一篇同行评议文章首次展示了AI发现的药物在临床试验中的潜力，Ⅰ期成功率80%-90%，Ⅱ期成功率~40%。

AI发现药物提高临床试验成功率

该发现基于来自100多家以人工智能为原生技术的Biotech公司管线数据。截至2023年，这些Biotech公司及其制药合作伙伴已经将75种药物分子推向临床，其中67种正在进行临床试验，大多数（45种）处于临床Ⅰ期阶段（图1）。虽然这些分子针对广泛的治疗领域，但肿瘤领域尤为突出，在I期和II期AI发现的分子中约占50%。

图1 按临床阶段划分AI发现药物。

AI发现药物模式越来越多样化。在2020年之前，AI重新设计分子占据主导地位，此后趋于平稳，到2023年占临床管线的15%。相比之下，其他模式加速发展。目前，AI发现小分子占比最大（2023年>30%），疫苗（~10%）和抗体（~5%）占比较小。另外，一些基于AI发现靶点的分子已经进入临床试验阶段，占比超过30%（图2）。

图2 按发现模式划分AI发现药物。

截至2023年12月，已有24个AI发现的分子完成了I期试验，其中成功的有21个（图3）。这表明成功率为80~90%，远远超出40%~65%的行业历史平均水平。已有10个AI发现的分子完成了Ⅱ期试验，其中成功的有四个，成功率为40%，与30%~40%的行业历史水平一致。

图3 迄今为止，AI发现的分子在临床试验中的表现。

对于上述的分析，我们要注意2个事项。一是样本量小，随着未来几年更多数据的积累，临床成功率可能会发生重大变化；二是数据不详尽，该分析仅包含AI起家的Biotech公司，不包括来自大型制药公司内部AI发现的分子。

AI发现药物高成功率源于算法的精进

AI算法通常具有卓越的设计或选择药物分子的能力，从而获得具有良好药代动力学和安全性特征的新型分子，避免药物分子在I期临床阶段的退出。其次，AI算法还追求经过充分验证的生物学靶点和途径，降低了靶向毒性的风险。最后，早期的AI算法是基于已经存在的、成熟的药物分子数据进行训练的，因此能够有效微调和优化药物分子结构。

然而，在II期开发中，临床成功率下降到~40%，与历史平均水平一致，表明有待改进的地方。但在失败的6个AI发现药物中，只有2个是由于结果数据不佳而未通过II期试验，剩下4个则是由于业务优先事项和临床运营挑战等原因而停止试验。

对未来药物研发的展望

如果将上述成功率与III期成功率相结合，那么使用AI的整体临床成功率将从5%~10%提高到9%~18%，这一结果将使制药公司的研发生产力翻一番。

AI技术在药物研发中的应用预示着：①研发效率的提升：AI技术有望将药物从研发到上市的周期大幅缩短，提高研发效率；②成本的降低：通过更精确的预测和优化，AI技术有助于减少药物研发过程中的资源浪费。

业内正致力于用AI了解疾病的驱动因素以及识别和验证药物靶点，工作集中在组学和表型数据生成，反向翻译，新颖的患者衍生模型以及应用大型语言模型来更好地挖掘疾病数据等方面。未来AI技术会继续弥合分子设计和临床疗效之间的差距，并进一步提高临床试验成功率，超过历史平均水平。

AI药物发现：临床成功率翻倍，重塑biotech未来

正文

请到「今天看啥」查看全文