《自然》呼吁謹(jǐn)慎：人工智能加速藥物研發(fā)的能力仍需現(xiàn)實檢驗

幾十年來，研究人員一直在尋找加速藥物研發(fā)的方法。然而，這個過程越來越慢，風(fēng)險越來越大，成本越來越高。

有研究表明，從藥物發(fā)現(xiàn)計劃的啟動到國家藥品監(jiān)管機(jī)構(gòu)批準(zhǔn)上市，通常需要1215年的時間，進(jìn)入臨床試驗的藥物中約有十分之九無法獲批上市。還有研究估計，將一種藥物推向市場的成本約為25億美元。

人工智能（AI）或為破局之道。越來越多的人認(rèn)為，生成式人工智能正在從根本上縮短臨床試驗前的階段。

當(dāng)?shù)貢r間10月10日，《自然》（Nature）雜志在線發(fā)表了一篇題為《人工智能加速藥物發(fā)現(xiàn)的潛力需要現(xiàn)實檢驗》（AI’s potential to accelerate drug discovery needs a reality check）的社論，認(rèn)為需更加謹(jǐn)慎地看待人工智能在藥物研發(fā)領(lǐng)域取得的進(jìn)展。

文章介紹，藥物研發(fā)通常從確定導(dǎo)致疾病的生物靶標(biāo)開始，可能包括DNA、RNA、蛋白質(zhì)受體或酶，然后篩選可能與之相互作用的分子——這就是所謂的藥物“發(fā)現(xiàn)”階段。經(jīng)藥物“發(fā)現(xiàn)”階段后的候選藥物一般都是小分子，藥物化學(xué)家致力于提高它們的活性，并減少任何相關(guān)的問題。如果實驗成功，研究人員將開發(fā)一種先導(dǎo)分子進(jìn)入臨床前測試，它將幫助科學(xué)家了解候選藥物如何在動物體內(nèi)運(yùn)輸、分解和排泄，以及回答藥物在被批準(zhǔn)進(jìn)行臨床試驗之前的安全性和劑量問題。

有研究顯示，從藥物“發(fā)現(xiàn)”到臨床前階段平均需要6年。2022年2月，總部位于美國馬薩諸塞州的波士頓咨詢公司（BCG）的研究人員報告了2010年至2021年間20家相對較新的人工智能驅(qū)動型制藥公司的研究管線。根據(jù)公開數(shù)據(jù)，BCG小組確定約有15種候選藥物已進(jìn)入臨床試驗階段，其中8種候選藥物都在10年內(nèi)進(jìn)入了臨床試驗階段，5種候選藥物進(jìn)入臨床試驗階段的時間少于歷史平均時間。

2023年6月，由BCG和全球性慈善基金會惠康（Wellcome）共同撰寫的另一份報告稱，人工智能可以在藥物研發(fā)直至臨床前階段節(jié)省至少2550%的時間和成本。

2022年2月，總部設(shè)于美國紐約和中國香港的制藥公司英矽智能（Insilico Medicine）宣布，由人工智能識別靶標(biāo)并生成分子的候選藥物——用于治療特發(fā)性肺纖維化的INS018_055已完成I期臨床試驗。值得關(guān)注的是，該候選藥物在短短30個月內(nèi)就完成了發(fā)現(xiàn)和臨床前階段。2023年6月，英矽智能開啟了2期臨床試驗。

“這些都是值得注意的進(jìn)展，無疑將推動投資。”《自然》社論表示，雖然人工智能相對年輕，但在BCG 2022年的分析中，20家AI制藥公司已經(jīng)有158種候選藥物處于發(fā)現(xiàn)和臨床前開發(fā)階段。

但文章同時指出，前述說法來自公司本身。在可以獨立驗證之前，需要謹(jǐn)慎行事。研究結(jié)果需要發(fā)表在同行評審的文獻(xiàn)中，并由與相關(guān)公司無關(guān)的研究人員進(jìn)行認(rèn)證。

人工智能加速藥物研發(fā)也面臨其他挑戰(zhàn)。文章認(rèn)為，基于生成式人工智能的系統(tǒng)從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)，生成具有相似特征的新數(shù)據(jù)，從而推薦候選藥物分子，其中可能存在問題。比如，在回答用戶問題時，聊天機(jī)器人ChatGPT（OpenAI公司開發(fā)）有時會捏造答案，在藥物發(fā)現(xiàn)中，類似的問題會導(dǎo)致它提出不可能制造的物質(zhì)。這些問題需要通過人工調(diào)整分子結(jié)構(gòu)以及其他人工智能工具來克服。

同時，為了讓人工智能系統(tǒng)學(xué)習(xí)和改進(jìn)，需要有人制造和測試它們推薦的分子，并將結(jié)果反饋到人工智能系統(tǒng)中，這部分工作主要由制藥公司完成，然而，他們往往對自己的結(jié)果保密，部分原因是避免被競爭對手“搶先”。

“藥物發(fā)現(xiàn)過程涉及很多運(yùn)氣。即使人工智能確實減少了將化合物納入臨床前測試所需的時間和成本，大多數(shù)候選藥物在后期階段仍然會失敗。任何能夠加快這一進(jìn)程的東西都代表著勝利，工業(yè)界和學(xué)術(shù)界必須利用彼此的優(yōu)勢來確定如何利用人工智能發(fā)揮最佳效果。”文章寫道。

參考資料：https://www.nature.com/articles/d41586023031726