识别已批准药物在其原始医疗范围之外的新治疗适应症是现代生命科学创新的基石。
在一个新药开发仍然成本高昂、耗时且高风险的环境中，AI时代的药物再利用通过利用已建立的安全性和药代动力学数据，提供了一条更有效的市场准入途径。
药物再利用最初主要是由意外的临床观察驱动的偶然过程，现已演变为一种数据驱动和技术支持的策略。研发成本不断上升（在12家全球领先的生物制药公司中，将一种药物从发现阶段推进到上市的平均研发成本从2023年的约21.2亿美元增至2024年的约22.3亿美元），加上新药发现的成功率相对较低，促使制药行业从已知化合物和现有数据集中提取更大价值。
与此同时，包括美国食品药品监督管理局（FDA）在内的监管机构对药物再利用变得更加开放，特别是在解决未满足的临床需求方面。旨在更新药品标签并鼓励识别新用途的举措反映了这一转变。
这一转型已被两个决定性力量加速：COVID-19大流行和人工智能（AI）的快速发展。它们共同从根本上重塑了新治疗用途的识别、验证和推向市场的方式。
COVID-19的催化作用
COVID-19大流行标志着药物再利用的转折点。面对紧迫的全球健康危机，研究人员和监管机构将现有药物视为最快的治疗途径。
瑞德西韦（Remdesivir）最初是为肝炎、埃博拉病毒和马尔堡病毒开发或研究的药物，它展示了已知化合物如何能够迅速重新定向以应对新兴疾病。大流行触发了全球范围内筛选具有抗病毒活性的现有药物的努力，这代表了从传统药物发现模式的转变。
全球范围内筛选现有药物以寻找新适应症的努力导致了与传统药物发现方法的重大转变：
- 药物再利用变得规模化和协调化，而非机会主义
- 现有临床数据迅速调动起来
- 监管途径得到调整以支持更快的部署
重要的是，全球大流行突显了药物再利用的一个核心价值：可以在不开发全新化学实体的情况下实现有意义的治疗进展。然而，它也暴露了一个关键限制。许多早期的再利用候选药物——特别是通过初步或纯计算方法识别的药物——在临床试验中未能证明其有效性。这强调了在速度与严格的科学验证之间取得平衡的必要性。
AI驱动的药物再利用的崛起
如果说COVID-19创造了紧迫性，那么AI提供了大规模响应的工具。
AI驱动的方法使用计算方法，通过分析包括基因组学、蛋白质组学、临床结果和药物-靶点相互作用在内的大型复杂数据集，来识别已批准药物的新治疗用途。这些方法通常结合：
- 基于网络的建模，绘制基因、蛋白质和疾病通路之间的关系
- 基于相似性的分析，识别具有可比分子或表型特征的药物
- 机器学习模型，整合多层次的生物数据
因此，药物再利用已从被动发现转向系统性假设生成，显著增加了潜在新适应症的数量。这一演变正在实现一种更连续的创新模式，即药物的新用途可以在其整个生命周期中被探索，而不仅仅是作为孤立的发现。
AI时代的药物再利用：一组新的知识产权挑战
虽然AI正在扩展药物再利用的范围，但它也在重塑知识产权格局。最直接的挑战之一来自时机。AI系统可以在早期阶段识别再利用候选药物——通常是在支持性实验数据可用之前。这创造了一个熟悉但日益尖锐的困境：尽早提交申请以确保优先权，但支持数据有限；或延迟提交以加强申请，但面临新颖性丧失或第三方披露的风险。
同时，AI驱动发现的速度和规模增加了过早公开披露的风险，特别是在学术或合作环境中产生的发现。因此，研究团队与知识产权团队之间的早期协调对于保持可专利性至关重要。
更广泛地说，虽然再利用候选药物的识别已变得更快、更有系统性，但验证仍然是关键瓶颈。仅靠计算预测不太可能满足可专利性要求，特别是当必须证明可信的治疗效果时。
重新连接创新与保护
在这种不断演变的格局中，知识产权在将科学见解转化为商业现实方面发挥着核心作用。与新型药物发现不同（其保护基于化合物本身），药物再利用主要依赖第二医疗用途专利，这些专利保护已知物质的新治疗应用。这些专利并非辅助性的——它们通常是排他性和价值的主要来源。
这种基于用途的保护依赖性创造了固有的脆弱性。基础化合物可能已过专利期或接近到期，限制了排除竞争对手的能力，除非与特定的声称适应症有关。因此，精确且可执行的权利要求起草变得至关重要。
AI时代药物再利用中的知识产权运作
第二医疗用途权利要求旨在保护已知药物与新识别的临床益处之间的关系。然而，这种关系必须清晰且可信地建立。
专利局越来越关注申请是否证明了特定且合理的治疗效果，特别是当化合物的作用机制已知时。在AI驱动的发现背景下，这更加重视用连贯的科学原理支持计算预测，并在可能的情况下提供实验证据。
权利要求范围也需要仔细校准。过于宽泛的权利要求可能容易受到有效性挑战，而过于狭窄的权利要求则容易被规避。鉴于AI可能为单一化合物生成多个潜在适应症，申请人必须就优先考虑哪些适应症、如何广泛地声称它们以及如何在整个专利组合中构建有价值且分层的保护做出战略决策。
结论
药物再利用的未来将由科学能力、监管支持和知识产权战略的融合所塑造。AI和数据驱动方法正在迅速扩大已知化合物的潜在治疗用途范围。然而，正是知识产权决定了哪些机会可以转化为有意义的患者和商业成果。
对于创新者来说，关键教训很明确：在一个新适应症可以比以往更快识别的环境中，知识产权战略必须从一开始就整合。获取、维护和战略性部署第二医疗用途专利的能力将成为下一代生命科学创新中决定性的竞争优势。
【全文结束】
