药物研发是指识别用于治疗或治愈人类疾病的新药物的过程。历史上，新药研发主要通过从天然产物中提取成分和进行基础研究来寻找潜在治疗方法。这一过程通常进展缓慢、令人沮丧且劳动密集。
加速药物研发
20世纪发现的大多数药物都是化学合成的小分子药物，至今仍占市场上药物的90%。其优势包括生产工艺简单和给药途径便捷。它们还具有低特异性和稳定的保质期，这意味着对大范围人群安全有效。然而，低特异性也可能导致副作用，降低临床试验的成功几率。
自1990年代以来，科学和技术进步催生了更大、更复杂的生物治疗药物，即生物制剂，它们对目标具有高度特异性。由于其创新技术和治愈以往无法治疗疾病的潜力，生物制剂引起了媒体和投资者的高度关注。2018年，美国食品药品监督管理局(FDA)批准的59种药物中有17种是生物制剂。
迄今为止，现代药物的研发仍然是一个漫长、昂贵且经常失败的过程。将一种分子推向市场的平均时间为10-12年。德勤2018年报告《衡量制药创新回报》计算出，排名前12的生物制药公司每种药物的研发平均成本为21.68亿美元，是2010年11.88亿美元的两倍。与此同时，2018年后期阶段资产的平均预测峰值销售额下降至4.07亿美元，不到2010年8.16亿美元的一半。因此，预期投资回报率从2010年的10.1%下降至2018年的1.9%。寻找提高将新药推向市场效率和成本效益的方法对行业至关重要。
实现这一目标的一种方法是提高药物研发的准确性、可预测性和速度，这目前约占上述成本的三分之一。在最初筛选的10,000个分子中，只有10个能进入临床试验。此外，进入I期临床试验（临床测试的第一阶段）的化合物成功率略低于10%，且十年来没有提高。鉴于将药物推向市场的成本不断增长，预测准确性提高10%可能为药物开发节省数十亿美元。
AI药物研发颠覆者的崛起
一系列基于人工智能的解决方案正在涌现，对加速药物研发至关重要。虽然这些方案主要集中在转变小分子研究过程，但它们在识别新型生物制剂（如针对癌症、纤维化和其他疾病的治疗性抗体）方面也显示出潜力。AI提高对结构和靶向分子特异性理解的潜力，很大程度上归功于当前可用的结构化和非结构化科学数据量的增加。德勤已确定五个关键挑战，使用AI进行药物研发的公司正将精力集中于此。为疾病靶点寻找新的药物候选物就像为特定锁找到完美的钥匙（图1）。
生物制药采用AI的关键考虑因素
AI算法可以从数据中提取概念和关系，并从数据模式中独立学习，增强人类工作。AI还有助于将已发表的科学文献与替代信息源进行交叉引用，包括临床试验信息、会议摘要、公共数据库和未发表的数据集。通过挖掘此类数据，药物研发中的AI应用已经提供了新的候选药物，在某些情况下只需数月而非数年。如果在药物研发阶段采用AI解决方案，有望启动整个研发流程的生产力。
生物制药公司需要制定强有力的策略，将AI解决方案整合到传统流程中。德勤已确定生物制药公司战略性采用创新时需要考虑的五个关键因素（图2）。
过去三年，生物制药公司已采用多种策略将AI整合到研发过程中，例如建立AI专家和数据分析师团队、投资初创企业以及与科技巨头和/或研究中心建立合作关系。Deep Knowledge Analytics (DKA)《2019年第二季度AI用于药物研发和高级研发的市场概况》报告显示药物研发领域显著增长（截至2019年7月1日包括）170家AI公司、50家大企业、400名投资者和35个主要研发中心。该市场已从2016年的2亿美元增长至2018年的7亿美元。预计在未来五年内将达到200亿美元。
"4P"医学的药物研发未来
德勤认为，利用多源数据的AI和其他创新技术可以实现更精准的靶向治疗，并将帮助医疗生态系统转向医学个性化、预测性、预防性和参与性的未来（图3）。这还将带来新的、更高效有效的护理模式。在未来十年，这些转变将对治疗和患者结果产生重大影响，特别是在未满足医疗需求的领域。
随着使用AI识别的化合物数量增加，能够治疗特定病理的药物将变得可用。这一转变将为医疗行业开启新的未来，因为对疾病机制的更高层次了解将增加可用治疗方法的数量，并在许多情况下治愈此前没有有效治疗方法的疾病。
为了蓬勃发展，生物制药公司需要强大的AI部门以及收购或与最佳AI初创企业合作的战略。具备数字知识的领导者需要将新战略整合到研究单元中。拥有商业和技术跨学科技能的部门之间灵活高效的沟通将成为战略资产。
到2030年，越来越多的药物研发将通过计算机模拟并在与学术界合作下完成。从筛选到临床前测试的时间将缩短至数月，新的潜在药物候选物将以越来越低的成本被识别。这一转变从今天已经开始。
药物研发所用技术的显著进步将演变为使精准医疗成为主流的框架。在接下来的十年中，患者可以期待这些发展对其治疗选择的有效性和疾病结果产生重大影响，特别是在目前没有治疗方法的领域。
脚注
- ScienceDaily，《药物研发》，2019年9月23日访问。
- Bayer AG，《小分子与大分子》，2019年9月23日访问。
- Helen Dowden和Jamie Munro，《临床成功率和治疗重点的趋势》，《自然评论药物发现》18卷（2019年5月8日）：495-96。
- Mark Steedman等人，《解锁研发生产力：2018年制药创新回报衡量》，德勤，2018年12月。
- Gunjan Bhardwaj，《药物价格过于昂贵：技术如何解决这一问题》，《福布斯》，2018年4月16日。
- Ingrid Torjesen，《药物开发：从实验室到货架的药物历程》，《今日药剂师》（2015年5月12日）。
- Derek Lowe，《关于药物失败和批准率的最新情况》，美国科学促进会，2019年5月9日。
- Simon Smith，《33家在药物研发中使用人工智能的制药公司》，BenchSci（博客），2019年10月9日更新。
- Pharma Jobs，《葛兰素史克从基因泰克聘请Branson加强AI团队》，2019年7月11日。
- Deep Knowledge Analytics，《AI用于药物发现、生物标志物开发和高级研发市场概况2019/Q2》，2019年9月23日。
- Deep Knowledge Analytics，《AI用于药物发现、生物标志物开发和高级研发市场概况2019/Q1》，2019年9月23日。
- Business Wire, Inc.，《Cloud Pharmaceuticals与葛兰素史克建立药物设计合作》，2018年5月30日。
【全文结束】
