開發(fā)出一種潛在的暢銷藥物通常需要在實驗室進行數(shù)年的廣泛分析，由研究人員團隊有條不紊地篩選數(shù)據(jù)和測試結果，以發(fā)掘出一種有希望的候選藥物。不過，當日本武田制藥(TAK.US)在今年2月以40億美元的價格從波士頓一家初創(chuàng)公司手中收購一種實驗性牛皮癬藥物時，該公司僅用了六個月的時間就通過人工智能獲得了一種化合物。
在接下來的幾個月里，這種通過人工智能和機器學習算法從數(shù)千種潛在分子中挑選出來的藥物將進入臨床試驗的最后階段。如果成功，它可能成為在人工智能幫助下發(fā)現(xiàn)的首批療法之一。投行Jefferies的分析師預計，其年銷售額可能高達5,000億日元(約合37億美元)。
武田制藥從波士頓Nimbus Therapeutics LLC購買的實驗性藥物將成為世界上為數(shù)不多的治療牛皮癬的口服藥物之一。牛皮癬是一種皮膚病，全世界有1.25億人患有此病。該藥物也有可能治療其他疾病，如克羅恩病，一種炎癥性腸病。這種藥物目前被稱為TAK-279，已經(jīng)成功地通過了前兩個階段的人體試驗。Nimbus首席執(zhí)行官Jeb Keiper表示，算法選擇當前分子的時間大約是傳統(tǒng)方法兩年時間的四分之一。
(資料圖)
在武田制藥利用人工智能開發(fā)藥物之際，全球制藥公司正在擁抱人工智能，旨在削減成本、加快藥物上市時間。摩根士丹利預估，在未來10年，人工智能在早期藥物開發(fā)中的應用可能會轉化為50種新療法，銷售額超過500億美元。
研究公司Deep Pharma Intelligence預估，在過去四年中，對人工智能驅動的藥物研發(fā)公司的投資增長了兩倍，到2022年達到246億美元。去年1月，賽諾菲(SNY.US)同意向總部位于英國的Exscientia Plc預付1億美元，再加上可能高達52億美元的里程碑付款，用于研究新藥，并利用人工智能系統(tǒng)開發(fā)多達15種腫瘤學和免疫學候選藥物。
拜耳(BAYRY.U)、羅氏(RHHBY.US)和武田制藥等公司正在與鹽湖城的Recursion制藥公司合作，利用機器學習探索藥物發(fā)現(xiàn)。與此同時，阿斯利康(AZN.US)與英國的BenevolentAI和圣地亞哥的Illumina Inc.建立了合作伙伴關系，進行類似的努力。
為制藥商提供數(shù)字流程和分析方面的建議的麥肯錫合伙人Alex Devereson表示：“當生物制藥公司成功地將人工智能應用于研發(fā)時，可能會產生重大影響。在未來五年內，我們預計這些方法將在結構上更多地融入制藥研發(fā)流程，并產生更大的規(guī)模影響。”
雖然人工智能可以提供幫助，但在選擇分子后，科學家仍然需要做很多傳統(tǒng)的工作。武田制藥的化合物還需要進行數(shù)年的人體臨床試驗和其他測試。人工智能還有其他局限性，例如，它不能預測復雜的生物特性，如化合物的功效和副作用。盡管如此，使用技術來確定下一個重磅療法可以幫助消除一些猜測，這些猜測通常需要數(shù)百個實驗室實驗，而這通常需要很多年才能確定有希望的分子。
2018年之后，大型制藥公司對投資人工智能和機器學習變得更加認真。當時谷歌母公司Alphabet(GOOGL.US)的DeepMind部門使用了一個名為AlphaFold的人工智能程序，在預測蛋白質形狀(疾病的基本組成部分)方面擊敗了一位生物學家。弄清蛋白質的形狀是生物學中最棘手的問題之一，這有助于藥物獵人縮小可能與蛋白質相互作用的分子范圍，并確定治療疾病的藥物。
傳統(tǒng)上，將一種新藥推向市場需要花費近30億美元，而且大約90%的實驗藥物都失敗了。因此，加快這一過程的技術可能是利潤的一大推動力。加州Scripps Research Translational Institute創(chuàng)始人兼主任Eric Topol指出，現(xiàn)在使用AlphaFold確定蛋白質的3D結構只需幾秒鐘，而不是幾個月或幾年。
新冠疫情加速了制藥公司采用人工智能的增長，因為制藥行業(yè)急于開發(fā)對抗未知病毒的武器。在疫情期間，輝瑞(PFE.US)與BioNTech SE(BNTX.US)合作開發(fā)了新冠疫苗社區(qū)(Covid - 19 vaccine community)。該公司還擴大了與總部位于中國深圳的人工智能藥物研發(fā)公司XtalPi Inc.的合作伙伴關系，以加快抗疫藥Paxlovid的化學配方。這兩種藥物都在不到兩年的時間內獲得了美國食品藥物管理局(fda)的批準，比大多數(shù)藥物上市通常需要10年的時間要快得多。監(jiān)管機構急于向公眾提供對抗新冠病毒的武器，也推動了這一速度。
如今，武田制藥從波士頓到圣地亞哥再到日本湘南的研發(fā)中心，有500多名定量科學家和技術專家每天都在處理數(shù)據(jù)，尋找、開發(fā)和制造突破性藥物。這家制藥商使用人工智能和機器學習來識別針對蛋白質的最佳分子，并了解疾病的特征以及它們在不同患者群體中的變化。它與麻省理工學院和幾家人工智能初創(chuàng)公司合作。
武田制藥數(shù)據(jù)科學研究所所長Anne Heatherington表示:“任何能夠為我們的員工解鎖尖端技能、減少體力勞動、消除系統(tǒng)摩擦、騰出時間進行更深入的科學洞察和發(fā)現(xiàn)的技術都是至關重要的。”
武田制藥的大型競爭對手也在利用人工智能。輝瑞首席數(shù)字和技術官Lidia Fonseca表示，輝瑞希望與DeepMind的AlphaFold合作，幫助公司設計和驗證以前未知的高效治療靶點。Lidia Fonseca表示:“我們將強大的超級計算能力與人工智能和機器學習模型結合起來，將整體計算時間縮短了80%至90%，這實際上有助于快速開發(fā)Paxlovid?！?/p>
在世界各地，初創(chuàng)公司利用人工智能發(fā)現(xiàn)的幾種潛在藥物已經(jīng)進入人體試驗階段。其中5個來自Recursion制藥公司，用于治療罕見疾病和腫瘤，3個來自Exscientia公司，用于治療癌癥和強迫癥等疾病。總部位于中國香港的Insilico Medicine有一種候選藥物正在進行中期人體試驗，用于治療最常見的肺纖維化。
總部位于英國的葛蘭素史克(GSK.US)擁有160多名致力于人工智能和機器學習的專家，以支持其研發(fā)和制造。自2019年以來一直擔任葛蘭素史克人工智能主管的Kim Branson表示，該公司還生成數(shù)據(jù)來構建和支持公司自己的機器學習模型，這樣每位科學家最終都能從公司過去產生的數(shù)據(jù)中受益。
不過，葛蘭素史克的Kim Branson也表示，雖然人工智能非常擅長將來自不同來源的數(shù)據(jù)拼湊在一起，但當它用于復雜系統(tǒng)時，事情就變得棘手了。他表示，為了確保安全，實驗室實驗通常是必要的。此外，斯坦福大學的研究人員在2018年發(fā)表在《新英格蘭醫(yī)學雜志》上的一項研究中寫道，用于創(chuàng)建算法的數(shù)據(jù)可能包含偏見，這可以反映在它們生成的臨床建議中。研究人員發(fā)現(xiàn)，算法也會扭曲結果，這取決于是誰開發(fā)的。
這并不能阻止投資的激增。斯坦福大學生物工程學教授Russ Altman表示，過去五年左右，要求對潛在的人工智能藥物研發(fā)公司進行評估的風險投資家數(shù)量激增。數(shù)十年來，他一直在為風投公司對生物技術初創(chuàng)公司進行盡職調查。“從零到一百?！盧uss Altman表示：“30年來，我沒有對人工智能制藥公司做過任何盡職調查。現(xiàn)在我已經(jīng)做了6到10次了。”
