AI给制药带来新的想象空间,但落地应用还面临诸多挑战

界面新闻记者|赵一凡

AI开始为人类制造药物。

“人体内大概有上万个锁,大部分都很难成为药物靶点。在这些锁之前,很难找到钥匙。现在AI可以找到打开锁的方法,甚至是用正确的钥匙,这是AI的重要贡献之一。”神石科技创始人兼CEO孙在接受采访时表示。

在药物研发领域,有一个著名的“双十定律”,即一个新药上市需要10年以上,10亿美元。因此,新药的研发可以说是“靠天吃饭”,要在大量的类药分子中找到可能成为药物的化合物,需要很长的时间。不过,AI有望解决这个问题。不仅可以快速计算出具有开发潜力的化合物,还可以通过整合活性等因素来确认与靶标(病原生物分子)的结合方式。

基于这个行业的痛点,神石科技推出了Hermite药物计算设计平台。该平台集成了人工智能物理建模和高性能计算、蛋白质结构预测、药物-靶标结合模式预测、新兴化合物筛选、先导化合物优化和分子性质预测。

“以前大量的重复测试不仅效率低,而且覆盖的空间很小空。现在每一步之前,AI先计算,不适合的就不做实验,整体研发效率会提高。”孙对说:

除了降本增效,AI更大的价值在于能否带来新的可能。即使药物类别看起来很全面,但还是有治不好的病,比如肿瘤,人类自身免疫疾病。

《自然》2017年的一篇论文提到,可能成为药物的化合物数量是10的60次方。这意味着可用于医学的分子数量比太阳系的原子数量还要多,通过传统的实验方法几乎不可能筛选出来。而AI不仅可以扩大计算覆盖面,快速推断大量化合物,还可以综合评估药物性质、活性等因素,筛选出最有可能的。

而很多投资人也抱着美好的想象,认为AI可以打破长期以来药物研发的困局,一轮一轮地选择最有前景的公司推向市场。仅2021年就有270多家AI制药公司成立,一级市场公司数量从10家飙升至60多家。

但由于未能等到一个AI设计的药物成功获批上市,再加上研发周期长、政策不完善等因素,国内AI药企2022年的融资额被剪短。

即使投资者充满期待,也不能否认这样一个事实,即虽然AI提高了临床前药物的研发效率,但他们仍然要面对缺乏高质量临床数据的问题,以及所有药物都要经历漫长的临床试验。

没有高质量的临床数据进行训练,即使是ChatGPT也无法准确回答医学问题。在中国,真实的临床数据被视为机密的商业秘密,主要掌握在制药公司手中。即使AI药企通过与药企合作获得一些数据,也需要花费大量的时间和资源对数据进行数字化调整。

对此,孙认为“数据永远不够。目前瓶颈还是在模型层面。如何利用有限的数据才是最重要的。就像在AlphaFold这样的AI4S工具出现之前,大家都觉得仅仅掌握几十万个蛋白质数据,很难预测现有的几十亿个蛋白质系列。

即使能解决数据问题,留给AI药企的时间也很紧。

人工智能设计的药物与传统药物一样,必须经过严格而漫长的多阶段临床试验阶段。从历年公布的数据来看,只有10%有可能通过I、II、III期临床试验,大部分都需要10到15年以上的时间。这期间还是要坚持长期大规模的投入,同步研发第二个新药,让一个企业正常运转。

但对创业者来说,在资本市场回归理性,既是挑战,也是机遇。根据市场研究机构Research And Markets的数据,到2026年,AI制药的市场规模预计将达到29.94亿美元,咨询公司Gartner也认为,2025年50%的药物发现和研发将使用生成式人工智能。

艾抓住机会为新冠肺炎开发药物,让人们看到它的力量。Moderna使用人工智能平台从其2万个独特的mRNA序列中学习,仅用了42天就设计并生产了第一批待测试的新冠肺炎疫苗。

这意味着,只有解决了所有疾病的宏大叙事,才能让钱打水漂,才能让技术进步的公司最终留在牌桌上。

未经允许不得转载:科技让生活更美好 » AI给制药带来新的想象空间,但落地应用还面临诸多挑战