澳鸟-全球资讯平台

你的文章就是头条
日常生活指南分享
首页 > 医疗

AI能治病了?AI生成药物分子90%成功率通过I期临床试验,未来研发新药只需5年

新智元报道

编辑:编辑部

【新智元导读】AlphaFold已经更新到第三代,Al4Science的口号喊了好几年,AI算法在药物发现领域的实质进展究竟如何?BCG的一篇调研报告跟进了生物科技公司近年来使用AI发现的所有药物分子,并分析它们在临床试验中的表现。

AI发现的药物,在临床试验有多成功?

来自BCG的最新研究,首次对此做了初步的分析,结果发现:

AI生成的药物分子在I期临床试验中,成功率高达80%-90%,而历史平均水平约为50%。

这项研究已发表在爱思唯尔《Drug Discovery Today》六月刊上。

原文地址:https://doi.org/10.1016/j.drudis.2024.104009

具体来说,研究人员对100+家「AI原生」生物技术公司临床管线进行首次分析。

除了I期,在II期临床试验中,AI发现药物分子的成功率为40%。

结果表明,AI在设计或识别具有药物特性的分子方面,具有很强的能力,愈加证明了AI发现分子的临床潜力。

而AI在刚刚在不到一年的时间里,已经预测了2亿个蛋白质的结构宇宙。

上周重磅发布的AlphaFold 3,更是以前所未有的「原子精度」,预测出所有的生物分子结构和相互作用。

谷歌DeepMind联合创始人,CEO Demis Hassabis在采访中激动地表示,「AI能为人类做的第一件事,便是治愈数百种疾病」。

甚至有网友称,「谷歌用AI自动化了十亿年的博士时间。传统的药物发现过程是一场马拉松,从概念到临床需要12-18年时间。而借助像AlphaFold这样的AI技术,只需5年或更短的时间实现」。

未来,或许人工智能可以帮助人类摘下药物发现的圣杯。

而下一个关键问题是,AI发现的药物,具体在临床试验中表现如何?

让我们从BCG的研究中,一探究竟。

AI药物发现,深入医疗革命

传统上,药物发现一直是一个既费时又昂贵的过程,并充满了不确定性。

尽管使用了前沿的实验技术,但许多科研项目仍旧步履维艰。即便最终成功,它们通常也需要耗时多年才能完成。

特别是新型小分子药物,通常需要4-6年时间才能发现。

而其他类型的药物(如生物制品和疫苗)虽然可能发现速度更快、成功率更高,但其发现过程依然复杂且风险较大。

人工智能的出现,有望彻底革新药物发现。

它可以在计算机中,模拟执行许多耗时、重复且成本高昂的过程,并极大地扩展了探索规模。

目前,在药物发现中,用到的有影响力的AI技术有:

用知识图谱挖掘OMICs数据及其他信息,帮助理解疾病生物学、确定药物靶点和生物标记物;

运用生成式AI设计小分子药物;

利用AI驱动的结构预测算法,如AlphaFold,优化抗体及其他蛋白质的设计;

AI重新利用药物分子,以及许多其他应用。

过去十年里,随着这些技术的应用,由AI发现的药物和疫苗分子数量显著增加。

2022年的数据显示,AI发现的小分子数量呈「指数」增长,并已开始与传统方法发现的小分子数量相匹配。

原文地址:https://www.nature.com/articles/d41573-022-00025-1

这一趋势,从那时起一直在继续。与此同时,AI发现的「生物制剂」也显示出类似的增长趋势,尽管其数量仍较少。

另外,Nature报道中,还观察到了AI开始加速药物发现的时间线。

如下,是24家AI本土药物发现公司,显示了AI驱动药物发现的增长趋势。

左图a是专注于利用人工智能进行药物发现的公司,右图b是,排名前20的制药公司。

显然,制药行业已经在研发中广泛采用了AI。

到2024年初,全球TOP 20大型制药公司均已入局AI的科研中。并且,这些科研活动,很大一部分都是通过与专门形式「AI原生」生物技术公司合作开展。

因此,在过去5年中,人工智能发现了越来越多的药物和疫苗。

尽管这一领域已经取得了很大的进展,但依然存在许多待解决的问题。

其中最关键的问题之一便是,关于AI发现的分子的质量问题,尤其是它们在临床试验中的安全性和有效性。

为了解答这些问题,BCG对整个行业中AI发现的药物和疫苗进行了首次分析,特别是它们的临床成功率。

不过研究人员同时指出,由于这些分子在临床试验中的数量有限,且该领域正在迅速发展,因此目前的分析还很初步。

但鉴于这一议题对整个行业的重要性,他们认为,有必要报告这些早期的证据,并探讨它们可能带来的影响。

首次探索AI生成药物,在临床试验表现

为了对整个行业进行具有代表性的调查,这项研究使用了超过100家AI原生的生物技术公司公开发表的研发管线数据,并进行了适时更新与交叉验证。

AI技术在发现药物分子方面的应用主要有以下几种模式:

含有AI发现的药物靶点的分子

AI发现的小分子

AI发现的生物制剂

AI发现的疫苗

AI改造已知分子

由于每种发现模式可能会导致截然不同的临床试验成功率,因此论文中对不同发现模式的分子进行了分类统计。

自2015年以来,「AI原生」生物技术公司及其合作的制药公司已经将75种分子引入临床试验,其中67种分子至2023年仍在进行试验。

过去十年里,每年使用AI发现的分子数呈指数级增长,年复合增长率超过60%,这表明AI在药物发现阶段已经取得显著进展,而且这种趋势正扩展到临床试验阶段。

这些药物分子涵盖了多个治疗领域,其中肿瘤治疗尤为突出,占比约50%。

AI主导的生物技术公司发现并进入临床试验的分子数量(包括与制药公司合作发现的分子,排除了与COVID-19相关的分子) (a) 按临床阶段分类 (b) 按发现模式

每种AI发现模式有不同的发展节奏,而且在实际应用中呈现日益多样化的趋势。

2020年以前,AI改造已知分子是主导模式,之后占比逐渐下降并趋于平稳,2023年时达到15%左右。

相比之下,其他发现模式都在快速发展。目前,AI发现小分子的模式占比最大,2023年超过了30%。而且AI发现靶点的分子也在加速进入临床试验,其中很多也属于小分子。

接下来,文章将AI发现的分子进入临床试验后的成功率进行了比较和分析。

一期临床试验,成功率80-90%

截至2023年12月,有24种AI发现的分子完成了第一阶段临床试验,其中21种取得了成功(图2a),成功率介于80%~90%,明显高于行业历史平均水平的40%~65%。

失败的3个分子中,只有1个是因为没有达到评估标准,其他2个是由于公司的业务决策和研发管线的调整而被终止试验。

在第一阶段的数据中,不同发现模式的临床成功率基本持平(图2b)。

图2. 迄今为止AI发现的分子在临床试验中的成功率 (a) 根据临床试验阶段划分 (b) 根据发现模式划分,已完成第一阶段临床试验的分子

在第二阶段,有10种AI发现的分子完成了试验,其中4种取得了成功,成功率为40%,与过去行业平均水平30-40%持平。

暂停或终止试验的6种分子中,其中只有2种是由于数据结果不理想,其他4种均是公司的商业原因导致退出试验。

AI发现的分子在第一阶段的临床试验中的成功率如此之高,背后可能有多种原因。其一是AI倾向于给出经过充分验证的生物靶点或通路,这减少了目标分子存在毒性的风险。

这个因素有一定影响,但不是绝对的。文章发现,通过第一阶段的分子中至少有3种含有创新的靶点。

第二个可能的原因是作者提出的一种假设,即AI算法已经在成熟分子的数据上经过训练,因此可以对分子结构进行有效的微调与优化。

但这种说法也并没有足够的证据支撑,而且之前的研究曾表明,AI算法可以被用于探索新的化学结构,而不仅仅是对已知结构的微调。

或许我们可以将第一阶段的高成功率理解为,AI算法已经非常有能力设计或选择药物分子,包括有优秀ADME性能和安全特征的新型分子,尤其是考虑到每一种发现模式的成功率都比较均衡。

尽管现在断言AI已经解决了一般意义上的分子设计问题还为时尚早,但这份结果可以提供给我们一个初步的概念,一种可能性的思考——用于药物发现的AI算法究竟可以达到什么程度的成就。

第二阶段的数据表明AI发现分子的成功率约为40%,与过去的行业平均水平基本一致。

由于第二阶段通常涉及生物或机制概念的验证,AI算法成功率的下降表明,虽然有能力识别与疾病相关的靶点和通路,但仍存在改进空间。此外,药物发现领域的难关——实现临床疗效,依旧具有挑战性。

然而,这项分析存在一些数据方面的限制和不足,首先是样本量较小,其次是没有包括很多大型制药公司独立用AI发现的药物分子。未来随着更多数据的出现,临床成功率可能会发生比较显著的变化。

药物研发效率翻倍

BGC最新报告,首次揭示了AI发现的分子在临床试验中的潜力,并为未来AI驱动的研发提供关键一瞥。

而要探索这些发现在整个行业中的影响,还需要做一个「思维实验」。

如果按研究人员观察到的,AI发现的分子在第一和第二阶段的成功率,并假设这些在未来仍将持续。

再结合历史上第三阶段的成功率,可以看到:

一个分子从临床首期到终期试验的成功率,可能从5-10%增加到约9-18%。

这相当于,AI将药物研发效率,提高了2倍。

也就意味着,生物技术公司能够以更少的资源、成本实现相同的产出,或在相同的资源下增加新药的上市数量。

除了已经观察到的结果,还有理由相信AI能进一步提升临床表现,特别是在II期和III期阶段的实验中。

理解疾病的致命因素,识别和验证药物靶点,是许多AI生物技术公司、制药公司和学术机构正在积极投资的领域。

尤其是,包括OMICs和表型数据生成、反向翻译(reverse translation)、新患者衍生模型,以及利用LLM以更好挖掘疾病数据。

以上技术,都将有助于弥合分子设计与临床疗效之间的差距,进一步提升临床试验成功率,以超越历史水平。

用AI发现药物,最终的目的是更快、更好、更经济地为患者带来更具创新性的药物。

BGC报告已经看到了,这些技术在临床前工作流中对速度和成本的影响。

在未来几年,随着更多AI发现分子的临床结果的出现,看到AI如何改变整体研发生产力将是非常令人兴奋的。

参考资料:

https://www.sciencedirect.com/science/article/pii/S135964462400134X

未经允许不得转载:澳鸟-全球资讯平台 » AI能治病了?AI生成药物分子90%成功率通过I期临床试验,未来研发新药只需5年

分享到:更多 ()
来源:新智元 编辑:ifhealth

评论

留言/评论 共有条点评
昵称:
验证码:
匿名发表