“AI+藥用輔料”的藥物研發模式淺析

文｜潘繼成

應用AI、大數據進行藥物制劑預測，可以快速、高效地進行藥用輔料篩選與藥物制劑配方開發

我國制藥行業長期以來有“重原料藥，輕輔料”的現象，導致藥物輔料行業起步晚、發展緩，一種含新型藥用輔料的化學藥物的開發過程可能需要十年以上，平均花費28 億美元。即便如此，也有90%的治療性分子未能通過二期臨床試驗和監管機構的批準。近年來，AI 已經被廣泛應用于藥用輔料這一行業。AI 和大數據等技術應用于藥劑學中，能大大減少藥物制劑處方開發過程中人力、物力的消耗，節省時間成本，且更有可能找到更優的處方，對藥物監管和提升藥品質量起到重要作用。

AI 在藥用輔料行業中的應用

AI 對藥用輔料行業的影響廣而深，根據性質不同，AI 在藥物篩選、藥物設計和質量保證等多方面有不同的應用。

AI 助力篩選藥用輔料。AI 技術可用于基于合成可行性的虛擬篩選，也可預測體內的活性和毒性。一是理化性質預測。藥物的物理化學性質，如溶解度、分配系數、電離度和內在通透性，都會間接影響藥物的藥代動力學特性和靶向受體。不同的AI工具可以用來預測藥物的物理化學性質。二是生物活性預測。在某些情況下，開發出的藥物分子可能與非預期的蛋白質或受體相互作用，導致毒性。因此，藥物靶向結合親和力是預測藥物與靶點相互作用的關鍵?；贏I 的方法可以通過考慮藥物及其靶點的特性或相似性來測量藥物的結合親和力。三是毒性預測。以細胞為基礎的體外試驗通常被用作初步研究，然后是動物研究來確定化合物的毒性，增加了藥物的發現成本?，F在通過一些基于網絡的工具，如LimTox、pkCSM、admetSAR 和Toxtree，可以幫助有效降低成本。

AI 協助預測藥物設計。在開發化學藥物的過程中，預測靶蛋白的結構對于設計藥物分子至關重要。AI 可以通過預測3D 蛋白質結構來幫助基于結構的藥物發現，從而使藥物設計符合目標蛋白位點的化學環境，從而有助于在合成或生產前預測化合物對靶點的影響以及安全考量。

AI 嚴控藥物質量。藥物輔料雖不具有明顯的藥物活性，但會與藥物一同進入人體，在體內吸收、代謝、轉運和消化，因此對人的作用也不容忽視。從原材料生產所需產品包括各種參數的平衡，產品的質量控制測試以及批次間一致性的維護都需要人工干預。AI 可用于在線制造過程的監管，以達到產品的預期標準。全面質量管理專家系統中的數據挖掘和各種知識發現技術也可作為制定復雜決策的有價值方法，為智能質量控制創造新技術。

AI 在藥用輔料行業應用困境

目前，整體而言，藥用輔料行業還處于AI 化的低層次階段，既缺乏將AI 作為戰略重點的領軍企業，也缺少持續推動AI 技術創新和應用落地的高端人才，難以推動技術創新和突破，更難以形成“AI+藥用輔料”產業融合的動力，致使AI 在藥用輔料產業的應用層次偏低。

生產能力的困境。自20世紀50年代以來，每投入10 億美元的研發投資，批準的新藥數量幾乎每年減少一半。這些年來，這種趨勢一直非常穩定，被稱為制藥業的反摩爾定律。新藥的開發成本迅速增長，藥物研發面臨著嚴重的生產力危機。

高質量數據的制約。我國醫療大數據存在數據量小、體系不完善、標準不統一、機制不完善等問題。傳統的藥物研究和開發是以實驗科學為基礎，根據實驗的需要進行調整。隨著數字化、信息化在全社會的迅速推進，藥用輔料研發設備的升級和長期積累，可供藥物研發的數據越來越多，因此無法利用普通的方法和軟件工具對一定時間范圍內的所有數據進行分析處理。作為虛擬科學、計算科學和數據科學范疇中的一種方法，AI 將數據放在首位，從數據中提取知識，對數據格式、標準、質量和數量有嚴格的內部要求。

高端復合型人才缺失。AI 藥用輔料新藥研發具有信息技術和醫學的雙重屬性，需要一批既精通AI 尖端技術又精通藥用輔料新藥研發的復合型人才，但我國目前相關領域的人才問題在短時間內還難以解決。一方面，我國人才缺口較大。另一方面，藥用輔料制藥企業進行數字化轉型后，需要根據AI 對藥用輔料開發進行多維同步優化。在考慮數據規模和復雜性的同時，需要重寫機器學習算法。因此，AI深入到傳統醫藥行業的核心業務中，還需要行業人員有更深入的理解和更高的技術準確性。

政策法規的制定滯后。AI 在醫藥研發領域的應用已經出現如監管體系滯后于技術發展，政府單向監管不能有效控制風險，企業缺乏有效合規的治理工具和制度等問題。且AI 算法具有不透明、跨界傳播和溢出等特點，比一般的數字治理覆蓋范圍更廣、難度更大。目前，藥用輔料新藥研發的AI監控體系還不完善，缺乏具體的評價標準、市場準入、收費和退出機制，導致對潛在問題的監控和反饋困難。在人身權、知識產權、財產權、侵權責任認定、法律地位等方面的AI 藥品法律法規也尚屬空白。

AI 在藥用輔料行業發展對策建議

突破新技術和新算法，引導技術創新深入應用。AI 在藥用輔料新藥研發的各個階段都發揮著重要作用，在一定程度上幫助制藥企業降低成本、提高效率。未來，隨著與AI 輔助新藥研發相關的研究和應用進一步深入，需要傳統醫學（生物化學、生物學、生物醫學等）基礎研究與開發的深度整合；需要AI 核心技術專家、生物學家、醫學專家等的聯合研發，借此推進AI 技術在研發藥用輔料新藥各個方面的深入應用。

完善醫藥研發數據庫，構建高質量數據支撐體系。重點關注大數據解決藥用輔料行業的應用問題，完善藥物靶點/表型/分子分型研究，完善醫學研發數據庫，為擴展AI 在新藥研發領域的應用構建高質量的數據支撐系統。在AI 的背景下，要求持有者和輔料生產商如實填寫自己生產、使用的輔料信息，建立輔料數據庫。建議藥品審批中心輔料的注冊信息由省級相關單位查詢共享，供日常監管參考。建議省藥品管理局對其轄區內輔料生產流通企業進行整理，建立相關數據庫，包括藥品配制中使用的輔料名稱和生產廠家名稱，并將包括檢驗、抽樣、出廠等日常監控的相關信息輸入數據庫中，供監管參考。

建立復合人才培養機制，滿足行業人才發展需求。構建“AI+新藥研發”跨學科人才的跨學科培養和產出機制，自主培養一批高素質的“AI+新藥研發”科研人員和技術人員，加快形成適應行業發展需要的人才網絡。鼓勵高校建立與醫藥行業相關的數據分析和信息管理學科，培養“醫學、藥學、生物、化學+大數據”處理的復合型人才，為促進醫藥行業的轉型和升級提供人才。

明細產權結構，建立健全的醫藥監管機制。加強創新體系設計，采取支持和保護措施，包括適時建立監管機制，明晰產權結構，重點保護藥用輔料新藥研發中的數據資源安全和知識產權。對相關法律法規和審批制度的及時修改和完善也必須及時更新。充分利用專利信息，充分了解國內外市場需求和研究動態，有利于科學確立研究方向，追求市場競爭的主動性，避免項目啟動研究中低起點、低層次的重復，造成人力財力物力及時間等方面的浪費。

螺旋上升和波浪前進是新事物的發展規律，重組、建構和處理萬物的自然改變，這是一個復雜、漫長、艱巨的過程。當大數據能塑造更精確的模型，提供更好的藥物，擁有實踐成熟的數據的循環邏輯時，“AI+藥用輔料”將大大加快技術的應用和推廣。AI 和大數據驅動的藥物研發模式仍需進一步深入研究和實踐，才能真正體現價值。