首个由人工智能发现和设计的候选药物完成国内I期临床试验首次给药
英矽智能（InsilicoMedicine）7月28日宣布首个在中国进入临床试验阶段的、由人工智能发现和设计的候选药物ISM001-055，在中国完成了I期临床试验中的首次健康受试者给药，该款药物用于特发性肺纤维化治疗。
该项目于2022年5月，获得中国国家药品监督管理局药品审评中心（CDE）1类新药临床试验默示许可。此前，该候选药物已完成在澳大利亚开展的微剂量组试验，并取得了理想的结果。
特发性肺纤维化是一种导致肺功能进行性、不可逆转下降的慢性肺部疾病，在全球范围内存在大量未被满足的医疗需求，随着病情进展和肺部纤维化的加重，患者呼吸功能不断恶化，最终导致呼吸衰竭。
英矽智能的ISM001-055是一款全球首创的小分子抑制剂，具有全新靶点和全新的化学结构，由该公司自主研发的端到端人工智能平台Pharma.AI所发现和设计。临床前数据显示，该候选药物显著改善了肌成纤维细胞的形成，而控制肌成纤维细胞的形成有助于减缓纤维化的发展。
首个由AI推动进入临床的创新药
传统的新药研发是一项复杂而长期的系统工程。据德勤的一项统计显示，一款新药从着手研发到获批上市，整个过程的平均耗时大约需要14年，仅化合物筛选到临床前研究就需花费约4-6年的时间，推动新药上市的成本更是高达19.8亿美元。
如今，有了AI技术辅助新药研发，可以大大缩短新药发现时间、节省成本、提高收益。
值得一提的是，ISM001-055从靶点发现到提名临床前候选化合物仅花费了270万美元研发经费，耗时仅18个月。
“我们的AI平台PandaOmics可以探索和分析受到致病基因影响的信号通路。以特发性肺纤维化这个项目为例，我们筛选出了20个全新的靶点。”英矽智能联合首席执行官、首席科学官任峰博士对于这些发现非常惊喜。
研发团队进一步通过人工智能对这些靶点的新颖性、可信度、商业性、成药性、安全性等多维度分析，选定了其中一个靶点，并进一步通过自研的AI平台Chemistry42，针对该全新靶点设计出了全新的小分子化合物。
他们用实践证明了，人工智能技术已经可以通过组学数据和文本证据（出版物、科研经费项目和行业权威观点）等海量的公开信息，在短时间内发现药物与疾病之间复杂的关系，找到靶点并自动设计和生成具有特定属性的小分子化合物，所花费的时间和成本远低于传统药物研发的方法。
AI药物研发赛道迎来风口
近年来，由于AI辅助药物研发大大提高了研究的效率，辉瑞、默沙东、阿斯利康等跨国制药企业纷纷布局AI药物研发领域，开展与AI药物研发初创企业的全面合作，据《AI药物研发发展研究报告2021》显示，2020年至2021年底，全球约有近30项依托AI技术研发的候选药物已获批进入临床。
虽然，近年来《关于印发新一代人工智能发展规划的通知》等一系列利好政策的颁布，着力推动了人工智能技术在医疗各细分领域的应用。然而，从分布范围来看，凭借技术和医药领域的先发优势，2015-2020年有一半以上的AI药物研发融资发生在美国。受限于技术、理念和人才等各方面因素，国内医药企业在该领域的布局略晚于海外企业，仅有药明康德、中国生物医药等大型制药企业踊跃尝试，在这方面的融资事件主要集中发生在2020年之后，但是呈现出快速增长趋势，这预示着AI药物研发的东风已来。
覆盖全链的“端到端”策略
从已公开的资料显示，AI药物研发初创企业大多布局在早期药物研发的某一个环节，如：化合物筛选或靶点发现阶段，但是AI作为辅助新药开发的技术，最终的价值落脚点是成药。像英矽智能这样，真正实现从零到一的概念验证突破，用AI设计药物分子，并将项目推向临床阶段的企业，可谓凤毛麟角。
因此，这家以人工智能驱动药物研发的创新型企业，成立至今已先后获得了来自药明康德、启明创投、华平投资等超过25家知名海内外资方，超过3.8亿美元的重金投资。
他们获得资本的青睐，其背后端到端人工智能药物发现平台是重要原因之一。自2014年以来，他们利用深度生成模型、强化学习、转换模型等现代机器学习技术，自主研发了能够覆盖药物研发产业链的端到端、全链条的Pharma.AI平台。
这个强大且高效的人工智能药物研发平台主要分为三个模块：PandaOmics应用于识别和发现靶点，Chemistry42用于生成新型分子，InClinico用于设计和预测临床试验，系统地连接了生成生物学、生成化学和临床试验分析。
有别于大多数AI药物研发初创企业，还停留在概念性或定制化服务的摸索中，英矽智能的端到端AI平台已经以商业化软件服务的形式呈现，可直接部署在合作的制药的系统，更便于药企投入自己的新药研发，提高他们的研发效率。
“有了AI加持50人可以做到的事情，可能比得上一个典型的制药公司5000人所作的事情”英矽智能的创始人、首席执行官AlexZhavoronkov在他的《跨越衰老》一书中如是说道。
目前，英矽智能已与住友制药、复星医药等知名药企，及剑桥大学、芝加哥大学、苏黎世大学等顶尖高校达成了PandaOmics授权合作。全球排名前三十的制药企业中，目前已有9家在应用他们的Chemistry42平台，包括默克和优时比。
植根在生物医药的沃土——上海
虽然出生在美国，但从靶点发现到进入临床，英矽智能却将其研发中心植根在生物医药的沃土——上海，发展他们的事业。
“我们看好上海的创新发展，看好中国医药行业的发展，”任峰坦言，“随着一些创新药在美国和欧洲的销量越来越少，而在中国市场的销量越来越多，很多外企也都把他们的业务重心设置在上海。”
任峰相信，无论是国家的政策，还是产业环境，无论是患者的数量，还是产业基金对生物医药的支持，未来生物制药的发展方向都在中国，而上海则是国内生物医药行业环境最适合他们施展的地方。
“比如，上海的合同研发外包氛围在国内是最好的，像药明康德、桑迪亚、睿智化学、康龙化成等相对完善的CRO企业配套在这里，拥有生物医药产业发展孕育的土壤和聚集的创新要素。”自08年就扎根与张江药谷，葛兰素史克和美迪西的任职经历，让任峰对这片土地良好的创新与合作环境深有体会。
有了AI技术，生物信息也许是续比特币之后又一座“金矿”。有足够的癌症、神经系统、免疫疾病的生物组学信息数据，AI就能发挥出它的优势。
据艾瑞咨询研究院统计数据显示，2021年，我国的人工智能核心产业规模已达到1998亿元规模，到2026年，该产业规模将超过6000亿元。“十四五”期间，上海的人工智能产业规模年均增速将达到15%左右，人工智能产业正以肉眼可见的速度崛起。
未来可期，随着英矽智能这样的AIDD公司，共同建立起研发数据的标准体系，AI药物研发企业逐渐明晰行业的商业模式，建立起药企同AI企业“风险与利益共担”的共享机制，人工智能将成为推动城市经济社会发展的重要驱动力量。
原标题：《首个由人工智能发现和设计的候选药物完成国内I期临床试验首次给药》
阅读原文
医学领域的人工智能
医学领域的人工智能是使用机器学习模型搜索医疗数据，发现洞察，从而帮助改善健康状况和患者体验。得益于近年来计算机科学和信息技术的发展，人工智能(AI)正迅速成为现代医学中不可或缺的一部分。由人工智能支持的人工智能算法和其他应用程序正在为临床和研究领域的医学专业人员提供支持。
目前，人工智能在医学领域中最常见的职责是临床决策支持和医学影像分析。临床决策支持工具可让医疗服务提供方快速访问与其患者相关的信息或研究，从而帮助他们制定有关治疗、用药、心理健康和其他患者需求方面的决策。在医学影像方面，人工智能工具可用于分析CT扫描、X射线、核磁共振影像以及其他影像，以找出人类放射科医师可能会错过的病变或其他检查结果。
新冠病毒疫情为众多医疗系统带来严峻挑战，而这也促使全球许多医疗卫生组织开始实地测试人工智能支持的新兴技术，比如旨在帮助监视患者的算法以及用于筛查新冠患者的基于人工智能的工具。
这些测试的研究和结果仍在收集过程中，且有关在医学领域应用人工智能的总体标准仍在制定过程中。但人工智能已经让越来越多的临床医生、研究人员以及他们所服务的患者从中受益。在这个角度来说，人工智能无疑将成为数字化医疗卫生系统的核心，为现代医学的形成和发展提供支持。
人工智能能否取代人体临床试验
人工智能等新兴科技在新药研发领域广受关注，“虚拟临床试验”等概念也层出不穷。11月2日，世界顶尖科学家新药研发论坛上，全球顶尖科学家共话制药新篇。
2013年诺贝尔化学奖得主亚利耶·瓦谢尔聚焦于计算机技术在新冠疫情以及制药行业的关键作用：“如今我们所拥有的巨大算力，能够解决很多以往无法解决的问题。”
以新冠病毒为例，瓦谢尔及其研究团队在去年六月份就通过计算研究方法预测病毒突变的可能性，并在真正出现突变之前就展开了相关研究。而对于药物研发而言，计算机同样可以用于药物的结合亲和力计算。
世界顶尖科学家协会副秘书长、世界顶尖科学家国际联合实验室高级科学家杨展涛提到了人工智能应用于新药研发。不管是生物研究，还是药学发现等等，不仅仅是涉及数字，而是涉及真正的疗效、功能、效果，以及药物对患者是否有害。
“人工智能现在非常的热，特别是在近三年是一个大火的领域。”在中国科学院院士蒋华良看来，人工智能只是一个新技术，我们还是要非常的谨慎地去使用。
“人工智能只不过是一种先进的技术，能够去缩短药物开发的时间，或者能够帮助临床实验收集临床数据建立模型，然后去预测药物到底是不是能够成功，可能在5年之内我们能够做到。”与此同时，蒋华良也表示，在实际的临床实验中其实还是一个问题，因为临床实验是要在人体当中进行的，而不是人工智能能完成。
“临床试验要在人体中进行，而不是人工智能。”蒋华良院士与诺华全球药品开发部（中国）负责人王兴利同时强调了人之于临床试验中的主体性地位。尽管数年前就在IBM实验室见到过机器学习在临床研究的前沿应用，王兴利依然表示，人工智能是没有办法代替真正的人体临床试验的。
一个药物不会适用于所有的患者，那么如何能够让患者获益？几百万个化合物中可能一万个能够成为最后的药物，但是它的受体可能只是适用于很小的一个人口范围。
“在临床试验的过程当中，由于样本量比较小，药物在其他大量的患者身上到底怎么样的，我们需要通过人工智能去测算。我们如何能够去修改我们在临床试验当中的招募受体规则？人工智能可以在这一点帮助我们，这样能够提升药物的特异性，能够缩短药物的开发周期。”王兴利说。（侯树文记者王春）
【纠错】【责任编辑:谷玥】中国成为人工智能相关临床试验最主要贡献者
中国青年报客户端讯（中青报·中青网记者李晨赫）日前发布的《健康医疗人工智能指数报告》（下称《报告》）显示，中国已成为全球健康医疗人工智能科学研究与临床试验的最主要贡献者之一。
《报告》由爱思唯尔与北京大学健康医疗大数据国家研究院等机构在“中国医院协会健康医疗大数据应用管理专业委员会成立大会暨专题学术会”上联合发布。
《报告》指出，自2017年起，全球人工智能相关临床试验的新增数量呈快速递增趋势，其中主要发起国为中国和美国。中国人工智能相关临床试验的新增数量在2017年超越美国，成为全球开展人工智能相关临床试验新增数量最多的国家。
2020年1月到9月，中国人工智能相关临床试验的新增数量达到48例，在全球新增人工智能相关临床试验中占比27.3%。截至2020年9月，中国已经成为全球开展人工智能相关临床试验数量最多的国家。
《报告》显示，在健康医学人工智能主题有关的研究领域中，中国的发文量和国际合作占比均居世界前列，中国机构参与的研究领域受全球学者关注较高的是算法、计算机视觉、模型，文章占比最多的为磁共振成像、图像分割、医学成像。
该《报告》主要从科学研究概览、科学技术交叉、科学社会交互、人类机器协同四个方面，基于已发表的科学出版物和已注册的临床试验数据，回顾分析健康医疗人工智能领域最近五年（2015-2019）全球科学研究和临床试验的规模、结构和发展趋势，并分析中国的表现。
《报告》还揭示了健康医疗人工智能领域尚需完善和发展的方面，例如人工智能相关临床试验尚缺乏通用的、符合应用需求的试验设计及评估规范。目前，人工智能相关的临床试验研究设计规范、报告规范都处于起步摸索阶段。《报告》指出，为了充分发挥人工智能的潜力，医生、科研人员和人工智能科学家应紧密合作，基于可靠的方法、遵循伦理的准则，力争在医疗实践中应用、评估和改进人工智能技术。
中国工程院院士、爱思唯尔本地期刊遴选委员会委员董尔丹表示：“医疗行业已进入大数据人工智能时代，数字化和智能化已成为健康医疗领域中的重要趋势，我国在健康医疗人工智能领域的科学出版物、学术影响力、临床试验量等在逐步提高。北京大学、中国医院协会健康医疗大数据应用管理专业委员会将继续响应国家在新一代人工智能发展层面的号召，支持人工智能在健康医疗领域的发展，持续挖掘健康医疗大数据的价值。”
来源：中国青年报客户端
[责编：战钊]Nature：利用真实数据和人工智能评价肿瘤临床试验的入组标准取得进展
在药物开发过程中，人类的临床试验是必要的步骤。临床试验的入组标准是导致临床试验低入组率的一个关键障碍。例如，研究发现约80%的晚期非小细胞肺癌患者不符合临床试验的标准。结果，86%的临床试验未能在目标时间内完成招募受试者。美国国家癌症研究所认为，临床试验入组标准任意排除患者，应简化和扩大。美国FDA也强调，在没有确凿的临床证据的情况下，某些人群通常被排除在临床试验之外。限制性临床试验并不能完全反映药物在批准后使用人群中的有效性和安全性。因此，非常需要有更快的临床试验累积和更好的普遍性的数据驱动的临床入组标准。然而，如何扩大临床入组标准仍然是一个重大挑战。即使是针对同一疾病的类似机制的试验，也常常使用不同的入组标准，越来越多的人关注如何使临床试验更有包容性，但临床试验入组标准的设计仍然具有挑战性。
数据驱动的算法结合真实世界的数据可以改善临床试验中的这些问题。人工智能可以筛选符合的患者，预测哪些患者更有可能参加试验，并从电子健康记录（EHR）中提取特征。
近期，美国斯坦福大学的JamesZou研究团队在Nature上发表了题为"Evaluatingeligibilitycriteriaofoncologytrialsusingreal-worlddataandAI"的论文。
美国斯坦福大学的JamesZou研究团队使用TrialPathfinder的计算框架，用真实世界的数据系统地评估了不同入组标准对癌症试验人群和结果的影响。研究人员应用TrialPathfinder来模拟已完成的晚期非小细胞肺癌试验，数据来自美国全国范围的电子健康记录数据库，包括61094例晚期非小细胞肺癌患者。研究显示，许多共同入组标准，包括基于几个实验室值的排除，对试验危险比的影响最小。当研究人员使用数据驱动的方法来扩大临床试验入组限制性标准时，符合条件的患者平均增加了一倍以上，总生存率的危险比平均降低了0.05。这表明，许多不符合原试验标准的患者可能从这些治疗中获益。研究人员通过分析其他类型的癌症和来自不同临床试验的患者安全数据进一步支持这个研究的发现。这种数据驱动的评估临床试验入组标准的方法可以促进更具包容性的临床试验设计，同时维护患者的安全。(生物谷Bioon.com）
原始出处：
Liu，R.，Rizzo，S.，Whipple，S.etal.Evaluatingeligibilitycriteriaofoncologytrialsusingreal-worlddataandAI.Nature(2021).doi.org/10.1038/s41586-021-03430-5
小编推荐会议 2021RWE真实世界研究峰会（第五届）http://meeting.bioon.com/RWE