比起国内常说的新冠疫情，英文世界其实更常用到的一个词是“大流行”（pandemic），这个词在某种程度上，更能反映一种公共卫生疾病的残酷本质，就是由于其无孔不入的传染性决定的——不论是武汉封城的代价，还是美国200万人染疫。
人类如何才能遏制这种病毒或疾病的蔓延，虽然目前只有中国等少数国家可以做到，但是答案却是显而易见的——跑的比病毒更快。最近青岛5天检测900万人就是这个答案最好的证明。但检测可能更考验的是供应链，而在治疗或预防方面，医药界原本给不出与之匹配的答案。
作为药物的一种，以往任何一种疫苗都无法在几个月甚至一两年的时间内被开发出来，算上最快记录4年研发的腮腺炎疫苗，疫苗的平均研发时间是十年。而事实是，国内的新冠疫苗，已经无限接近上市，这还是在没有跳过任何常规研发步骤的前提下。而其他治疗性药物——比如治愈特朗普的中和抗体，也都在以令人振奋的速度向前推进着，这些前所未有的成就，除了制药技术的进步之外，我们常常听说的AI人工智能，也是功不可没。利用AI分析原有化合物库对于病毒的潜在疗效，与芯片工艺面临极限类似，人类几乎在某种程度上，穷尽了化合物分子的成药可能，但是万艾可成名的例子告诉我们，传统方法永远无法快速准确的掌握这些分子的真实治疗效果，但是AI可以在及其有限的时间内，做到在大海里捞针的工作，提出可能性最大的结果，极大的推进了研发进度。除了对于原有库的分析，AI还可以自主设计可能针对病毒的抗体分子，武汉疫情的要紧时刻，已经治愈的患者会以捐献带有抗体的血浆的方式，帮助抗疫。而帮助特朗普在3-5天内康复的病毒中和药物，就是这种人造的抗体。人类已经掌握了不需要从康复患者身上提取抗体的制造技术，但是如何设计并筛选最有效的抗体，又是一项工作量庞大的项目——这时候可以瞬时处理庞大数据并能不断进化学习的AI就派上用场了。但以上其实只是AI在医药领域应用的冰山一角，AI几乎在整个制药环节，都能起到翻天覆地的作用。
图2
从新分子设计到新型生物靶点识别，包括基于靶点的，表型以及多目标药物发现、药物用途和生物标志物识别，AI在药物靶点识别和验证中发挥着重要作用。制药公司的关键优势在于AI的潜力，尤其是在药物试验期间利用AI能够减少药物获批并上市所需的时间。这可以节省大量成本，这意味着能够为患者降低药物成本，并提供更多治疗选择。例如，药物研究人员可以使用纵向电子病历（EMR记录），下一代测序以及用于创建各个患者的代表性模型的其他“组学数据”等对新型癌症药物靶点进行识别和验证。
图3. 基于AI开发的黄斑变性和糖尿病性黄斑水肿诊疗系统
迄今为止，AI最发达的用途应该是用算法对大量文本数据进行读取，分组和解释。它提供了一种更有效的方法，用以对不断增长的研究出版物中的大量数据进行检查，从而对假设进行验证或丢弃。对于生命科学领域的研究人员而言，这一应用能够节省大量时间。此外，许多临床研究仍然依赖于纸质记录，具体形式为患者在纸质日记中记录服用药物的时间，服用的其他药物以及发生的不良反应。无论是手写笔记、测试结果还是环境因素和成像扫描，都可以AI进行收集和解释。AI的这一应用方式存在优势，数据研究和交叉引用更快，还能够将数据组合并提取为可用格式以进行分析。图4. 与现有的计算机分析方案（中）相比，新型人工智能（右）能更准确地找到肿瘤
（图片来源：谷歌）
一项Cognizant研究表明，大约80％的临床试验未能满足入组时间表，且所有终止的III期临床试验中，有三分之一是因入组困难而终止。
将AI与人体扫描，患者生物学和分析的信息相结合，通过各种应用方式对癌症等疾病进行检测，甚至还能够根据患者的遗传学信息预测其可能面临的健康问题。用于肿瘤学的IBM Watson就是一个实例，它通过利用每位患者的医疗信息和病史来为其推荐个性化的治疗方案。依据个体的测试结果，对过去用药的反应以及药物反应的历史患者数据来，AI还能够开发个性化的药物治疗方案。
除了帮助理解临床试验数据外，制药行业中人工智能的另一用途是为试验寻找参与者。通过使用先进的预测分析，AI可以对遗传信息进行分析，从而识别适合参与试验的患者人群，并确定最佳样本量。某些AI技术可以读取患者录入临床试验应用程序的自由格式文本以及非结构化数据，例如医生的便笺和摄入证明文件。惊人的数据：86％的临床试验未能招募到足够的患者。这导致研究速度变慢，并推迟了患者获得救命药物的时间。
人工智能应用能够节省更多的时间和成本，它能够使药物干预措施与个体患者匹配，从而减少先前涉及反复试验的工作。通过对可能影响结果的因素间的潜在关系进行推理，例如人体吸收化合物的能力，这些化合物在人体中的分布以及人体的新陈代谢能力，机器学习模型能够预测患者对可能的药物治疗的反应。
除了医学诊断领域，生物标志物的开发在药物发现和开发过程中也是一项重要的任务。例如，在人体中进行药物测试之前，先使用预测性生物标记物识别分子靶点疗法的潜在反应者。AI在此过程中使用了由大型数据集“训练”的生物标志物模型。
对于预算紧张的制药公司而言，药物再利用有望成为基于AI的技术可以为其带来巨大价值的最直接领域之一。对于许多生物制药公司来说，将先前已知的药物或后期候选药物重新用于新的治疗领域是一种理想的策略，因为这一应用在人体试验中出现意外毒性或副作用的风险更低，并且可能会减少研发支出。
对于制药公司而言，确保临床研究的自愿参与者遵守药物研究方案是一个巨大的问题。如果药物研究中的患者不遵守试验规则，则必须将他们从研究中删除，否则可能会影响药物研究结果。成功进行药物试验的重要因素之一是确保参与者在规定的时间服用所需剂量的研究药物。这也正是为什么确保服药依从性如此重要的原因。利用远程监控和测试结果评估算法，AI可以从所有患者中选出依从性高、适合参与研究的患者。使用基于多元分析和预测分析的现有数据分析技术则是工艺开发中的最重要应用场景。AI为开发和生产过程提供了许多工艺改进的机会。AI可以执行质量控制，缩短设计时间，减少材料浪费，提高生产重复使用率，执行预测性维护等。AI的应用方式众多，能够提高生产效率，产出更快，浪费更少。例如，可以使用CNC（计算机数控）完成通常依赖人工干预的工艺数据输入或管理。AI机器学习算法不仅能够确保非常精确地执行任务，还能对工艺进行分析，找到可以简化任务的区域，进而减少材料浪费，加快生产速度并更一致地满足产品的关键质量属性（CQA）。我们都知道，无论是对于蛋白抗体药、CAR-T细胞治疗、疫苗等，工艺的研发在药品生产中具有关键作用，稳定有效的工艺是保证生产合格药品的前提。工艺的开发设计费时费力，且经常在放缩间反复验证。运用高级数据分析可以加速研发的进程，节省资源。例如，实验设计（DOE）可以用最少的实验量获取最大信息, 对实验数据的进一步分析可建立设计空间（design space）以增加对工艺的了解及进一步优化，进而实现法规的要求（QbD）。在生物制药的工艺研发中，DOE的核心作用越来明显，且逐渐广泛采用（如细胞株的筛选，培养基配方，上下游操作条件的设定，药品干燥，无菌灌装，等等）。除此之外，在生产过程中，实时数据采集、分析能力，成为影响成本、质量、甚至批次合格率的关键，也成为影响几乎所有生物制药企业和CMO的关键因素。对药品的质量的严格要求使生产过程越来越规范化。现代化设备仪器的采用（例如赛多利斯的PAT过程分析技术）使药品的实时放行检测（RTRT）成为可能。制药生产的过程往往是对黄金批次（golden batch）的追求: 一个可重复的过程， 能够始终如一地优化产量和质量，以实现药品的实时放行。多变量分析技术（MVDA）可以帮助创建黄金批次的轨迹，并对生产过程进行实时监控，实时诊断，实时预测与预报，及实时控制。数据驱动技术的使用已经药品生产商节省了大量的成本并创造了可观的效益。在这方面走在前列的包括专注于生产工艺开发的赛多利斯等厂商，已经拥有了自家的过程分析系统。在他们分布在全球的超级工厂里，这些系统正在以从前无法企及的高精度和高效率运行着。还是以新冠疫苗为例，每家参与新冠疫苗研发的企业都承诺，疫苗的年产量会达到数亿支，这在以前是无法想象的数字。从业者都知道，单单一次污染，就可能要耗时月余进行全面处理，批次是否合格更是只能在生产完成后的检测环节才可得知。而这些问题在超级工厂里面的发生概率已经被降至最低。说到AI，大多想起的是互联网科技公司，包括打败柯洁的谷歌的AlphaGo，其实自2017年以来，国际制药巨头纷纷部署自己的AI系统，用于提高新药的研发效率，如Novatis, Roche, Pfizer, Johnson & Johnson。而在不久前的2020年9月25日，传来赛多利斯加入德国人工智能研究中心DFKI股东行列的消息，赛多利斯也成为其股东团体中的第一家生命科学公司。“德国人工智能研究中心(DFKI)创立于1988年，研究方向覆盖人工智能的主要产业方向，包括大数据分析、知识管理、画面处理和理解和自然语言处理、人机交互、机器人。由于非常注重对从研究到实际应用的转化，将近30年来形成了大量的产业成果。它创造了2500个IT行业的新岗位，设立了超过70多家分拆公司，也是世界上最大的非营利人工智能研究机构，其股东包括Google、Intel、微软、宝马、SAP、Airbus在内的全球前十的顶级科技企业。”
在此之前，赛多利斯就已经与DFKI设立联合研究实验室(SAIL)，共同开发用于生产先进药物的前沿工具和人工智能应用。目前联合研究实验室(SAIL)正着手研究如何将深度学习算法和方法用于细胞和有机体的图像识别、生物系统的分析和建模以及生物制药生产工艺的模拟和优化。SAIL现正进一步扩展，其中便包括特殊的“湿实验室”，该实验室将新型人工智能流程直接与细胞和分子生物学实验相结合并进行测试。作为独立实验室，SAIL兼受保护数据空间，以供赛多利斯的合作伙伴和客户使用。
AI的应用已经越来越深入生物医药的各个领域，在面对复杂系统和复杂问题时，AI是现阶段最好的解决方案，我们很欣慰的看到，像赛多利斯这样生物医药领域的中流砥柱，正在积极拥抱新兴技术，并且努力谋求与自身匹配的布局，这样一盘大棋，给生物医药下一阶段的发展定下了基调和方向。
产业资讯
生物制药小编 
2020-10-22
2782
微信公众号
热门资讯
热点标签