百余款AI临床设计新药进入美国IND申报，为何海外没在卷AI

　　“10年，10亿美金，10成功率”，10年前人们这样形容新药研发。
　　而在过去几年，AI技术在全球创新药领域大火，吸引众多玩家入行，让“AI赋能药物研发”在短时间里经历了兴起、饱和、内卷。
　　FDA收到基于机器学习的INDNDA申请数量（数据来源：如图）
　　自2021年开始，FDA收到的关于AI赋能药物研发的IND申请也出现了陡增。远超2020年10倍的AI管线IND申请，预示着全球创新药研发已经来到了“新纪元”。
　　从FDA的数据也可以看到，2022年收到的AI新药NDA申请也可谓“拔地而起”，全球AI创新药研发开始大踏步进入高监管的临床试验阶段。
　　AI技术在药物发现阶段体现出的“降本增效”作用已经得到行业的一致认可，随着AI新药管线的整体推进，人们也开始好奇AI在临床试验阶段是否能继续发挥降本增效的作用？
　　AI临床研究：6大分析类型，9大分析目标
　　AI技术在医药工业中的应用需要被科学定性，即AI不可能直接生产药物，而是需要与化学、生物学、医学等交叉学科的系统性结合，由AI赋能来找到更科学高效的临床试验方案，才能真正实现新药研发的“降本增效”。
　　具体到AI技术在临床阶段的应用，FDA通过收到的超300份AI临床研究申请中，总结出了该技术的“6大分析类型”与“9大分析目标”。
　　AI在临床研究中的分析类型与分析目标（数据来源：FDA官网）
　　分析类型中，有关于试验方法设计的结果预测、协变量选择与混杂变量调整、药物剂量模型，也有辅助临床试验进行的异常观察和结果检测、图像视频语音分析、真实世界数据表型自然语言处理（NLP）。
　　通过以上途径，AI能够在试验前通过患者富积设计和风险分层管理，以及合成对照组等组辅助建起受试者群体，并提前预测药物毒性、选择优化剂量、设计服药依从性遵守给药方案、评估终点生物标志物，同时也能通过数据实现药物的上市后监控、发现再利用。
　　贴合到具体的临床试验流程中，AI可以在前期辅助筛选精准受试患者，并结合药物有效性与毒性的评估，给出依从性较高、剂量合理的试验方案。一方面，这能够帮助临床试验顺利、安全、有效的开展，保障试验的成功率，另一方面，也避免了不适合改疗法患者的“无效陪跑”，毕竟对患者而言时间比金钱更宝贵。
　　同时，在AI辅助下的临床试验具有较高的数字化特征，各类的数据信息与模型将可能被二次利用。不仅可以帮助药企继续监控药物上市后的各项数据，也能为创新药商业化销售时向医生提供整体性介绍信息，甚至能够作为药企、行业的宝贵真实世界数据模型，辅助未来更多的创新药研发。
　　海外资本热度较高，我们还缺逆转化科学、监管科学意识
　　我国临床CRO企业近5年来开始出现数字化转型意识，给AI技术的应用打好了“地基”。但环比全球，我国将AI技术真正应用到临床试验中的相关临床CRO或药物管线，却并不多。
　　以苹果为首的海外科技型大厂已陆续入局，前后也出现了AI优化临床试验方案、患者筛选、试验数据管理、数字孪生合成对照组等业务的相关创新型企业。以UnlearnAI、Mondel、Deep6AI、NotableHealth、Quris、Trials。ai、Phastar等为代表的创新AI临床科技型企业受到海外资本市场的广泛亲赖，绝大部分均能在A轮就斩获数千万美元融资。
　　就目前国内的竞争格局来说，绝大部分企业依旧聚集在药物发现和临床前研究阶段。临床试验阶段的企业主要以埃格林医药、英矽智能、冰洲石科技等为代表的AI创新药企为代表，也有零氪科技、云深智药、焕一生物、普瑞基准、白星花科技等部分业务设计临床试验设计优化的创新企业。可以发现，专注于AI技术应用于临床试验的企业并不常见。
　　国内的AI技术似乎整体拥挤在药物发现和临床前研究阶段，那全球的创新药研发是否也是如此？
　　FDA收到AI新药的INDNDA申请中AI技术的具体应用场景（数据来源：如图）
　　根据FDA统计的数据，令人意外的是，在递交INDNDA的AI新药管线中，大部分应用均集中在临床研究阶段。20162018年期间的INDNDA申请，均为在临床试验阶段应用AI技术的AI药物管线。尽管接下来的几年管线数量开始增多，临床研究的应用比例始终保持高位，2021年AI新药管线的陡增也可完全归结于AI技术在临床研究阶段的广泛应用。
　　那为何FDA披露的相关数据与我国当下AI新药的研发氛围竟有如此大的差距？
　　“逆转化科学”与“监管科学”是当前的两大重要短板。
　　传统的研发路径是将基础研究发现付诸实践的过程，通常从了解疾病的发病机制开始，然后找到对应靶点，然后根据靶点特性开发出针对性的药物，最后引用于患者。这个过程相当耗时且成本高昂。而“逆转化科学”则另辟蹊径，直接从患者出发，通过基因组学和临床表型分析，阐明临床观察的机制为基础，从而开发出有效的疗法。相比下，后者的研发效率更高，但需要开发者具备极高的临床经验和医学知识。
　　借助于AI技术，目前已经可以实现精准临床前模型选择和患者分层，有助于在进入临床试验前，从体外检测系统和动物研究的数据结果中，计算出在人体试验中的可行性的剂量梯度、给药频率和安全范围，减小候选药物在临床前和临床试验之间的差异。以及包括在同一种疾病的患者差异下，如何通过AI技术精准筛选出适合该疗法的受试患者，并合理制定临床终点，设计出科学合理的临床方案，这也同样需要逆转化科学意识驱动下的医学与生物学基础。
　　为确保药物开发安全、有效和符合伦理，“监管科学”是为其提供了指南和标准。高监管环境不断演变，以及新技术、新方法的层出不穷，让本就难以琢磨的监管机构再蒙上一层“神秘的面纱”。不论是自建法规监管团队，还是与拥有国际法规优势的CRO企业合作，亦或是看好AI技术在此方面的信息化、高效率、即时性等优势，监管科学必定是新药研发需要翻越的一座“高山”。
　　未来创新药临床研究三大支柱：AI医学监管科学
　　2023年6月16日19日，临床界权威的国际药物信息大会（DIA）在苏州国际博览中心举办。会议期间，国内知名AI药企埃格林医药的首席医学官李长青博士，就“AI在临床研究中的应用”展开了分享。
　　李长青博士强调，未来创新药的临床研究将离不开“AI”、“医学”和“监管科学”这三大支柱。在AI方法的基础上，结合坚实的医学和生物学技术，并严格遵守监管科学指南，才能显著改善药物开发过程，降低时间成本，并提高成功结果的可能性。此外，三者的结合还可以促进个性化医疗的发展。根据患者的遗传和表型特征，为个别患者定制专属治疗方案，尤其对于当前新兴的基因疗法、免疫疗法来说，将更有机会开发出有效、安全的创新型疗法。
　　今年，埃格林医药从理念创新和实际行动中不断推进我国AI技术在临床中的应用。前不久，埃格林医药刚与20余年历史的老牌CRO博济医药达成战略合作，无疑是一个加速AI技术在国内临床试验阶段应用的里程碑事件，同时也开创了AI药企与CRO合作新模式。双方优势互补，埃格林利用自有的AI平台赋能CRO的临床设计，同时博济利用自身雄厚临床试验资源来服务国内外客户，这样一来，埃格林可通过不断训练模型达到更高的精准度，博济可借助AI赋能提升在CRO行业中的竞争力，二者将利用AI技术共同推进中国创新药物的高效临床研发和商业化。
　　当下AI技术在药物发现阶段的应用已较为普遍，不断传出AI发现新靶点和新分子的消息。也希望在国产创新药管线“高歌”进入临床试验阶段的今天，能有更多AI药企、临床CRO逐渐重视起AI技术在临床应用的意义与重要性。
　　推动我国的创新药事业从“AI赋能药物发现”走向完整的“AI赋能药物研发”。