傳統生化技術在醫藥領域的紅利似乎走到了盡頭。
目前，一款新藥研發成本約為26億美元，耗時約10年，但臨床試驗階段藥品獲批上市（LOA）的成功率不到10%，特別是腫瘤藥物僅為5.1%。這就意味著眾多腫瘤新藥研發項目都脫離不了被淘汰的命運。
鑒于此，無論是政府的規劃文件出臺，還是投融資機構、醫藥企業的動作頻頻，都將醫藥產業的創新動力寄希望于信息技術的賦能。
2022年1月，國務院印發的《“十四五”數字經濟發展規劃》提出“發展數字經濟是把握新一輪科技革命和產業變革新機遇的戰略選擇”“促進數字技術向經濟社會和產業發展各領域廣泛深入滲透”。
隨后，由國家工業和信息化部等九部門聯合發布的《“十四五”醫藥工業發展規劃》明確提出，“以新一代信息技術賦能醫藥研發。探索人工智能、云計算、大數據等技術在研發領域的應用，通過對生物學數據挖掘分析、模擬計算，提升新靶點和新藥物的發現效率。”
那么，信息技術到底為生物醫藥產業賦能在哪些方面？為此，記者采訪了相關領域的專家。
創而不新的現狀
當前，生物醫藥產業已經成為引領中國經濟發展的重要力量。但遺憾的是，在全球TOP100銷售額的藥品，卻沒有一個“中國造”的身影。
中科院計算所副研究員，中科計算技術西部研究院常務副院長張春明指出，國產創新藥多集中在國外已經得到驗證的靶點和技術賽道，導致“新藥不新”，存在于仿制藥一樣的同質化競爭。
例如，1類小分子抗腫瘤藥靶點中，前三大靶點EGFR、CDK4/6、ALK占比34%。
對此，張春明直言，如果按照這樣一個“卷法”的話，每家制藥企業都掙不到錢，最后這個產業就陷入了一種惡性循環。
并且，腫瘤、心血管疾病、阿爾茨海默病這些嚴重威脅人類健康的疾病都為多因所導致，僅靠一種藥物或標準化治療方案很難對所有的患者有效。
“而人類疾病模型卻仍然是以模式動物為基礎。但動物疾病模型的發病過程、病理機制、發病狀態和愈后康復等與真實的人體環境存在較大差異。對人的整體生命活動規律的認知還停留在局部或碎片化階段，一些新發現仍是在'盲人摸象’。”中國工程院院士叢斌認為，以細胞、動物模型為基礎理解人的生命活動規律，造成了醫與藥的研發困局的一個重要原因。
計算帶來的新思路
的確，生物系統本身非常復雜，再加上腫瘤發病機制的多維性，直接加劇新藥研發的難度。
可喜的是，隨著大數據、互聯網、生物信息和人工智能（AI）等技術在生物醫藥領域的深入推進，新藥研發的模式也逐漸發生變化。
叢斌指出，在數字經濟時代，如果能夠構建生物世界的數字化，實現生命功能的數字孿生，最大化地仿真人體生命規律、疾病模型，勢必將為新藥研發提供新的思路。
這一點也得到了國內外專家的認同。
2020年底，美國癌癥協會經過調研90多位頂尖癌癥專家后，在CA Cancer J Clin期刊上刊文稱，通過計算方法和數學模型來檢測腫瘤的演化和預測治療耐藥性，已經成為推進研究和臨床影響的有力手段。
中國工程院院士劉昌孝也曾公開撰文指出，AI與藥物研發相結合應用于發掘藥物靶點、挖掘候選藥物、高通量篩選、藥物設計、藥物合成、預測藥物吸收、分配、代謝、排泄和毒性及新適應癥開發等領域前景光明。其中，靶點篩選是近期AI+藥物研發最熱門的領域，藥物合成或將走向自動化。
計算醫學的優勢
不過，有了大數據并不等于在醫藥研發領域就“無所不能”，還需要算法和算力的支持。
為此，中科院計算技術研究所高性能計算團隊提出了計算醫學的概念。所謂的計算醫學是以系統論為指導思想，采用密集數據驅動為科研范式，以人工智能為方法，以高性能計算為支撐，通過知識模型+數據模型的雙輪驅動，為生物醫藥領域全鏈條產業貢獻全新洞見與解決方案。
具體而言，計算醫學有四個特征：其一以復雜性系統科學的整體論作為思維方式，理解生物分子、細胞、組織器官、種群等多個生物層級結構之間相互作用中“涌現”出的新屬性，從系統的角度去捕捉疾病發生的機理；其二采用密集數據驅動的科學范式，挖掘隱藏于高維、高通量、多維融合的生物醫學大數據中的新洞見；其三，將生物醫學領域的知識模型轉換為數學模型，以生物醫學大數據作為輸入參數，以人工智能算法對模型進行迭代、訓練，輸出逼近于真實的生命系統結構與功能特征，從而理解疾病發生的本質；最后，以高性能計算為新一代計算基礎設施，為新科學發現提供數據存儲、計算精度和計算速度上的支撐。
“計算醫學平臺提供的機制性結果，可以直接模擬臨床試驗入排條件下的藥物實際療效，可無縫續接生物學實驗及臨床試驗，不僅直接降低新藥研發的投入成本，而且可以極大增加II/III期臨床試驗的成功率。”中科計算技術西部研究院客座教授、圖靈·達爾文實驗室主任牛鋼表示。
政策頻出釋放信號
而計算醫學的知識體系也恰恰符合了當前政策文件的要義。
從全球來看，美國較早啟動了AI 技術在醫藥健康領域的應用進行了重點布局，出臺了《國家人工智能研究和發展戰略計劃》以推動 AI 發展的戰略實施框架，并由 NIH 負責醫藥領域的 AI 研發投入與管理。
反觀我國，2021年11月，中國國家藥監局藥品審評中心（CDE）發布的《以臨床價值為導向的抗腫瘤藥物臨床研發指導原則》特別強調“加強機制研究”，在藥物研發伊始，應該加強腫瘤發生、發展機制方面的基礎研究，同時加強藥物作用機制的研究，通過突破與創新，優化藥物設計，開發新的治療方法，不斷滿足腫瘤患者的治療需求。此外，上述《指導原則》還強調“提高精準化治療”，應該關注并且持續改進患者與治療藥物的匹配程度，不斷提升抗腫瘤治療的精準性，使腫瘤患者能接受到更為適合自己的治療藥物。
《“十四五”生物經濟發展規劃》也強調依托人工智能技術、生物醫學和健康大數據資源，發展智能輔助決策知識模型和算法，輔助個性化新藥研發，為疾病診斷治療提供決策支持。
產業布局緊鑼密鼓
政策的接踵出臺，既是產業發展的信號，也為產業布局勾勒藍圖。
2019年，禮來與Atomwise合作，利用后者的AI藥物勘探技術加速藥物篩選。賽諾菲于2021年與Novadiscovery合作，利用后者的優勢布局在虛擬患者中運行疾病模型，以支持決策和降低臨床開發風險，隨后又于2022年與Exscientia建立戰略合作，將利用后者的基于人工智能的能力和個性化醫藥平臺，篩選腫瘤與免疫領域的小分子候選藥物。此外，輝瑞還重新啟動 CytoReason 合作，力圖將后者的人工智能技術應用于輝瑞的藥物開發工作。
而在投融資領域，2021年3月，AI制藥公司Insitro就宣布完成4 億美元的C輪融資，成為全球AI制藥領域單筆融資金額最高的公司。近日，國內一家由中科院計算技術研究所孵化的，致力于用AI、大數據、生物醫學賦能創新藥研發的哲源科技也官宣，其完成近億元A輪融資。
據悉，哲源科技已搭建完成兩個AI工具平臺——新靶點新機制遞呈平臺、虛擬臨床試驗平臺，指向六個應用場景：新靶點、新作用機制、新生物標志物、設計臨床試驗方案、預測臨床試驗結果、拓展新適應癥。
新底座技術終“撥云見日”
“機器學習是一種全新的、人類無法真正理解、但能被實踐檢驗的認知方法論。” 中國工程院院士李國杰曾發文指出，人工智能與新藥研發的交叉跨界的挑戰不僅是技術上的，更重要的是思維方式、理解知識的模式上能否順利銜接。
當前，我國的大數據、人工智能技術處于全球“并跑”地位。但數據技術與生物醫藥產業的實踐處于落后狀態。
圖靈—達爾文實驗室副主任、哲源科技COO趙宇認為，從全球范圍來看，人工智能、大數據在生物醫藥的應用雖然還處于早期階段，而立足我國生物醫藥產業正處在由仿制向創新邁進的關鍵爬坡期，計算醫學作為一種新的技術體系構建的藥物數字試驗場勢必為新藥研究“另辟蹊徑”，也能為當前生物醫藥產業“撥云見日”，
對生命和疾病的理解，是生物醫藥創新的源泉。張春明認為，在生命科學進入數字化的時代，哲源科技致力于建立認知生命的新底座技術，成為藥物IP的創新工廠，將更多的創新成果帶給行業，提升藥物研發效能，為藥物研發引入新范式，為患者提供更有效的治療方案。
（光明日報全媒體記者崔興毅）
