制药公司拥抱人工智能开发新药物 - 彭博社
Kanoko Matsuyama
插图:Thomas Hedger for Bloomberg Businessweek在实验室进行广泛分析通常需要数年时间,研究团队会系统地筛选数据和测试结果,以发现有潜力的候选药物。但是,当日本的武田制药公司在二月份以40亿美元从波士顿初创公司购买了一种实验性牛皮癣药物时,它仅用了六个月的时间就通过人工智能选择了一种化合物。
在接下来的几个月里,这种药物—通过人工智能和机器学习算法从成千上万种潜在分子中挑选出来—将进入临床试验的最后阶段。如果成功,它可能成为首批借助人工智能发现的疗法之一。杰富瑞的分析师估计,它可能每年创造高达5000亿日元(37亿美元)的销售额。
在全球制药公司纷纷与精通计算机的初创公司达成交易并增加自己的数据科学家的同时,日本制药商的推动正值其时。他们希望通过削减成本和加快上市时间来实现目标。摩根士丹利估计,在未来十年内,人工智能在早期药物开发中的应用可能会转化为价值超过500亿美元的50种新疗法。
研究公司Deep Pharma Intelligence估计,过去四年对人工智能驱动的药物发现公司的投资已经翻了三倍,达到了2022年的246亿美元。去年一月,赛诺菲同意支付总部位于英国的Exscientia Plc1亿美元的预付款,以及最高52亿美元的里程碑付款,用于研究新药物,并利用人工智能系统在肿瘤学和免疫学领域开发多达15个候选药物。
拜耳,罗氏控股和武田等公司正在与盐湖城的Recursion Pharmaceuticals Inc.合作,探索使用机器学习进行药物发现。与此同时,阿斯利康公司与英国的BenevolentAI和圣地亚哥的Illumina Inc.合作进行类似的努力。
药物开发中人工智能的累积投资
来源:Deep Pharma Intelligence
“当生物制药公司成功应用人工智能进行研发时,会产生重大影响,”麦肯锡公司合伙人亚历克斯·德维森说,他为制药公司提供数字化流程和分析方面的建议。“我们预计,在五年内,这些方法将在制药研发过程中得到更多结构性的应用,并产生更大规模的影响。”
虽然人工智能可以帮助,但科学家们在选择分子后仍然需要进行大量的传统工作。武田的化合物接着需要经过数年的人类临床试验和其他测试。人工智能还有其他局限性。例如,它无法预测复杂的生物特性,比如化合物的功效和副作用。
然而,利用技术来识别下一个畅销疗法可以帮助消除通常需要数百次实验的猜测工作,这些实验通常需要花费多年时间才能找到有希望的分子。
2018年后,大型制药公司在投资人工智能和机器学习(ML)方面变得更加认真,当时谷歌母公司Alphabet Inc.的DeepMind部门使用名为AlphaFold的AI程序击败了一位生物学家,预测蛋白质的形状,这是疾病的基本构建块。解决蛋白质的形状问题是生物学中最棘手的问题之一,有助于药物猎手缩小可能与其相互作用的分子范围,并确定攻击疾病的药物。
将一种新药物推向市场传统上需要花费近30亿美元,大约90%的实验药物会失败。因此,能够加快这一过程的技术可能是利润的重要推动力。根据DeepMind网站引用的加州斯克里普斯研究转化研究所的创始人和主任埃里克·托普尔(Eric Topol)的说法,现在使用AlphaFold确定蛋白质的三维结构只需要几秒钟,而不是许多个月或年。
辉瑞-联发科Comirnaty新冠疫苗的小瓶。摄影师:Dwayne Senior/Bloomberg制药公司采用人工智能的增长在新冠疫情期间得到加速,因为该行业急于开发用于对抗未知病毒的武器。在疫情期间,辉瑞公司转向人工智能开发了新冠疫苗Comirnaty,与BioNTech SE合作。它还扩大了与总部位于中国深圳的人工智能药物发现公司XtalPi Inc.的合作,以加快新冠药物Paxlovid的化学配方。这两种药物在不到两年的时间内获得了美国食品和药物管理局的批准,比大多数药物通常需要10年的时间推向市场要快得多。监管机构也加快了推出针对新冠病毒的武器到公众手中的速度。
来自波士顿的Nimbus Therapeutics LLC购买的武田制药公司的实验药物将成为全球为数不多的治疗牛皮癣的口服治疗之一,这是一种影响全球1.25亿人的皮肤病。它还有治疗其他疾病的潜力,如克罗恩病,一种炎症性肠道疾病。该药物目前名为TAK-279,在人类试验的前两个阶段已经成功通过。Nimbus首席执行官杰布·凯珀(Jeb Keiper)表示,算法在传统方法需要两年时间的四分之一时间内选择了目前的分子。
Nimbus Therapeutics的办公室。摄影师:Simon Simard for Bloomberg Businessweek科学家们在试管中测试化学物质,需要测试许多分子——“一个不可能的数量,”他说。计算机建议在实验室中测试10种化合物,然后根据实验室结果进行反馈。机器从这些结果中学习,以做出更好的预测,提供下一个需要测试的一百个候选者,最终过滤到一个分子,Keiper说。
受牛皮癣影响的皮肤的剖面插图。摄影师:BSIP/Education Images/Universal Images Group/Getty Images如今,来自波士顿、圣地亚哥和日本湘南的武田R&D中心的500多名定量科学家和技术专家每天都在忙于处理数据,以找到、开发和制造突破性药物。这家制药公司使用人工智能和机器学习来识别针对蛋白质的最佳分子,并了解疾病的特征以及在不同患者群体中的变化。它与麻省理工学院和几家人工智能初创公司合作。
“任何能为我们的员工解锁尖端技能、减少手动工作、消除系统中的摩擦并为更大的科学洞察和发现腾出时间的技术都是至关重要的,”武田数据科学研究所负责人Anne Heatherington说。
武田的大型竞争对手也在利用人工智能。辉瑞公司希望与DeepMind的AlphaFold合作,帮助公司设计和验证高效的治疗靶点,这些靶点以前是未知的,辉瑞公司的首席数字和技术官Lidia Fonseca说。Fonseca表示:“我们利用强大的超级计算能力结合人工智能和机器学习模型,将我们的整体计算时间缩短了80%至90%,这实际上有助于加快Paxlovid的研发进程。”
在全球范围内,一些由初创公司利用人工智能识别的潜在药物已经进入人体试验阶段。其中包括Recursion Pharmaceuticals Inc.的五种用于罕见疾病和肿瘤的药物,以及Exscientia的三种用于癌症和炎症等疾病的药物。总部位于香港的Insilico Medicine正在进行中期人体试验,用于治疗最常见的肺纤维化形式。
总部位于英国的GSK Plc拥有160多名专门从事人工智能和机器学习的专家,以支持其研发和制造工作。自2019年以来担任GSK人工智能负责人的Kim Branson表示,公司还生成数据来构建和供给公司自己的机器学习模型,以便每位科学家最终都能从公司过去产生的数据中受益。
百度CEO李彦宏在北京举办的一次人工智能活动中发表讲话,日期为3月16日。摄影师:沈启赖/彭博社中国也正在利用人工智能来提升其制药企业的全球竞争力。XTalpi部分由中国科技巨头腾讯控股有限公司资助,而百度公司CEO李彦宏创立了一家名为BioMap的人工智能驱动的药物发现公司。
GSK的布兰森表示,虽然人工智能在整合来自不同来源的数据方面表现得非常出色,但当其用于复杂系统时就会变得棘手。他表示,为了确保安全,实验室实验通常是必要的。
此外,斯坦福大学的研究人员在2018年发表在《新英格兰医学杂志》上的一项研究中写道,用于创建算法的数据可能存在偏见,这种偏见可能会体现在它们生成的临床建议中。研究人员发现,算法的结果也可能会出现偏差,这取决于谁开发了这些算法。
这并没有阻止投资的增长。斯坦福大学生物工程教授Russ Altman表示,过去五年左右,风险投资家要求对潜在的人工智能药物发现公司进行评估的数量激增。Altman表示:“从零到一百。我在过去30年里没有对人工智能药物公司进行过任何尽职调查。现在我已经做了六到十个。” —与 Lisa Du 和 Ilena Peng