文章專區

過去數十年來，科學家不斷地尋找加速新藥發現與進展的捷徑，然而此過程卻變得愈來愈緩慢，且風險與成本也愈來愈高。以正常的新藥開發流程為例，一款新藥從研發計畫的啟動到被國家藥物監管機構批准上市，大約需要12∼15年的時間，而進入臨床試驗的藥物約有九成最終未獲得批准上市的許可。若將成功和失敗的成本一同估計，將一款藥物推向市場大概需要花費25億美元。儘管製藥公司在創新方面遭遇到難題，但也有人聲稱從去（2022）年底開始崛起的生成式人工智慧（generative artificial intelligence, GAI）正在大幅縮短臨床試驗之前的研發時間，也就是可以有更多藥物快速達標至人體中測試的階段，GAI是否真的能加速新藥開發？
 
一款藥物的開發包括許多步驟，通常以識別導致疾病的生物標靶開始，這些可能包含DNA、RNA、蛋白質受體或酵素，而後再篩選可能與上述分子進行互動的分子。此部分被稱為「發現」階段，由於大多數藥物的候選分子皆為小分子，因此藥物化學家通常會致力於改善它們的活性並減少任何相關問題。如果藥物的研發在此階段取得成功，研究人員便會發展先導分子（lead molecule）並進入下一階段——臨床前測試。這個階段有助於使科學家了解藥物的候選分子如何在動物體內被運輸、分解、排泄，同時也有助於回答安全性、劑量等問題，而後此藥物才會獲准進行臨床試驗。

 
平均來說，新藥的發現、臨床前測試階段大約需要花費六年。而在去（2022）年2月，來自美國波士頓顧問公司（Boston Consulting Group, BCG）的研究人員報告了2010∼2021年間，針對20家相對來說較新的AI密集型製藥公司所使用的研究管道進行調查。透過公開可用的數據，BCG團隊確認其中約有15個藥物候選已達到臨床試驗階段。然後，他們重建了其中八款藥物的開發時間軸，發現這八款藥物的候選分子都在十年內達到了臨床試驗階段，其中五款藥物的開發時間比歷史平均時間更短。在另一份由BCG和惠康基金會（Wellcome Trust）共同撰寫的報告中，則聲稱AI可以為藥物發現到臨床前階段節省至少25∼50％的時間和開發成本。
 
總部設於紐約與香港的製藥公司Insilico Medicine，在去年2月宣布該公司由AI設計的候選藥物已經進入了第一期臨床試驗。此款藥物候選分子針對名為特發性肺纖維化（idiopathic pulmonary fibrosis）的疾病，該疾病將導致無法痊癒的肺纖維化（lung scarring）。在僅僅30個月內，這款藥物的發現和臨床前階段就已完成，該公司於今年6月開始第二期臨床試驗，將進一步研究此候選藥物的詳細作用方式。
 
雖然使用AI進行藥物開發是相對來說較新的技術，不過根據BCG去年的分析報告，在這20家AI密集型公司中，已經有158個藥物候選分子處於發現和臨床前開發階段；而全球收入排名前20家的大型製藥公司，共有333款藥物候選物。儘管這些關於新藥候選分子的資訊都來自於各家公司的公開資訊，但直到藥物真的通過各項臨床試驗之前仍需要採取謹慎的態度。除此之外，以AI設計藥物還有可能產生其他挑戰，由於GAI系統通常透過它從資料庫中學習到的模式來生成具有相似特徵的新數據，GAI在新藥研發過程中可能建議使用者製造實際上不可能做得出的物質。最後，為了使AI系統學習與改進，還需要人類製造、測試AI建議的分子，並將結果回饋到AI系統中。
 
讓AI加入藥物研發過程，雖然減少了化合物通過臨床前測試需要耗費的許多時間與成本，但即使有了AI的輔助，還是無法改變藥物的發現過程相當需要依靠運氣的事實，大多數候選藥物依然會在藥物研發的後期階段失敗。儘管如此，學界與業界仍對以AI進行藥物研發抱持著希望，期待能結合機器與人類研究團隊的優勢發揮AI的最佳結果。
 

新聞來源
Editorial (10 October 2023). AI's potential to accelerate drug discovery needs a reality check. Nature 622, 217, https://www.nature.com/articles/ d41586-023-03172-6.