2020年，即COVID-19全面爆发的元年，FDA仅批准了53种新药。同年，全球医药行业整体药物研发投入达到近2000亿美元。这意味着2020年批准的每种药物的平均成本接近38亿美元。当年发表的一项研究对新药的成本给出了相对保守的估计。虽然近十年来新药成本大幅上升，但具体区间仍在3.14亿美元至28亿美元之间。该研究还发现，将一种新药推向市场的研发总成本中位数接近10亿美元，而平均水平估计约为13亿美元。此外，新药的平均上市周期为10至15年，其中约一半的时间和投资用于临床试验阶段，其余一半的费用用于支持临床前化合物的发现、测试和研发。监督。至于为什么每款新药成本都那么高，时间这么长，原因包括缺乏临床疗效、缺乏商业效益和战略规划不当。简而言之，所有这些复杂的因素都使制药业的有效性变成了玄学。不少人甚至在高昂的新药上市成本下成为怀疑论者，质疑为何医药行业也会深陷目前的困境无法自拔。这些人是所谓的“倒摩尔定律”的支持者，该定律指出，尽管技术不断进步，但开发新药的成本在过去几十年中呈指数级增长。倒摩尔定律指出，无论通货膨胀的影响如何，开发新药的成本大约每九年翻一番。这个观察提出了一个类似于收益递减的规律，按照经济学的概念来解释，如果某个商品生产环节的某个投入增加，而其他所有投入都保持不变，那么整体最终会下降。到了一个临界点——再继续增加输入，相应的输出反而会逐渐减少。“倒摩尔定律”一词是JackScannell博士及其同事于2012年在《自然·评论·药物发现》提出的。倒摩尔定律，当然指的是大名鼎鼎的摩尔定律。1960年代的这一概念性观察发现，大规模集成电路上的晶体管数量每两年左右翻一番。摩尔定律以英特尔公司联合创始人戈登·摩尔的名字命名，是他对历史趋势的观察和总结。斯坎内尔博士强调了当前困境的四个主要原因。首先，监管机构对治疗的标准越来越高；监管机构承担风险的能力越来越差，增加了研发成本和难度；花钱的心态，这种靠资源泛滥、推项目的做法，很容易造成项目超支；再就是基础研究的蛮力破解，即高估通过粗暴试错突破基础研究问题的可能性。尽管存在各种困难因素，但总有一天我们会战胜摩尔定律的挑战，而决定战斗胜负的强大武器就是人工智能。好消息是，有人已经在这条道路上迈出了第一步。Scannell博士和他的合作科学家呼吁制药公司任命一名首席药物官，他将负责确定开发过程各个阶段失败的原因，并将结果发表在科学期刊上。目前，制药公司甚至很少公布失败的实验或临床结果，而且大多数都没有想过任命专门的高管来处理失败案例中有价值的信息。但斯坎内尔博士强调，要打破倒摩尔定律，企业必须首先改变研发流程。协作和信息共享当然是一个很好的切入点，但在医药行业，真正能够打破摩尔定律的方法只有一种——AI。在过去的几年里，已经有多次尝试利用人工智能来打破倒摩尔定律。如今，Exscientia和InsilicoMedicine等机构正在向它冲刺。总部位于牛津的Exscientia是一家全球制药技术公司，专注于患者并通过人工智能技术加速药物发现。去年，该公司宣布第一个人工智能设计的免疫肿瘤学分子已进入人体临床试验。在该项目中，Exsientia正与Evotec合作，利用前者的CentaurChemist药物发现平台，为患有晚期实体疾病的成年患者开发A2a受体拮抗剂。这不是Exscientia的第一次尝试。公司于2020年宣布了一款人工智能驱动的软件设计药物，用于治疗强迫症，目前已进入I期临床试验。还有薛定谔，他为制药行业开发了最先进的化学模拟软件。Schrodinger最近获得FDA批准，可以在早期试验中研究其计算机设计的非霍奇金淋巴瘤治疗方法。基于机器学习技术，公司平台在10个月内对82亿种潜在化合物进行分类，最终鉴定出78种能够顺利通过临床前合成和筛选的化合物。现在，公司已计划启动I期临床研究，开始招募复发或难治性非霍奇金淋巴瘤患者。与此同时，总部位于犹他州的RecursionPharmaceuticals正在使用人工智能为现有药物寻找新用途。去年，罗氏和Genetech与Recursion建立了项目合作，共同探索细胞生物学的新领域，并尝试开发神经科学和肿瘤适应症领域的新疗法。通过合作，两家公司将利用Recursion的AI药物发现平台，对新药靶点进行全面筛选，从而加速小分子药物的研发。Insilico，领先的抗纤维化候选药物也顺利完成0期临床研究，正式进入I期临床阶段。该候选药物的新靶点是由Pharma.AI平台发现的。从发现靶点到一期项目启动，总时间甚至不到30个月，创下了医药行业新药研发速度的新纪录。别忘了，AI技术还将在脑机接口、深度学习、人机界面、机器学习等智能仿真场景中发挥作用。这些概念已经存在了几十年。早期的医学人工智能系统严重依赖医学专家提供的临床知识和逻辑规则，但今天经过训练的超级计算机可以自行完成这些任务。为了打破摩尔定律，数据科学家和医学科学家必须共同规划可实现的用例，将人工智能技术应用到各种临床试验中，并将人工智能技术与将替代/补充的现有技术进行比较。如此一来，AI有望顺利进入临床试验生态圈，在快速提升行业药物发现和研发流程的同时，有效降低研发失败率和成本。如今，几乎所有大型制药公司都在使用内部原创研究算法，与人工智能供应商合作，或直接收购人工智能供应商/技术，以丰富其产品组合和药物发现管线。多家药企的巨额融资和合作声明也告诉我们，业界对AI工具在药物研发过程中的应用寄予厚望。这个领域发生了很多变化。希望未来几年，企业能够将更好的投资策略与先进的人工智能技术相结合，一举粉碎摩尔定律的“魔咒”。
