美国食品和药物管理局（FDA）日前发布通知，将逐渐取消单克隆抗体等药物申请中的动物试验要求，转而用人工智能（AI）预测模型、类器官及器官芯片等更高效、更贴近人体反应的“新兴替代方法”。

　　面对动物实验即将告别历史舞台，中国医药产业准备好了吗？相关科学研究的进展和储备情况如何？在近日召开的“FDA新政下，如何用AI提升非临床研究的效率”研讨会上，与会专家表示，我国新药研发领域早已开始借AI发力。

　　提升预测准确率

　　“AI不仅能够设计分子药物，还能够预测分子药物进入临床的概率及上市可能性。”北京大学前沿交叉学科研究院特聘研究员裴剑锋告诉科技日报记者。

　　“我们持续关注新药研发成功率这一关键问题。”裴剑锋说，新药研发持续时间长，且90%新药会在临床试验阶段宣告失败。他们团队正在研发AI技术，用以预测新药研发长链上各环节成功率，以指导研发人员在“迷宫”中选对路。

　　中国医学科学院肿瘤医院药物临床试验中心研究员王书航介绍，国家癌症中心已设立专门机构，汇集罕见病、肿瘤新靶点、多组学等研究数据，并持续与AI企业、高校团队等合作，开展AI指引下的临床研究，助力更多原创药落地。

　　通过靶点发现创新药物是当前新药创制的主要方向之一。如明星靶点PD-1（程序性死亡受体1），已成为肿瘤治疗药物研发的“灯塔”。“并不是所有的潜在靶点都适合开发药物。如果AI能在立项时预测不同靶点的开发价值，研发者就不会等到进入临床三期才发现药物并没有药效，从而付出巨大的试错成本。”裴剑锋介绍，近年来团队开发出的AI技术，能给出多靶标的最优药物设计方案，助力设计出成药性更高的小分子药物。

　　中国科学院计算技术研究所研究员赵屹介绍，他们团队自主研发的“深度生成模型PRnet”，基于神经网络架构与生成对抗网络，实现了对药物扰动下基因转录组动态响应的精准预测，在多个疾病模型验证中预测准确率达87%。

　　增强原创能力

　　“临床试验在新药研发中的时间和费用占比已超70%，却很难给临床阶段的‘决策’提供准确指导。”山东大学药学院临床药学系主任赵维教授认为，传统临床试验不仅周期长、效率低，最大的问题是准确度较低、疗效预测可靠性不足。例如安全性评估方面，漏报率至少达到15%。

　　FDA专员在相关通知中也谈到，替代方法能够降低研发成本和药品价格，更快地为患者提供更安全的治疗方案。

　　以安全性评估中的关键指标“药物清除”为例，传统方法预测有效率最高65.8%。“我们基于35个医疗机构和大学的研究数据，对机器学习模型进行训练，将预测有效率提升到94.1%。”赵维说，在阿莫西林、头孢他啶等抗感染药物用于新生儿时，团队用模型预测剂量，临床准确率达到80%。

　　我国原创药物研发能力正在增强，但临床前研究有效数据少、安全性剂量爬坡难等成为原创药研发的“隐忧”。“AI等新方法能够对包括安全剂量在内的很多参数进行准确预估，这大大提升了原创药的研发能力。”赵维说。

　　除了整体提升新药研发能力，AI还能发现老药的新功能或者“挽救”失败药品。“老药被发现时聚焦一个靶点，但它作用于人体网络，能通过作用于其他靶点展现新疗效，而且老药安全性更好。”华东理工大学药学院教授唐赟表示，在算法加持下，我国科研团队持续挖掘药物、疾病、靶点的新关联，不断丰富的中国实践正在为盘活现有药物资源提供有效的创新路径。