制药巨头纷纷押注AI

跨国药企正在利用AI寻找临床试验的患者，或减少所需患者数量，这既加速了药物开发，又可能节省资金。通过AI发现的一些化合物目前也正在开发中，但结果如何需要数年时间才能得知。

不久前，路透社对十几家制药公司高管、药品监管机构、公共卫生专家和人工智能公司的采访表明，AI在人体药物试验中发挥着相当大的作用，且作用越来越明显。

安进、拜耳和诺华等公司正在训练人工智能扫描数十亿份公共卫生记录、处方数据、医疗保险索赔及其内部数据，以寻找试验患者，在某些情况下，注册所需时间减半。

“我认为这种情况还没有普及，但已经过了实验阶段”，德勤董事总经理Jeffrey Morgan表示。FDA表示，从2016到2022年，它已收到约 300 份将人工智能或机器学习纳入药物开发的申请。其中超过 90% 的申请是在过去两年提出的。

1、缩短临床招募时间

在人工智能出现之前，安进会花费数月时间向从约翰内斯堡到德克萨斯州的医生进行调查，询问诊所或医院是否有具有相关临床和人口特征的患者参加试验。

然而，受可用患者的数量少、高退出率或患者不遵守试验方案等因素影响，德勤估计约 80% 的研究未能达到招募目标。

如今，安进的AI工具 ATOMIC 扫描大量内部和公共数据，根据过去招募患者进行试验的表现来识别诊所和医生并对其进行排名。

安进告诉路透社，根据疾病的不同，招募患者参加中期试验可能需要长达 18 个月的时间，但 ATOMIC 在最理想的情况下可以将这一时间缩短一半。

此外，安进还在少数试验中使用 ATOMIC 来测试药物治疗心血管疾病和癌症等疾病的效果，并计划到 2024 年将其用于大多数研究。

该公司表示，到 2030 年，预计人工智能将帮助其将药物开发时间缩短两年甚至更长时间。

诺华全球开发业务主管 Badhri Srinivasan 表示，诺华使用的人工智能工具还使患者参与试验变得更快、更便宜、更高效。

世界卫生组织人工智能专家 Sameer Pujari 表示，总体而言，只有不到 25%的健康数据可供公开用于研究。

2、减少临床招募人数

德国制药商拜耳表示，它利用人工智能将 aundexian 后期试验所需的参与者人数减少了数千人，aundexian 是一种旨在降低成人中风长期风险的实验药物。

拜耳使用AI将中期试验结果与芬兰和美国数百万患者的真实数据联系起来，以预测与试验类似的人群的长期风险。

有了这些数据，拜耳开始后期试验，需要的参与者就较少。拜耳表示，如果没有AI，它将花费数百万美元，并且需要长达九个月的时间来招募志愿者。

但拜耳并不满足于此。

在一项患有相同病症儿童测试 aundexian 的研究中，拜耳计划使用外部对照组，从而有可能消除患者服用安慰剂的需要。

外部对照试验，即借助来自试验外部的个体数据，构建与试验组进行比较的外部对照臂。试验外部的个体数据来源可以是既往研究的历史数据，也可以是同期研究的平行数据；可以是来自其他临床试验的数据，也可以是真实世界数据（如电子病历、登记数据、医保数据等）。

在该研究中，该年龄组符合条件的非常罕见，因此很难招募到患者，并且可能会引起人们的担忧。即在没有经过验证的治疗方法的情况下，为试验参与者提供安慰剂是否合乎道德。

人工智能加快了通过搜集电子患者数据来寻找现实世界的患者这一过程。拜耳表示，希望这能够帮助了解该药物的有效性。

虽然不寻常，但过去曾使用过外部对照组，而不是传统的随机对照组，即一半的参与者服用安慰剂，主要用于患者很少或没有现有治疗方法的罕见病。

安进的药物 Blincyto 旨在治疗一种罕见的白血病，在采用这种方法后获得了美国的批准，但必须在上市后进行后续研究以确认该药物的益处。

罗氏子公司 Flatiron Health的高级首席科学家 Blythe Adamson表示，人工智能的优势在于，它可以让科学家快速、大规模地检索现实世界的患者数据。

她说：“使用传统方法可能需要几个月的时间才能收集 5,000 名患者的数据，现在我们可以在几天内了解数百万患者的情况。”

3、临床本质未变

在使用外部对照组测试药物之前，制药商通常会事先寻求监管机构的批准。

拜耳表示，正在与 FDA 等监管机构讨论目前依靠人工智能为其儿科试验创建外部对照的问题，该公司没有提供更多细节。

欧洲药品管理局（EMA）表示，尚未收到任何寻求以这种方式使用人工智能的公司的申请。

包括FDA肿瘤学负责人在内的一些科学家担心，制药公司将试图利用人工智能为更广泛的疾病提供外部武器。

FDA肿瘤*中心主任Richard Pazdur说：“当你将一只没有随机化的手臂与另一只手臂进行比较时，你会假设两者的人群相同，这并不能解释未知情况。”

试验中的患者往往比真实世界数据中的人感觉更好，因为他们相信自己正在得到有效的治疗，并且也得到了更多的医疗关注，这反过来可能会高估药物的成功。

这种风险是监管机构倾向于坚持随机试验的原因之一，因为所有患者都相信他们正在服用该药物，但其实上有一半患者服用安慰剂。

临床数据分析公司 Phesi 的创始人李根表示，许多公司正在探索人工智能的潜力，以减少对对照组的需求。

然而，监管机构表示，尽管人工智能有潜力加快临床试验过程，但药物安全性和有效性的证据标准不会改变。

“人工智能的主要风险是，我们希望确保在药物是否有效的问题上不会得到错误的答案”，FDA药物评估与研究中心医疗政策办公室负责现实世界证据分析的副主任John Concato说。

【本文由投资界合作伙伴微信公众号：智药局授权发布，本平台仅提供信息存储服务。】如有任何疑问，请联系（editor@zero2ipo.com.cn）投资界处理。