AI制药再向前迈进一步。
由生成式人工智能驱动的临床阶段生物医药科技公司英矽智能（Insilico Medicine）6月27日宣布，其已经开始AI研制药物的首批人体试验，为一名中国患者提供了一种治疗慢性肺部疾病特发性肺纤维化的新型疗法。
这种药物名为INS018_055，是全球第一种完全由AI设计和研制的药物，目前已推进至2期临床试验验证阶段，或即将成为制药业的重要里程碑。
(相关资料图)
近来，AI领域一度站上风口，制药业试图借势起飞，AI制药或将成为未来现实。
深圳某一级市场医药行业投资人向21世纪经济报道记者坦言，尽管AI医药发展迅速，相关研发企业已减少需要反复自证的过程，但市场仍然带着怀疑的目光去看待其技术和商业模式。2022年，全球多家AI制药公司经历了合作交易、融资等重要事件，但从海外AI制药公司披露的年报来看，AI制药企业也有着与普通biotech（生物医药）相同的烦恼：管线推进不顺利、疯狂烧钱却收获不多、上市药物商业化受阻等。
尽管存在争议，AI制药却已赋予医药行业丰富的想象力。
英矽智能联合首席执行官兼首席科学官任峰表示，“启动INS018_055的2期临床试验首例给药，是中国乃至全球人工智能制药领域的又一个里程碑。我们期待INS018_055为全球患者带来新的选择，也期待人工智能制药能够交出更高效的成绩单。”
公开信息显示，2021年以来，在一体化人工智能平台Pharma.AI的支持下，英矽智能已提名12款临床前候选化合物，并将其中3款在研药物推进到临床验证阶段。除了此次的INS018_055外，借助生成式人工智能药物发现平台，英矽智能目前已布局拥有近30条内部自研管线的疗法组合，涉及纤维化、癌症、自免和神经退行性疾病领域。
作为新一代生物技术公司，英矽智能等公司已筹集数十亿美元资金用于开发人工智能工具，旨在彻底改变药物开发。
实际上，整个制药行业都已看见AI制药领域的巨大空缺。摩根士丹利的一份报告显示，大型制药公司和投资者都在争相利用AI领域的市场机会，该市场规模已经达到500亿美元。咨询公司麦肯锡估计，全球有近270家公司致力于AI驱动的药物发现。
具体而言，2022年，辉瑞延长与一家以色列AI公司的合作；阿斯利康扩大了与英国AI制药公司Benevolent AI的合作；赛诺菲宣布与Exscientia开展新的合作，并与英矽智能达成合作协议。
阿斯利康负责计算化学、发现科学和研发的副主任奥拉·恩奎斯特表示，AI工具已应用于该公司约70%的小分子药物发现项目，并且还将用于抗体设计等更复杂的项目。“虽然AI自始至终没有创造出一种上市新药，但也许我们正在朝着这个方向前进。”
首批进入AI制药领域的研发公司Exscientia的创始人安德鲁·霍普金斯曾表示，未来所有药物都会以AI的方式设计，这是一种更有效的分子设计方式。问题只在于，制药业会以多快的速度采用这一技术。
英矽智能首席执行官Zhavoronkov表示，该公司的人工智能平台有可能将发现药物的时间减半，并大幅削减药物投向市场的成本。赛诺菲、复星、强生等几家制药公司已经和英矽智能签署合作协议，可以使用该公司的技术。
Zhavoronkov还补充称，根据目标的新颖性和复杂性，英矽智能的人工智能平台可以节省二到四年的临床前药物发现时间。
一般而言，一款新药的研发流程，从早期的靶点发现，到化合物发现，再到临床前至临床间，甚至审批上市至商业推广，都可以使用AI技术赋能和加速。但目前而言，AI最主要集中应用于化药及生物药的发现和临床前开发阶段。
用于筛选的虚拟化合物库有几十亿分子，药物研发科学家依照计算机辅助技术和个人经验，选定大概的方向进行实验验证。如果观察到小分子和靶点的蛋白质有一定的结合能力，再进行进一步研究和优化。
AI在药物发现领域的作用，就是在前述的经验积累为找到正确的化合物增加一些概率。“AI能够很快分析大量数据，找出规律，没有任何的偏见，避免了传统新药研发可能因项目负责人主导产生的人为干扰，为创新药物研发提供人类经验之外的更多可能性。”任峰说。
“医药研发前期如果存在一些模型、方法，能够考虑后面的失败因素，让药物筛选、靶点选择一次性通过，便能缩短新药研发流程。”BioMap首席AI科学家宋乐介绍称。尽管目前，监管机构尚未批准完全使用该技术开发的药物，但人工智能在减少药物开发的时间和成本方面已经展示出积极的前景。
目前，所有人的目光都集中在AI设计的药物对人类是否安全、对疾病是否有预期的效果、能否达到与传统药物一致的监管标准。
尽管AI制药百花齐放，但剑桥大学分子信息学教授安德烈亚斯·本德尔表示，在不同的疾病领域有不同的靶点、不同的化学物质，因此AI药物的批准并不意味着该领域的前景将是一片坦途。
一些批评人士也在怀疑AI研制药物的成功概率，他们认为这项技术的潜力被过分夸大。如Exscientia在2020年利用AI开发出的首款治疗强迫症药物，因未能达到预期标准而中断。此外在上个月，拥有人工智能药物发现平台的生物技术公司Benevolent AI表示，在其主要候选药物失败后，该公司将裁员180人，裁员人数几乎是其员工总数的一半。
实际上，在药物发现和开发中使用AI的前提，是使用算法来搜索海量数据，包括化合物的结构、动物研究和患者信息，以确定药物在人体内的靶标、哪种分子最适合、如何创造新的分子。没有这些海量数据，AI则无法提供最准确的结果。
但对于规模较小的私营公司来说，它们可能无法负担可购买的商业库，也没有大药企自己独有的分子库，数据量的不足构成其发展的主要障碍。
此外，浙江工业大学智能制药研究院院长段宏亮指出，算力也存在局限，“模拟一个蛋白或者分子空间构象对精度要求很高，目前即便是超级计算机也无法穷尽所有组合。”
海量数据是中国发展AI制药的优势。国内人口基数庞大，医院规模大，更利于搜集整合大规模数据，但数据质量有待提升。段宏亮说，目前国内大部分企业通过公开数据库拿到的药物研发数据量少质低，需要从化学生物实验室产生数据并积累。
“形成稳定的技术路线需要5-10年，为制药行业带来本质性的颠覆还要5-10年。”这是微软杰出首席科学家刘铁岩对AI制药发展前景的预测。