您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
医疗AI 正文
发私信给刘海涛
发送

0

独家对话英矽智能CEO、CSO:AI新药首进「临床试验」,能否改写药物发现史?

本文作者:刘海涛 2021-12-31 15:55
导语:英矽智能IPF候选药物的研发历程、临床前试验过程的坎坷,自研AI新药的下一步计划,或许值得更多AI新药创业者借鉴。

近日,AI制药公司英矽智能宣布,基于人工智能药物研发平台Pharma.AI研发的IPF(特发性肺纤维化)候选药物——ISM001-055 ,启动了微剂量人体试验,实现了第一批健康志愿者的临床给药。

此举意味着,该药物已经正式进入临床试验阶段。

而在今年2月,该特发性肺纤维化创新药才刚被英矽智能选定为PCC(临床前候选药物),当时曾被认为是药物发现史的一次重要事件。

相比之前内部官宣PCC,这次IPF进入临床试验,更是得到了官方认证,也是AI在药物研发作用价值的一次实践证明。

对此,英矽智能首席科学官任峰表示:“据我所知,这是有史以来首个由人工智能发现的具有全新靶点和新分子结构的候选药物进入临床试验,是人工智能药物发现史的一个里程碑。”

2013 年诺贝尔化学奖得主,英矽智能科学咨询委员会成员Michael Levitt 博士也表示:“这证明了很多AI新药研发公司的管线都可以抵达PCC,过去很多人都说这对我们来说太贵了,我们做不到。这次英矽智能是以某种方式优化了整个过程。”

医健AI掘金志与英矽智能首席执行官AIex、首席科学官任峰展开了一次独家对话,分析了此次成果的过程、价值,以及英矽智能该款创新药的下一步规划。

值得注意的是,在12月11号的GAIR(第六届全球人工智能与机器人大会)的医疗科技高峰论坛上,任峰博士还将现场介绍IPF项目的研发细节,并发布更多的AI新药研发成果,具体详情请查扫描底部二维码。

以下是本次对话的全部内容,《医健AI掘金志》做了不改变原意的整理和编辑:

独家对话英矽智能CEO、CSO:AI新药首进「临床试验」,能否改写药物发现史?

英矽智能首席科学官 任峰

医健AI掘金志:IPF候选药物从立项到PCC过程,累计18个月时间,花费了260万美元,从提名PCC到进入临床这9个月时间里,因为有很多对外合作和临床测试的工作,是不是花费更多?

任峰:目前,我们的临床申报还在进行当中,本次在澳洲进行的是一个微剂量给药的临床试验,为后续的临床试验PK(药物代谢动力学,体内药物浓度与时间的关系)提供参考。微剂量试验要求的临床前试验数据相对少一些,具体包括:化合物放大生产,以及毒理试验等。

因为生产量没有那么高,毒理试验没有那么复杂,病人数量也比较少,所以花费并不多,初步统计在60万美金左右。

医健AI掘金志:临床零期实验结束之后,估计多久会通过IND?

任峰:我们计划在明年第一季度进入临床1期,已经在新西兰提交了1期临床试验申请,同时向国家药监局药品审评中心提交了预申请(pre-IND)。

医健AI掘金志:从现在到明年第一季度申报通过CTA的过程中,预估失败率是什么情况?

任峰:失败率很小,因为申报CTA过程中,主要就是考察28天毒理实验,评估安全性和有效性。

这个评估我们已经做完了,目前无论是在啮齿动物还是非啮齿动物都非常耐受,失败可能性比较小。

医健AI掘金志:IPF药物从宣布PCC到进入临床一期过程中,英矽智能主要做了哪些事?

任峰:宣布PCC之后,我们主要做了两件事,第一,化合物的放大生产,配以合适的辅料,为临床1期服务;

第二, 28天毒理实验,包括啮齿类动物和非啮齿类动物的毒理性实验,评估临床上的爬坡计量以及最大耐受。

在中剂量下,我们找到了没有任何毒副作用的剂量,也就代表临床上至少可以爬坡到这个级别,这对后续的临床试验非常有帮助。

医健AI掘金志:除了临床实验的技术层面,作为一家AI新药的初创公司,从宣布PCC到临床试验,有没有遇到什么问题? 

任峰:目前的进展我们还是比较满意的,虽然是一家初创公司,但临床团队构建上我们还比较下功夫,临床团队已经有10几个人,包括API、CMC、制剂、毒理、DMPK都有对应人员。

而像你说运营问题,我们确实也碰到过。

大家都知道近两年国内药物研发热度特别高,所有CRO企业都满负荷运转。当时我们合作的CRO企业就因为项目太多,就面临GLP毒理试验要被延期的情况。

对于我们来说,一旦GLP毒理试验被拖延,就意味我们原来安排的临床试验的地点和进度都会受到影响;

经过这次之后,我们也学到了一个经验,就是要给CRO试验时间设定出更多冗余,我觉得其它AI新药研发企业也要注意。

医健AI掘金志:这是不是说明目前AI新药研发企业,在生物医药行业的话语权比较低。

任峰:这是一定的,因为比较大的药企和CRO企业有很多业务合作,而初创AI研发企业往往只有一条或几条管线合作,大客户和小客户之间肯定会有区别。

医健AI掘金志:之前和清华彭健教授沟通,他表示目前AI平台最大作用,应该是药物靶点发现到化合物选择,而到PCC之后就是很标准的临床试验和合规过程,和AI没有什么关系,您认可这个观点么?

任峰:这有一定道理,PCC之前AI赋能作用会更明显一些,PCC之后合规认证,像化合物放大生产、GMP、GLK这些工作确实都有比较完备的监管流程,AI没有办法加速这部分实验过程。

但AI也并完全没有作用,例如可以设计更好的合成路线,更好的晶型,帮助缩短合成时间,辅助流程优化,让6个月的工作量缩短到5个半月。

但确实无法大规模,大范围缩短,无法像PCC之前一样,将几年新药研发过程缩短到1年半搞定。

另外,临床试验过程中AI平台也会有一些作用,例如我们研发的InClinico软件,可以帮助预测和优化临床试验成功率,这个赋能并不是缩短研发时间,而是会试验成功率带来帮助。

医健AI掘金志:PCC之后,AI平台赋能已经比较有限,后面合规认证也已经不是AI企业所擅长,投入成本又比较多,像IPF这款创新药咱们后续计划是什么,有没有考虑和药企合作。

任峰:确实有考虑,我们一些内部管线已经计划在PCC阶段对外转让,后面许多事对于AI新药研发企业比较困难,也得不偿失。

但我们不会所有项目都对外转让,一些比较看好的项目还是希望自己推进到临床1期或靠后一点,这样可以帮助我们建立自己的临床团队。

目前,ISM001-055也是基于这样的考虑,我们希望将英矽智能定位为一个AI赋能的生物医药,而不是只有早期研发的部分。

医健AI掘金志:英矽智能的肾纤维化药物今年6月也宣布PCC,这个管线目前进展怎么样,下一步也会像IPF项目一样推进临床试验么? 

任峰:肾纤维化药物,目前我们也已经推进到GLP毒理阶段,药物放大已经完成,这款药物和IPF同一靶点,化合物不同,这种化合物更多在肾上积累,对肾纤维化效果更好。

接下来,这款创新药我们同样计划自己完成案例申报,推进到临床1期,再考虑是否找有经验的药企合作开发。

医健AI掘金志:从技术层面角度,PCC之后就去和大药企合作不是更好一些么?

任峰:PCC到临床一期阶段虽然比较费精力,但成功率比较高,如果创新药完成临床一期并取得比较好的临床效果,那整个项目的价值就和PCC阶段完全不一样。

对于创业企业来说,到了临床二期主要看药效,风险和成本都比较高。所以从收益角度,一期之后再转让会比较理想。

医健AI掘金志:这一年来,英矽智能接连拿出几个PCC,在新冠药物筛选上又取得了重要突破,背后的主要原因是什么?

任峰:和整个生物医药企业相比,AI新药研发企业,因为AI的加持和赋能,让每个项目的研发周期都更短一些,研发经费更少一些。理论上同样经费情况下,AI企业可以做更多项目,产生更多里程碑。

医健AI掘金志:AI新药研发行业中,能拿出这么多成果的企业好像并不多,甚至有很多企业成立时间比英矽智能更早?

任峰:我认为这背后和每家企业的策略有很大关系,我们目前有三个AI平台,涉及靶点发现、小分子化合物生成,以及临床试验预测。

通过目前的成绩来看,AI平台对于新药研发的帮助确实很大,也帮助我们快速拿出了自研创新药。

但其它企业公布成绩比较少,并不代表它们的AI平台就要更逊色,据我所知,有很多企业在制剂优化、晶型预测的算法都非常出色。

但这些企业的AI平台因为和药企在合作赋能,很多的成绩因为对方,或者保密原因无法对外做宣传。

医健AI掘金志:除了自研创新药,我看到英矽智能的Chemistry42产品,和其它很多药企都有合作,在全球排名前30的药物公司中就有7家,能谈谈这些合作的情况么?

任峰:目前两款软件一个是7月份上线,另外一个是11 月份上线,真正使用效果都不是很长,从这次合作的内部反馈来看,效果还可以,例如找出从没想过的靶点,节省发现新靶点时间,为他们筛选出可以借鉴的小分子。

医健AI掘金志:一年的时间里,这些AI产品在药企中发挥的价值是不是还比较有限?

任峰:这些药企中,确实还没有拿得出大家可以看到的AI平台成果,但作用其实很好验证,因为经过简单测试,就能验证出AI平台找出的化合物活性。

之所以大家还没有看到合作成绩,主要是因为后面试验、毒理、DMPK周期都比较长,这些项目很多都在这个过程当中。其实,其它很多AI企业还没有公布出成绩,也是这个原因。

医健AI掘金志:既然目前还没有特别突出的合作案例,那为什么这一年时间里,咱们和这么多药企都达成了合作?

任峰:背后原因有几个方面:

第一是服务形式,英矽智能刚开始就将AI产品定位于软件形式呈现,而不是做平台。我们通常都会将软件包提供给客户,并提供一定试用期,协助对方测试产品,看看能否对他们提供帮助效果,让对方决定是否购买。

这个过程中对方即能体会AI相比传统方式优势,也可以清晰体会到这的确是AI帮助产生的结果,而并非人为干预。

第二,平台有一定验证,我们的IPF项目的成功已经有了大家可以看得见的验证效果,别人也会更容易信赖,而如果没有这些验证,合作伙伴也可能会对平台的效果提出疑问。

第三,团队力量,作为一个生物医药企业,应该针对不同用户需求,都能给出很专业的意见和反馈。

对于有的客户来说,我们团队给到的AI新药研发经验有的时候要比AI平台本身更有价值,光有好的AI技术和平台,没有专业的团队也不行的。

医健AI掘金志:您也谈到对于AI新药研发企业人才非常重要,现在各个企业抢人还是比较激烈的。

任峰:中国创新药企业有1500多家,每个初创公司都需要非常懂化学,非常懂生物的人,但事实上国内并没有这么多化学家、生物学家。

从英矽智能的角度,我们在招人方面投入精力也比较大,从今年年初到现在已经组建近60多人的生物、化学、临床前研发团队,但还是比较缺人,特别是懂临床的人,能够做临床试验的人,国内还比较少。

医健AI掘金志:除了AI新药研发企业,国内比较大的药企也在招聘懂AI、算法的人才,他们是打算给过去的工作流程提供一些AI赋能,还是也会做类似的产品。

任峰:做类似产品肯定来不及,产品可能需要更长的时间去验证,他们应该希望招一些AI团队,用深度学习对他们已有的研发管线的某些点赋能。因为现在无论这些大公司承认与否,AI都已经成为一个重要趋势。大家即不想错过这次颠覆性革命,但现在又不敢完全相信。

医健AI掘金志:英矽智能IPF药物通过IND这个进展,对于AI新药研发行业有怎样的实际意义?

任峰:这应该是AI全新发现的靶点和化合物首次进入临床阶段,其它AI企业项目可能做的是已知靶点,然后匹配新化合物,还有一些是新靶点,去做老药新用,这些研究都有进入临床的。

但像新靶点和新化合物还是第一次,应该是生物和化学结合的一个小突破。

从行业角度,AI平台对于生物医药未来应该是端到端赋能,而不是某个点,某个环节优化。

应该从药物靶点发现到剂型预测,到临床试验整个链条都可以发挥作用,可以将AI生物、化学、剂型、晶型这些都结合起来,提供端到端的辅助,我觉得这是行业下一个突破的地方。

医健AI掘金志:英矽智能的首个AI研发的创新药进入临床之后,行业内什么时候会出现更多类似的成果,出现一次集中的浪潮。

任峰:目前针对已知靶点,像国外的Exscientia就已经把管线推进到临床1期。国内据我所知还没有类似的成绩,但现在一些AI公司研发的化合物已经在动物模型上有一定药效。

这一意味未来3-6个月之内,这些化合物就能拿出PCC,再有一年时间,2023年上半年就会有比较多的类似成果进入临床。

医健AI掘金志:我们知道CADD领域有薛定谔,过去20年他们研发的CADD产品在药企里面已经有了比较大的作用,英矽智能近期和药企合作为他们服务的AIDD产品,是为之前的CADD提供补充,还是有希望取代。

任峰:AIDD肯定不能取代CADD,但要比后者更强大,我觉得未来应该是AIDD为主,CADD做补充的模式。

目前英矽智能就是在用这样方法,AIDD产生新化合物之后,再用CADD+人的方法去做分子优化。

独家对话英矽智能CEO、CSO:AI新药首进「临床试验」,能否改写药物发现史?

英矽智能CEO AIex

医健AI掘金志:最近AlphaFold2的创始人又宣布成立一家新的AI公司,谷歌在这方面曾经创造出蛋白质结构预测这样的成绩,接下来,他们会成为英矽智能有力竞争者么,您会有危机感么。

AIex:我非常高兴Demis和Deepmind在蛋白质折叠工作方面的成功,创立一家公司以AI赋能药物研发的公司,

但AI新药研发的发展和其它人工智能不太一样,一般情况下验证一个药物发现的算法需要2-3年时间,无法像图片、文字、声音处理或电子游戏等领域可以很快验证AI成果。

另外,一个药物发现结果验证,往往需要进行分子合成、动物实验乃至人体组织实验等繁杂步骤,一旦实验设计有缺陷,就会浪费非常多时间。

期待Demis组建一个非常有能力的药物发现团队,这可能会让他们2-3年内成为我们的竞争对手。

此外,我相信当他们在药物发现上创造成果时,也会以我们的成绩为参照。

例如时间节点上,AI从一个旧靶点合成一个化合物,并进行临床实验一般需要46天,AI找到一个新靶点、新分子的发现到临床前候选药物阶段需要16个月,新靶点到人体应用需要两年的时间。

我对越来越多公司进入AI驱动新药研发这个赛道感到非常高兴。

因为与许多“赢家通吃”的行业不同,药物发现本身是一个十分宽广的赛道,有超过上万种疾病,数千种可行的靶点等待大家去发掘,即使是同一靶点的治疗方法也有很广扩的空间。

所以更应该为这个领域发力,共同繁荣和富裕的最终形式不仅是舒适的生活,更是健康。

所以,越来越多AI药物研发公司加入这个赛道,我们就能更容易实现这个目标。

我们真正的竞争对手是那些浪费人力、物力、时间和资源,却非常内卷的公司,那些既没有共同做出奉献和利益,却试图对立的公司。

未来的大企业、科技公司应该更关注健康,更多的计算科学家应该转向生物技术领域。这次Google也为亚马逊、腾讯、百度、阿里巴巴等其他科技巨头树立了很好的榜样,科技巨头们应该更加支持生物制药和医疗保健领域的进步,希望他们能够对合作关系保持开放态度。

例如AI医疗大联盟(AAIH)的行业团体。因为需要共同讨论标准和政策,2017年在Numerate首席技术官Brandon Allgood的倡议下组建,英矽智能也是最早的创始成员,目前已经有四十多名成员。我们希望大家更多的是交流和合作,而不是敌视。

医健AI掘金志:最近一年,英矽智能的产出和成绩都非常好,独立研发几个新化合物,药物开发平台又和多个药企达成了合作,这样高产出的背后原因是什么?是人员,还是技术,或者是选择?

AIex:谢谢你的赞扬,但我仍然觉得做得不够,还有很长的路要走,而这个阶段性的成功主要归功于我们的先发优势。

在2014年的时候,大家对于深度学习还比较陌生,许多大型制药公司内部也都没有人工智能科学家团队,但大家非常愿意分享知识和数据,并且愿意尝试很多新想法。

基于此,当时我们从很多这样的交流和试点中汲取了经验,从而很早就积累了大量的药物发现和开发知识,同时也找到了生物和化学领域的一些瓶颈。

于是,我们当初就开始试图构建一个比较复杂的人工智能工具,为发现靶点、生成化合物和临床试验方案的结果提供预测。

当时的制药行业发生了一些变革,出现了很多的CRO(合同制研究机构),我们通过和他们合作,让他们的科学家负责化学合成或者生物实验,我们只负责算法和AI。

2019年,我们在中国建立了英矽智能的分中心,和许多的CRO合作伙伴处于同一时区,当时中国也在大力投资生物医学基础设施建设。正是因为看到了这一趋势,也许才有了英矽智能今天这样的成绩。

而真正触发英矽智能发展更快的原因还有任峰博士的加入,从2021年他加入之后,我们才构建了一个非常专业的AI药物发现团队。

他是真正改变英矽智能的人,是我重要的合作伙伴,我们团队也很钦佩他,他确保了人工智能平台的有效性,建立了产业化规模的研发团队,今天的纪录和他的努力密不可分。

在任博和我致力开发先进AI药物研发项目的同时,英矽智能也在美国建立了顶尖的临床开发和商务团队,先灵葆雅前首席医学官Robert Spiegel博士出任我们的首席医学管、前药明生物发展和研发业务拓展高级副总裁Michelle Chen博士出任我们的首席商务官,他们对于临床试验的推进和药企的合作提供了非常多的帮助。

最后,我觉得还因为设置了一个宏大的目标——“利用AI了解人类衰老的生物学机制,使人类更长寿、更健康。”

在这个大目标前,其他的小目标看起来都非常容易实现。

就像马斯克计划移民火星,相比之下,成功发射火箭的目标看起来就非常容易,当你实现这些目标的时候,越来越多的人也会相信,后面的大目标并非遥不可及。

医健AI掘金志:从找到新药分子到宣布PCC,再到进入IND,英矽智能的节奏貌似走的很快,您觉得如果后面顺利的情况下,应该多久会完成下一阶段。

AIex:由于临床研究过程非常严格,需要遵循标准化临床研究方案,安全性实验一般都需要六个月到一年才能完成,所以这个进度会比较久。

但我们现在有很多临床前项目,接下来的目标是在短时间提名多个PCC,并用我们的AI平台帮助其它药企提升研发效率。

医健AI掘金志:过去二十年,计算机辅助药物设计(CADD)虽然已经成为药物发现的一部分,但它从未被视为药物发现过程的核心部门,而是支持部门。新的药物发现更多都是生物学和合成化学在驱动,您觉得在ISM001-055进入临床之后,这种情况会发生改变么。

AIex:过去四年里,因为我们和同行的努力,其实CADD和AIDD在药企已经有很多优先话语权了,一些大型药企已经非常专注用AI开发专业知识,还有一些药企拥有的AI人才甚至比我们还多。

但计算机辅助药物设计依然还是一个比较垂直的领域,因为大药企里面生物学、化学和临床开发都是相互独立,在其中实现端到端AI药物开发还比较困难。但在化学领域中,AI会被优先选择。

我希望未来的年轻人可以越来越多投身AI新药研发领域,它的重要性会随着时间推移而变得更加重要,而且也有机会帮助更多人实现更好的生活。雷峰网雷峰网(公众号:雷峰网)

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说