转自：新康界
事件：MNC跨国巨头（阿斯利康、罗氏、武田和葛兰素史克）陆续公布的半年报，不约而同地强调了人工智能AI工具在推动他们的业务包括药物开发、制造和商业化方面中，扮演非常重要的角色。
01
跨国巨头逃脱不了AI带来的效率变革
大型制药集团赶上人工智能的浪潮，武田制药利用AI工具在生产制造方面，通过图像识别提高了生产线的效率；在临床研究方面，人工智能优化测试临床试验方案和加速试验的进程；在商业化方面，人工智能优化和医生的数字互动。与此同时，罗氏也开发了内部的语言模型，类似ChatGPT。
阿斯利康则使用人工智能优化其位于瑞典的全球最大生产基地之一的生产计划，导致调度时间缩短了90%。葛兰素史克正在使用新技术来预测患者反应，协助入组和识别生物标志物。例如，将其乙肝药物bepirovirsen的II期数据与人工智能和机器学习相结合，分析了五个患者群体，来更好地了解该疾病在不同人群中的表现，以及患者对药物的反应。
去年辉瑞建立机器学习研究中心，对人工智能的愿景有三个方面：用人工智能发现疾病生物学；利用这些见解来设计正确的分子；确定临床试验的合适患者群体。辉瑞首席数字和技术官Lidia Fonseca接受媒体采访时表示，配合超级计算机、AI和机器学习模型，将整体的计算时间减少了80%-90%，使得新冠用药Paxlovid能够快速上市。
02
行业监管建议
从容应对AI/ML的潜力和挑战
美国FDA于5月10日发布了长达31页的题为《在药物和生物制品开发中使用人工智能和机器学习》的讨论文件，概述了从药物靶点识别和早期发现工作到上市后监督和先进制造的过程中，如何使用人工智能和机器学习（AI/ML）的关键建议。
该文件还指出，在过去几年中，FDA发现使用人工智能和机器学习（AI/ML）要素提交的药物和生物制品申请数量显著增加，由2016年仅1个增加到了2021年的132个，2021年较2022年增长约10倍。
FDA表示，在开发早期，研究药物-靶标相互作用的AI/ML也可以帮助预测具有相同靶标或具有相似作用机制的药物相互作用，可能有助于预测分子的毒性。在临床研究方面， AI/ML可能会助于临床试验的设计和效率，并指导使用从EHR、医疗索赔或其它数据源中提取的真实世界数据。生产方面，AI/ML可以更好地预测产品需求，更好地预判生产计划以及减轻潜在中断的影响，以此提高供应链的可靠性。
03
国内首家AI制药公司冲刺上市
6月27日，港交所官网显示，InSilico Medicine Cayman TopCo（以下简称“英矽智能”）递交上市申请，如果一切顺利，那么英矽智能将成为首家登陆国内资本市场的AI制药公司。这家公司2年烧掉25亿，离不开资本追棒托底。2021年亏损约1.3亿美元，折合人民币约9.4亿元；2022年亏损规模扩大到2.2亿美元，折合人民币15.9亿元。该公司不仅提供AI平台开发服务，同时也在烧钱自研药物。
来源：英矽智能招股书
从公司在研管线看出，核心产品ISM001-055已经进入临床2期，有望成为first in class药物。该药物针对的特发性肺纤维化（IPF）是一种慢性肺部疾病，近日完成II期临床试验首例患者给药，此前在今年1月，英矽智能宣布该款药物在新西兰临床I期试验中取得积极顶线数据，在安全性、耐受性、药代动力学（PK）方面表现良好。
AI平台发力，该款药物从疾病假设形成到推进至I期临床试验，耗时约30个月，而制药行业从项目启动到新药临床试验（IND）筹备研究阶段平均需要4.5年，主要得益于公司Pharma.AI平台带来的效率提升，缩短临床前阶段的研发时间。
