0
| 本文作者： 劉海濤 | 2021-12-31 15:55 |
近日，AI制藥公司英矽智能宣布，基于人工智能藥物研發平臺Pharma.AI研發的IPF（特發性肺纖維化）候選藥物——ISM001-055 ，啟動了微劑量人體試驗，實現了第一批健康志愿者的臨床給藥。
此舉意味著，該藥物已經正式進入臨床試驗階段。
而在今年2月，該特發性肺纖維化創新藥才剛被英矽智能選定為PCC（臨床前候選藥物），當時曾被認為是藥物發現史的一次重要事件。
相比之前內部官宣PCC，這次IPF進入臨床試驗，更是得到了官方認證，也是AI在藥物研發作用價值的一次實踐證明。
對此，英矽智能首席科學官任峰表示：“據我所知，這是有史以來首個由人工智能發現的具有全新靶點和新分子結構的候選藥物進入臨床試驗，是人工智能藥物發現史的一個里程碑。”
2013 年諾貝爾化學獎得主，英矽智能科學咨詢委員會成員Michael Levitt 博士也表示：“這證明了很多AI新藥研發公司的管線都可以抵達PCC，過去很多人都說這對我們來說太貴了，我們做不到。這次英矽智能是以某種方式優化了整個過程。”
醫健AI掘金志與英矽智能首席執行官AIex、首席科學官任峰展開了一次獨家對話，分析了此次成果的過程、價值，以及英矽智能該款創新藥的下一步規劃。
值得注意的是，在12月11號的GAIR（第六屆全球人工智能與機器人大會）的醫療科技高峰論壇上，任峰博士還將現場介紹IPF項目的研發細節，并發布更多的AI新藥研發成果，具體詳情請查掃描底部二維碼。
以下是本次對話的全部內容，《醫健AI掘金志》做了不改變原意的整理和編輯：
醫健AI掘金志：IPF候選藥物從立項到PCC過程，累計18個月時間，花費了260萬美元，從提名PCC到進入臨床這9個月時間里，因為有很多對外合作和臨床測試的工作，是不是花費更多？
任峰：目前，我們的臨床申報還在進行當中，本次在澳洲進行的是一個微劑量給藥的臨床試驗，為后續的臨床試驗PK（藥物代謝動力學，體內藥物濃度與時間的關系）提供參考。微劑量試驗要求的臨床前試驗數據相對少一些，具體包括：化合物放大生產，以及毒理試驗等。
因為生產量沒有那么高，毒理試驗沒有那么復雜，病人數量也比較少，所以花費并不多，初步統計在60萬美金左右。
醫健AI掘金志：臨床零期實驗結束之后，估計多久會通過IND？
任峰：我們計劃在明年第一季度進入臨床1期，已經在新西蘭提交了1期臨床試驗申請，同時向國家藥監局藥品審評中心提交了預申請（pre-IND）。
醫健AI掘金志：從現在到明年第一季度申報通過CTA的過程中，預估失敗率是什么情況？
任峰：失敗率很小，因為申報CTA過程中，主要就是考察28天毒理實驗，評估安全性和有效性。
這個評估我們已經做完了，目前無論是在嚙齒動物還是非嚙齒動物都非常耐受，失敗可能性比較小。
醫健AI掘金志：IPF藥物從宣布PCC到進入臨床一期過程中，英矽智能主要做了哪些事？
任峰：宣布PCC之后，我們主要做了兩件事，第一，化合物的放大生產，配以合適的輔料，為臨床1期服務；
第二， 28天毒理實驗，包括嚙齒類動物和非嚙齒類動物的毒理性實驗，評估臨床上的爬坡計量以及最大耐受。
在中劑量下，我們找到了沒有任何毒副作用的劑量，也就代表臨床上至少可以爬坡到這個級別，這對后續的臨床試驗非常有幫助。
醫健AI掘金志：除了臨床實驗的技術層面，作為一家AI新藥的初創公司，從宣布PCC到臨床試驗，有沒有遇到什么問題？
任峰：目前的進展我們還是比較滿意的，雖然是一家初創公司，但臨床團隊構建上我們還比較下功夫，臨床團隊已經有10幾個人，包括API、CMC、制劑、毒理、DMPK都有對應人員。
而像你說運營問題，我們確實也碰到過。
大家都知道近兩年國內藥物研發熱度特別高，所有CRO企業都滿負荷運轉。當時我們合作的CRO企業就因為項目太多，就面臨GLP毒理試驗要被延期的情況。
對于我們來說，一旦GLP毒理試驗被拖延，就意味我們原來安排的臨床試驗的地點和進度都會受到影響；
經過這次之后，我們也學到了一個經驗，就是要給CRO試驗時間設定出更多冗余，我覺得其它AI新藥研發企業也要注意。
醫健AI掘金志：這是不是說明目前AI新藥研發企業，在生物醫藥行業的話語權比較低。
任峰：這是一定的，因為比較大的藥企和CRO企業有很多業務合作，而初創AI研發企業往往只有一條或幾條管線合作，大客戶和小客戶之間肯定會有區別。
醫健AI掘金志：之前和清華彭健教授溝通，他表示目前AI平臺最大作用，應該是藥物靶點發現到化合物選擇，而到PCC之后就是很標準的臨床試驗和合規過程，和AI沒有什么關系，您認可這個觀點么？
任峰：這有一定道理，PCC之前AI賦能作用會更明顯一些，PCC之后合規認證，像化合物放大生產、GMP、GLK這些工作確實都有比較完備的監管流程，AI沒有辦法加速這部分實驗過程。
但AI也并完全沒有作用，例如可以設計更好的合成路線，更好的晶型，幫助縮短合成時間，輔助流程優化，讓6個月的工作量縮短到5個半月。
但確實無法大規模，大范圍縮短，無法像PCC之前一樣，將幾年新藥研發過程縮短到1年半搞定。
另外，臨床試驗過程中AI平臺也會有一些作用，例如我們研發的InClinico軟件，可以幫助預測和優化臨床試驗成功率，這個賦能并不是縮短研發時間，而是會試驗成功率帶來幫助。
醫健AI掘金志：PCC之后，AI平臺賦能已經比較有限，后面合規認證也已經不是AI企業所擅長，投入成本又比較多，像IPF這款創新藥咱們后續計劃是什么，有沒有考慮和藥企合作。
任峰：確實有考慮，我們一些內部管線已經計劃在PCC階段對外轉讓，后面許多事對于AI新藥研發企業比較困難，也得不償失。
但我們不會所有項目都對外轉讓，一些比較看好的項目還是希望自己推進到臨床1期或靠后一點，這樣可以幫助我們建立自己的臨床團隊。
目前，ISM001-055也是基于這樣的考慮，我們希望將英矽智能定位為一個AI賦能的生物醫藥，而不是只有早期研發的部分。
醫健AI掘金志：英矽智能的腎纖維化藥物今年6月也宣布PCC，這個管線目前進展怎么樣，下一步也會像IPF項目一樣推進臨床試驗么？
任峰：腎纖維化藥物，目前我們也已經推進到GLP毒理階段，藥物放大已經完成，這款藥物和IPF同一靶點，化合物不同，這種化合物更多在腎上積累，對腎纖維化效果更好。
接下來，這款創新藥我們同樣計劃自己完成案例申報，推進到臨床1期，再考慮是否找有經驗的藥企合作開發。
醫健AI掘金志：從技術層面角度，PCC之后就去和大藥企合作不是更好一些么？
任峰：PCC到臨床一期階段雖然比較費精力，但成功率比較高，如果創新藥完成臨床一期并取得比較好的臨床效果，那整個項目的價值就和PCC階段完全不一樣。
對于創業企業來說，到了臨床二期主要看藥效，風險和成本都比較高。所以從收益角度，一期之后再轉讓會比較理想。
醫健AI掘金志：這一年來，英矽智能接連拿出幾個PCC，在新冠藥物篩選上又取得了重要突破，背后的主要原因是什么？
任峰：和整個生物醫藥企業相比，AI新藥研發企業，因為AI的加持和賦能，讓每個項目的研發周期都更短一些，研發經費更少一些。理論上同樣經費情況下，AI企業可以做更多項目，產生更多里程碑。
醫健AI掘金志：AI新藥研發行業中，能拿出這么多成果的企業好像并不多，甚至有很多企業成立時間比英矽智能更早？
任峰：我認為這背后和每家企業的策略有很大關系，我們目前有三個AI平臺，涉及靶點發現、小分子化合物生成，以及臨床試驗預測。
通過目前的成績來看，AI平臺對于新藥研發的幫助確實很大，也幫助我們快速拿出了自研創新藥。
但其它企業公布成績比較少，并不代表它們的AI平臺就要更遜色，據我所知，有很多企業在制劑優化、晶型預測的算法都非常出色。
但這些企業的AI平臺因為和藥企在合作賦能，很多的成績因為對方，或者保密原因無法對外做宣傳。
醫健AI掘金志：除了自研創新藥，我看到英矽智能的Chemistry42產品，和其它很多藥企都有合作，在全球排名前30的藥物公司中就有7家，能談談這些合作的情況么？
任峰：目前兩款軟件一個是7月份上線，另外一個是11 月份上線，真正使用效果都不是很長，從這次合作的內部反饋來看，效果還可以，例如找出從沒想過的靶點，節省發現新靶點時間，為他們篩選出可以借鑒的小分子。
醫健AI掘金志：一年的時間里，這些AI產品在藥企中發揮的價值是不是還比較有限？
任峰：這些藥企中，確實還沒有拿得出大家可以看到的AI平臺成果，但作用其實很好驗證，因為經過簡單測試，就能驗證出AI平臺找出的化合物活性。
之所以大家還沒有看到合作成績，主要是因為后面試驗、毒理、DMPK周期都比較長，這些項目很多都在這個過程當中。其實，其它很多AI企業還沒有公布出成績，也是這個原因。
醫健AI掘金志：既然目前還沒有特別突出的合作案例，那為什么這一年時間里，咱們和這么多藥企都達成了合作？
任峰：背后原因有幾個方面：
第一是服務形式，英矽智能剛開始就將AI產品定位于軟件形式呈現，而不是做平臺。我們通常都會將軟件包提供給客戶，并提供一定試用期，協助對方測試產品，看看能否對他們提供幫助效果，讓對方決定是否購買。
這個過程中對方即能體會AI相比傳統方式優勢，也可以清晰體會到這的確是AI幫助產生的結果，而并非人為干預。
第二，平臺有一定驗證，我們的IPF項目的成功已經有了大家可以看得見的驗證效果，別人也會更容易信賴，而如果沒有這些驗證，合作伙伴也可能會對平臺的效果提出疑問。
第三，團隊力量，作為一個生物醫藥企業，應該針對不同用戶需求，都能給出很專業的意見和反饋。
對于有的客戶來說，我們團隊給到的AI新藥研發經驗有的時候要比AI平臺本身更有價值，光有好的AI技術和平臺，沒有專業的團隊也不行的。
醫健AI掘金志：您也談到對于AI新藥研發企業人才非常重要，現在各個企業搶人還是比較激烈的。
任峰：中國創新藥企業有1500多家，每個初創公司都需要非常懂化學，非常懂生物的人，但事實上國內并沒有這么多化學家、生物學家。
從英矽智能的角度，我們在招人方面投入精力也比較大，從今年年初到現在已經組建近60多人的生物、化學、臨床前研發團隊，但還是比較缺人，特別是懂臨床的人，能夠做臨床試驗的人，國內還比較少。
醫健AI掘金志：除了AI新藥研發企業，國內比較大的藥企也在招聘懂AI、算法的人才，他們是打算給過去的工作流程提供一些AI賦能，還是也會做類似的產品。
任峰：做類似產品肯定來不及，產品可能需要更長的時間去驗證，他們應該希望招一些AI團隊，用深度學習對他們已有的研發管線的某些點賦能。因為現在無論這些大公司承認與否，AI都已經成為一個重要趨勢。大家即不想錯過這次顛覆性革命，但現在又不敢完全相信。
醫健AI掘金志：英矽智能IPF藥物通過IND這個進展，對于AI新藥研發行業有怎樣的實際意義？
任峰：這應該是AI全新發現的靶點和化合物首次進入臨床階段，其它AI企業項目可能做的是已知靶點，然后匹配新化合物，還有一些是新靶點，去做老藥新用，這些研究都有進入臨床的。
但像新靶點和新化合物還是第一次，應該是生物和化學結合的一個小突破。
從行業角度，AI平臺對于生物醫藥未來應該是端到端賦能，而不是某個點，某個環節優化。
應該從藥物靶點發現到劑型預測，到臨床試驗整個鏈條都可以發揮作用，可以將AI生物、化學、劑型、晶型這些都結合起來，提供端到端的輔助，我覺得這是行業下一個突破的地方。
醫健AI掘金志：英矽智能的首個AI研發的創新藥進入臨床之后，行業內什么時候會出現更多類似的成果，出現一次集中的浪潮。
任峰：目前針對已知靶點，像國外的Exscientia就已經把管線推進到臨床1期。國內據我所知還沒有類似的成績，但現在一些AI公司研發的化合物已經在動物模型上有一定藥效。
這一意味未來3-6個月之內，這些化合物就能拿出PCC，再有一年時間，2023年上半年就會有比較多的類似成果進入臨床。
醫健AI掘金志：我們知道CADD領域有薛定諤，過去20年他們研發的CADD產品在藥企里面已經有了比較大的作用，英矽智能近期和藥企合作為他們服務的AIDD產品，是為之前的CADD提供補充，還是有希望取代。
任峰：AIDD肯定不能取代CADD，但要比后者更強大，我覺得未來應該是AIDD為主，CADD做補充的模式。
目前英矽智能就是在用這樣方法，AIDD產生新化合物之后，再用CADD+人的方法去做分子優化。
醫健AI掘金志：最近AlphaFold2的創始人又宣布成立一家新的AI公司，谷歌在這方面曾經創造出蛋白質結構預測這樣的成績，接下來，他們會成為英矽智能有力競爭者么，您會有危機感么。
AIex：我非常高興Demis和Deepmind在蛋白質折疊工作方面的成功，創立一家公司以AI賦能藥物研發的公司，
但AI新藥研發的發展和其它人工智能不太一樣，一般情況下驗證一個藥物發現的算法需要2-3年時間，無法像圖片、文字、聲音處理或電子游戲等領域可以很快驗證AI成果。
另外，一個藥物發現結果驗證，往往需要進行分子合成、動物實驗乃至人體組織實驗等繁雜步驟，一旦實驗設計有缺陷，就會浪費非常多時間。
期待Demis組建一個非常有能力的藥物發現團隊，這可能會讓他們2-3年內成為我們的競爭對手。
此外，我相信當他們在藥物發現上創造成果時，也會以我們的成績為參照。
例如時間節點上，AI從一個舊靶點合成一個化合物，并進行臨床實驗一般需要46天，AI找到一個新靶點、新分子的發現到臨床前候選藥物階段需要16個月，新靶點到人體應用需要兩年的時間。
我對越來越多公司進入AI驅動新藥研發這個賽道感到非常高興。
因為與許多“贏家通吃”的行業不同，藥物發現本身是一個十分寬廣的賽道，有超過上萬種疾病，數千種可行的靶點等待大家去發掘，即使是同一靶點的治療方法也有很廣擴的空間。
所以更應該為這個領域發力，共同繁榮和富裕的最終形式不僅是舒適的生活，更是健康。
所以，越來越多AI藥物研發公司加入這個賽道，我們就能更容易實現這個目標。
我們真正的競爭對手是那些浪費人力、物力、時間和資源，卻非常內卷的公司，那些既沒有共同做出奉獻和利益，卻試圖對立的公司。
未來的大企業、科技公司應該更關注健康，更多的計算科學家應該轉向生物技術領域。這次Google也為亞馬遜、騰訊、百度、阿里巴巴等其他科技巨頭樹立了很好的榜樣，科技巨頭們應該更加支持生物制藥和醫療保健領域的進步，希望他們能夠對合作關系保持開放態度。
例如AI醫療大聯盟(AAIH)的行業團體。因為需要共同討論標準和政策，2017年在Numerate首席技術官Brandon Allgood的倡議下組建，英矽智能也是最早的創始成員，目前已經有四十多名成員。我們希望大家更多的是交流和合作，而不是敵視。
醫健AI掘金志：最近一年，英矽智能的產出和成績都非常好，獨立研發幾個新化合物，藥物開發平臺又和多個藥企達成了合作，這樣高產出的背后原因是什么？是人員，還是技術，或者是選擇？
AIex：謝謝你的贊揚，但我仍然覺得做得不夠，還有很長的路要走，而這個階段性的成功主要歸功于我們的先發優勢。
在2014年的時候，大家對于深度學習還比較陌生，許多大型制藥公司內部也都沒有人工智能科學家團隊，但大家非常愿意分享知識和數據，并且愿意嘗試很多新想法。
基于此，當時我們從很多這樣的交流和試點中汲取了經驗，從而很早就積累了大量的藥物發現和開發知識，同時也找到了生物和化學領域的一些瓶頸。
于是，我們當初就開始試圖構建一個比較復雜的人工智能工具，為發現靶點、生成化合物和臨床試驗方案的結果提供預測。
當時的制藥行業發生了一些變革，出現了很多的CRO（合同制研究機構），我們通過和他們合作，讓他們的科學家負責化學合成或者生物實驗，我們只負責算法和AI。
2019年，我們在中國建立了英矽智能的分中心，和許多的CRO合作伙伴處于同一時區，當時中國也在大力投資生物醫學基礎設施建設。正是因為看到了這一趨勢，也許才有了英矽智能今天這樣的成績。
而真正觸發英矽智能發展更快的原因還有任峰博士的加入，從2021年他加入之后，我們才構建了一個非常專業的AI藥物發現團隊。
他是真正改變英矽智能的人，是我重要的合作伙伴，我們團隊也很欽佩他，他確保了人工智能平臺的有效性，建立了產業化規模的研發團隊，今天的紀錄和他的努力密不可分。
在任博和我致力開發先進AI藥物研發項目的同時，英矽智能也在美國建立了頂尖的臨床開發和商務團隊，先靈葆雅前首席醫學官Robert Spiegel博士出任我們的首席醫學管、前藥明生物發展和研發業務拓展高級副總裁Michelle Chen博士出任我們的首席商務官，他們對于臨床試驗的推進和藥企的合作提供了非常多的幫助。
最后，我覺得還因為設置了一個宏大的目標——“利用AI了解人類衰老的生物學機制，使人類更長壽、更健康。”
在這個大目標前，其他的小目標看起來都非常容易實現。
就像馬斯克計劃移民火星，相比之下，成功發射火箭的目標看起來就非常容易，當你實現這些目標的時候，越來越多的人也會相信，后面的大目標并非遙不可及。
醫健AI掘金志：從找到新藥分子到宣布PCC，再到進入IND，英矽智能的節奏貌似走的很快，您覺得如果后面順利的情況下，應該多久會完成下一階段。
AIex：由于臨床研究過程非常嚴格，需要遵循標準化臨床研究方案，安全性實驗一般都需要六個月到一年才能完成，所以這個進度會比較久。
但我們現在有很多臨床前項目，接下來的目標是在短時間提名多個PCC，并用我們的AI平臺幫助其它藥企提升研發效率。
醫健AI掘金志：過去二十年，計算機輔助藥物設計(CADD)雖然已經成為藥物發現的一部分，但它從未被視為藥物發現過程的核心部門，而是支持部門。新的藥物發現更多都是生物學和合成化學在驅動，您覺得在ISM001-055進入臨床之后，這種情況會發生改變么。
AIex：過去四年里，因為我們和同行的努力，其實CADD和AIDD在藥企已經有很多優先話語權了，一些大型藥企已經非常專注用AI開發專業知識，還有一些藥企擁有的AI人才甚至比我們還多。
但計算機輔助藥物設計依然還是一個比較垂直的領域，因為大藥企里面生物學、化學和臨床開發都是相互獨立，在其中實現端到端AI藥物開發還比較困難。但在化學領域中，AI會被優先選擇。
我希望未來的年輕人可以越來越多投身AI新藥研發領域，它的重要性會隨著時間推移而變得更加重要，而且也有機會幫助更多人實現更好的生活。雷峰網(公眾號：雷峰網)雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
