AI走进临床试验：新药上市能否提速？

包括伯尔尼大学在内的多所高校，其数字医学(Digital Medicine)部门正越来越多地利用AI分析患者组织样本。 Keystone / Gaetan Bally

人工智能(AI)已经改变了新药研发的方式。如今，制药企业正押注AI，希望它能改进药物人体试验这一缓慢而高昂的环节。而在中国凭借临床试验效率优势受到全球药企关注之际，一场由AI推动的行业变革也正在展开。

閱讀本文繁體字版本請 點擊此處

如果向一家制药公司询问现行临床试验模式，你很可能会听到一连串抱怨：这个体系已经失灵，运转低效。开发一种新药平均至少需要十年，投入约10亿至20亿美元(约合人民币67.7亿至135.3亿元)。其中约60%至70%的时间耗费在人体试验的三个阶段。临床试验持续时间越长，患者获得新药治疗的时间就越晚。

更糟的是，企业往往会把时间和资金耗费在最终无法获得监管机构批准的药物试验上。每100种进入人体试验阶段的药物中，约90种最终无法获批，因为试验未能证明其安全性或有效性。

瑞士西部的AI生物技术公司(TwinEdge Bioscience)联合创始人兼首席商务官凯文·拜恩斯(Kevin Buyens)表示：“长期以来，制药行业只能接受风险和失败是药物研发的一部分，因为别无选择。但这种情况正在改变。数字技术可以填补这一空白。”

人工智能，尤其是机器学习(machine learning)系统，已经帮助科学家从海量化学和生物数据中筛选有潜力的候选药物，速度远超人类。

但在临床试验领域，情况有所不同。美国食品药品监督管理局(FDA)和瑞士药品监督管理局(Swissmedic)等监管机构，会根据临床试验收集的数据，判断一种药物是否足够安全、有效，能否用于患者治疗。对于任何可能危及患者安全的“捷径”，监管机构一直十分谨慎。

不过，过去几年，AI技术大幅进步，以及电子健康记录等所谓真实世界数据(real-world data)更容易获得，这也增强了业界对AI加快临床试验进程、提高试验成功率能力的信心。

今年4月，全球最大的药品监管机构美国食品药品监督管理局宣布，计划启动一项试点项目，评估AI赋能技术(AI-enabled technologies)如何提高早期临床试验的效率、速度和决策质量。

尽管该项目规模有限，但它清晰表明，监管机构正对在临床试验中应用AI持更加开放的态度，希望借此缓解美国食品药品监管局所称药物研发中的“关键瓶颈”。这一举措出台之际，中国正凭借开展早期临床试验速度快、成本低的优势，崛起为该领域的重要力量。

临床试验为何耗时如此之长

长期以来，临床试验一直是一个漫长而拖沓的过程，原因很多。其中一个主要因素，是大量文书工作仍需人工完成。随着临床试验日益全球化、药物越来越复杂，监管机构为评估疗法风险与收益而要求提供的信息也越来越多，这一问题变得更加突出。

SWI swissinfo.ch

过去十年，越来越多企业和初创公司开始探索如何利用AI解决这些问题。其中一个已被广泛采用的关键应用，是用AI撰写临床试验方案(protocol)。临床试验方案是研究人员设计和开展临床试验所依据的详细研究计划，通常需要6至12个月才能完成。

瑞士初创企业Risklick开发了Protocol AI，这是一款利用生成式人工智能(generative AI)为研究设计生成多种情景的软件。瑞士生物技术公司Debiopharm已经测试了这一工具，并正将其整合到公司内部流程中。Risklick表示，该工具最多可将制定临床试验方案所需的时间和成本减少35%。

AI也开始被用于优化受试者招募。美国初创公司Paradigm Health开发了一个由AI驱动的平台，帮助制药企业筛选符合条件的临床试验参与者。该平台利用来自大型癌症诊所网络的电子健康记录开展分析。

其他AI平台也在帮助患者寻找适合自身病情和所在城市的临床试验，例如总部位于瑞士的Ancora.ai，以及美国国立卫生研究院(National Institutes of Health, NIH)开发的TrialGPT。研究显示，TrialGPT为患者匹配临床试验的准确度几乎可媲美人类专家，同时耗时减少40%。自2022年以来，已有来自101个国家的逾23’000人使用Ancora搜索癌症临床试验。

在日内瓦设有办公室的生物医学AI公司Owkin开发了深度学习模型，用于预测患者治疗结果，并识别影响这些治疗结果的因素。该公司目前已与多家大型制药企业达成合作，为临床试验决策定制这些AI模型。

瑞士制药巨头诺华(Novartis)开展的大型临床试验通常涉及数千名受试者。该公司开发了一套名为“智能决策系统”(Intelligent Decision System)的系统，相当于整个临床试验流程的虚拟复制体。该系统能够模拟临床试验的部分环节，比较不同试验中心可能产生的结果，并提前发现潜在问题，例如某个试验中心中途退出试验。

负责诺华“智能决策系统”的罗伯特·麦格雷戈(Robert McGregor)告诉瑞士资讯swissinfo.ch：“临床试验每节省一天，患者等待药物的时间就少一天，所以我们希望尽可能加快试验速度。如果我改变研究设计中的一个假设，整个时间表都可能完全改变。”

对于可能直接影响监管决策的AI应用，制药企业一直更加谨慎。这包括用于模拟虚拟患者群体可能对药物作出的反应的计算模型。这类模型可在人体试验开始前帮助预测试验结果，甚至可能减少某些试验所需的患者数量。

在更个性化的层面上，AI还可以创建数字孪生体(digital twins)——即利用数学模型，并结合真实患者的基因组、临床和影像数据，建立人体的虚拟动态复制体。研究人员希望，这些模型能够预测单个患者对药物的反应，甚至模拟其接受安慰剂后可能出现91518986的情况。

成立于2025年的TwinEdge Bioscience正基于癌症患者的分子数据，开发单个患者肿瘤的数字孪生体。该公司正与制药企业合作，验证有关药物靶点和真正适合接受相关治疗的患者群体的假设，从而为临床试验的设计提供依据。

SOPHiA GENETICS于2011年从瑞士洛桑联邦理工学院(EPFL)孵化成立，并于2021年上市。去年10月，该公司推出数字孪生技术。该平台利用从数百家医院收集的每名患者独有的临床、生物、影像和基因组数据，模拟治疗反应。目前，这项技术主要用于科学研究。

该公司创始人朱尔吉·坎布隆(Jurgi Camblong)表示：“作为一个行业，我们需要拥抱真实世界数据。借助这些数据，我们可以了解如何更好地处方用药或联合用药，识别哪些患者亚群可能从某种药物中受益，并有望在临床试验中加以验证。”

美国公司Unlearn已与多家制药企业合作，其中包括总部位于巴塞尔的罗氏(Roche)。该公司利用真实世界数据生成数字孪生体，以模拟真实患者对阿尔茨海默病候选药物的反应。结果显示，数字孪生体可将对照组的规模减少约35%。

AI应用于临床试验所面临的障碍

尽管潜力巨大，AI要真正改变临床试验仍面临多重限制。其中之一，是科学界对人体生物学的理解仍然存在空白。

Owkin创始人兼首席执行官托马斯·克洛泽尔(Thomas Clozel)表示：“如果你理解生物学，就能开展更好的临床试验，因为你知道自己针对的是哪类人群、哪种疾病。”但他补充说：“我们仍然很难解释患者为什么会患上阿尔茨海默病，或为什么某些癌症会复发。”

数据瓶颈同样是一个问题。虽然产生的数据越来越多，但受隐私法律限制，这些数据未必能用于临床研究；其中许多数据也并非“AI就绪”(AI-ready)，也就是说，尚未整理成AI模型可以使用的格式。

即便AI模型表现良好，监管机构仍需要了解其结论是如何得出的。然而，许多AI系统以“黑箱”方式运作，生成信息的过程缺乏透明度，也难以解释，这给监管审查带来了挑战。

尽管如此，监管机构正对测试新思路正变得越来越开放，美国食品药品监管局今年4月的公告正反映了这一点。欧洲药品管理局(European Medicines Agency, EMA)也已表示，愿意在罕见病临床试验中使用数字孪生体。据瑞士药品监督管理局一名发言人称，该局正积极参与制定临床试验领域的国际人工智能原则。

拜恩斯表示：“我相信，未来几年临床试验的开展方式将发生变化。一旦这些技术获得充分的验证性研究支持，监管机构就不得不正视其价值。”

(编辑：Nerys Avery/vm/gw，编译自英语：樊桦/gj)