AI走進臨床試驗：新藥上市能否加速？

包括伯恩大學在內的多所大學，其數位醫學(Digital Medicine)部門正越來越多地利用AI分析病患組織樣本。 Keystone / Gaetan Bally

人工智慧(AI)已經改變了新藥研發的方式。如今，藥廠正押注AI，希望它能改善藥物人體試驗這一緩慢而高昂的環節。而在中國憑藉臨床試驗效率優勢受到全球藥廠關注之際，一場由AI推動的產業變革也正在展開。

本文通過Google翻譯從簡體中文轉換為繁體中文。阅读简体字版本请 点击这里

如果向製藥公司詢問現行臨床試驗模式，你很可能會聽到一連串抱怨：這個系統已經失靈，運作低效。開發新藥平均至少需要十年，投入約10億至20億美元(約合人民幣67.7億至135.3億元)。其中約60%至70%的時間耗費在人體試驗的三個階段。臨床試驗持續時間越長，患者獲得新藥治療的時間就越晚。

更糟的是，企業往往會把時間和資金耗費在最終無法獲得監管機構批准的藥物試驗上。每100種進入人體試驗階段的藥物中，約有90種最終無法獲批，因為試驗未能證明其安全性或有效性。

瑞士西部的AI生物技術公司(TwinEdge Bioscience)聯合創始人兼首席商務官凱文·拜恩斯(Kevin Buyens)表示：“長期以來，製藥行業只能接受風險和失敗是藥物研發的一部分，因為別無選擇。但這種情況正在改變。數位技術可以填補這一空白。”

人工智慧，尤其是機器學習(machine learning)系統，已經幫助科學家從海量化學和生物資料中篩選有潛力的候選藥物，速度遠超人類。

但在臨床試驗領域，情況有所不同。美國食品藥物管理局(FDA)和瑞士藥品監督管理局(Swissmedic)等監管機構，會根據臨床試驗收集的數據，判斷一種藥物是否足夠安全、有效，能否用於患者治療。對於任何可能危及病人安全的“捷徑”，監管機構一直十分謹慎。

不過，過去幾年，AI技術大幅進步，以及電子健康記錄等所謂真實世界數據(real-world data)更容易取得，這也增強了業界對AI加快臨床試驗進程、提高試驗成功率能力的信心。

今年4月，全球最大的藥品監管機構美國食品藥物管理局宣布，計劃啟動一項試點項目，評估AI賦能技術(AI-enabled technologies)如何提高早期臨床試驗的效率、速度和決策品質。

儘管該項目規模有限，但它清晰表明，監管機構正對在臨床試驗中應用AI持更加開放的態度，希望藉此緩解美國食品藥品監管局所稱藥物研發中的「關鍵瓶頸」。這項措施推出之際，中國正憑藉開展早期臨床試驗速度快、成本低的優勢，崛起為該領域的重要力量。

臨床試驗為何耗時如此長

長期以來，臨床試驗一直是漫長而拖沓的過程，原因很多。其中一個主要因素，是大量文書工作仍需手動完成。隨著臨床試驗日益全球化、藥物越來越複雜，監管機構為評估療法風險與益處而要求提供的資訊也越來越多，這個問題變得更加突出。

SWI swissinfo.ch

過去十年，越來越多企業和新創公司開始探索如何利用AI解決這些問題。其中一個已被廣泛採用的關鍵應用，是用AI撰寫臨床試驗方案(protocol)。臨床試驗方案是研究人員設計和進行臨床試驗所依據的詳細研究計劃，通常需要6至12個月才能完成。

瑞士新創公司Risklick開發了Protocol AI，這是一款利用生成式人工智慧(generative AI)為研究設計產生多種情境的軟體。瑞士生物技術公司Debiopharm已經測試了這項工具，並正將其整合到公司內部流程中。 Risklick表示，該工具最多可將制定臨床試驗方案所需的時間和成本減少35%。

AI也開始被用來優化受試者招募。美國新創公司Paradigm Health開發了一個由AI驅動的平台，幫助製藥公司篩選符合條件的臨床試驗參與者。該平台利用來自大型癌症診所網路的電子健康記錄進行分析。

其他AI平台也正在幫助患者尋找適合自身病情和所在城市的臨床試驗，例如總部位於瑞士的Ancora.ai，以及美國國立衛生研究院(National Institutes of Health, NIH)開發的TrialGPT。研究顯示，TrialGPT為患者配對臨床試驗的準確度幾乎可媲美人類專家，同時耗時減少40%。自2022年以來，已有來自101個國家的逾23’000人使用Ancora搜尋癌症臨床試驗。

在日內瓦設有辦公室的生物醫學AI公司Owkin開發了深度學習模型，用於預測患者治療結果，並識別影響這些治療結果的因素。該公司目前已與多家大型製藥企業達成合作，為臨床試驗決策客製化這些AI模型。

瑞士製藥巨頭諾華(Novartis)所進行的大型臨床試驗通常涉及數千名受試者。該公司開發了一套名為「智慧決策系統」(Intelligent Decision System)的系統，相當於整個臨床試驗流程的虛擬複製體。該系統能夠模擬臨床試驗的部分環節，比較不同試驗中心可能產生的結果，並提前發現潛在問題，例如某個試驗中心中途退出試驗。

負責諾華“智能決策系統”的羅伯特·麥格雷戈(Robert McGregor)告訴瑞士資訊swissinfo.ch：“臨床試驗每節省一天，患者等待藥物的時間就少一天，所以我們希望盡可能加快試驗速度。如果我改變研究設計中的一個假設，整個時間表都可能完全改變。”

對於可能直接影響監管決策的AI應用，藥廠一直更加謹慎。這包括用於模擬虛擬患者群體可能對藥物的反應的計算模型。這類模型可在人體試驗開始前協助預測試驗結果，甚至可能減少某些試驗所需的患者數量。

在更個人化的層面上，AI還可以創建數位孿生體(digital twins)——即利用數學模型，並結合真實患者的基因組、臨床和影像數據，建立人體的虛擬動態複製體。研究人員希望，這些模型能夠預測單一患者對藥物的反應，甚至模擬其接受安慰劑後可能出現的情況。

成立於2025年的TwinEdge Bioscience正基於癌症患者的分子數據，開發單一患者腫瘤的數位孿生體。該公司正與製藥公司合作，驗證有關藥物標靶和真正適合接受相關治療的患者群體的假設，從而為臨床試驗的設計提供依據。

SOPHiA GENETICS於2011年從瑞士洛桑聯邦理工學院(EPFL)孵化成立，並於2021年上市。去年10月，該公司推出數位孿生技術。該平台利用從數百家醫院收集的每位患者獨有的臨床、生物、影像和基因組數據，模擬治療反應。目前，這項技術主要用於科學研究。

該公司創始人朱爾吉·坎布隆(Jurgi Camblong)表示：“作為一個行業，我們需要擁抱真實世界數據。借助這些數據，我們可以了解如何更好地處方用藥或聯合用藥，識別哪些患者亞群可能從某種藥物中受益，並有望在臨床試驗中加以驗證。”

美國公司Unlearn已與多家製藥企業合作，其中包括總部位於巴塞爾的羅氏(Roche)。該公司利用真實世界數據產生數位孿生體，以模擬真實患者對阿茲海默症候選藥物的反應。結果顯示，數位孿生體可將對照組的規模減少約35%。

AI應用於臨床試驗所面臨的障礙

儘管潛力大，AI要真正改變臨床試驗仍面臨多重限制。其中之一，是科學界對人體生物學的理解仍有空白。

Owkin創始人兼首席執行官托馬斯·克洛澤爾(Thomas Clozel)表示：“如果你理解生物學，就能開展更好的臨床試驗，因為你知道自己針對的是哪類人群、哪種疾病。”但他補充說：“我們仍然很難解釋患者為什麼會患上阿茲海默症，或為什麼某些癌症會復發。”

資料瓶頸同樣是一個問題。雖然產生的資料越來越多，但受隱私法律限制，這些資料未必能用於臨床研究；其中許多資料也並非「AI就緒」(AI-ready)，也就是說，尚未整理成AI模型可以使用的格式。

即便AI模型表現良好，監管機構仍需要了解其結論是如何得出的。然而，許多AI系統以「黑箱」方式運作，產生資訊的過程缺乏透明度，也難以解釋，這給監管審查帶來了挑戰。

儘管如此，監管機構正對測試新思維正變得越來越開放，美國食品藥品監管局今年4月的公告正反映了這一點。歐洲藥品管理局(European Medicines Agency, EMA)也已表示，願意在罕見疾病臨床試驗中使用數位孿生體。據瑞士藥品監督管理局發言人稱，該局正積極參與制定臨床試驗領域的國際人工智慧原則。

拜恩斯表示：“我相信，未來幾年臨床試驗的開展方式將發生變化。一旦這些技術獲得充分的驗證性研究支持，監管機構就不得不正視其價值。”

(編輯：Nerys Avery/vm/gw，編譯自英文：樊樺/gj)