jinnianhui官网 - 金年会-从“单点提效”到“多场景协同” AI重塑药物研发全流程

当前，人工智能（AI）于药物研发中的运用，已经从文献检索、数据阐发及单一模子猜测，扩大到靶点发明、份子设计、虚拟筛选、非临床安全性评价、CMC（化学、制造及节制）工艺开发、临床研究、试验室数据管理和羁系资料构造等要害环节。硬件算力、多源数据、基础模子、主动化试验平台以和医药财产数智化转型，配合鞭策AI药物研发从“单点提效”走向“多场景协同”。

从现实药物研发流程看，AI的价值不只是让某个环节“算患上更快、筛患上更多”，而是鞭策研发数据、模子判定、试验验证、质量治理及羁系沟通形成更慎密的毗连。医药行业的要害问题已经再也不是“能不克不及用AI”，而是怎样让AI深度嵌入真实药物研发场景，形成可托、可复核、可治理的研发支撑能力。

场景一 精准靶点辨认与筛选

英国BenevolentAI于新冠疫情初期的事情，揭示了AI于快速靶点辨认及药物再使用中的价值。该公司使用常识图谱推理平台，阐发病毒进入宿主细胞所需的调控节点，如AAK1/ GAK等，并提出已经上市JAK按捺剂巴瑞替尼（baricitinib）可能经由过程按捺相干宿主激酶、调治JAK介导的炎症旌旗灯号，来降低SARS-CoV-2传染和重症炎症反映危害的不雅点。2020年，美国国立卫生研究院主导的ACTT-2随机比照实验验证了巴瑞替尼联用瑞德西韦的疗效；同年11月，美国食物药品治理局（FDA)授予该结合方案紧迫利用授权。2022年5月，FDA正式核准巴瑞替尼用在医治需要增补氧气、无创/有创机械通气或者ECMO的住院成人COVID-19患者。

这一案例注解，于突发大众卫闹事件中，AI可以或许年夜幅缩短从多源证据整合到可验证假定形成的时间，高效跟尾靶点发明、药物再使用与临床验证环节。虽然临床实验与科研实证仍是终极决议计划的基础，但AI已经经成为初期靶点假定天生、候选药物优先级排序的主要引擎。

场景二 智能药物份子设计与优化

天生式AI模子正从随机天生新份子，转向于布局约束、药效团、ADMET（药物接收、分配、代谢、分泌及毒性）性子及临床可转化性多重约束下，提高候选份子的掷中率。

英矽智能以纤维化疾病中的TNIK为靶点，整合多组学证据及文献数据对于靶点优先排序，再于布局及药效团约束下，经由过程天生式AI模子天生并优化候选份子。代表性TNIK按捺剂Rentosertib已经进入临床实验阶段。其2025年发表的随机、双盲、慰藉剂比照Ⅱa期临床实验数据显示，Rentosertib于特发性肺纤维化患者中体现出可控的安全性及优良的耐受性。这一里程碑式结果，标记着AI驱动的药物份子设计已经从局部辅助东西，进化为工程化研发平台。

场景三 超高通量化合物虚拟筛选

化合物高通量虚拟筛选已经进入由生物份子基础模子驱动的新阶段。麻省理工学院及AI生物技能公司Recursion于2025年发布的Boltz-2，是这一标的目的的代表模子。该模子以卵白序列、小份子布局、模板信息及间隔约束为输入，于同一框架中进修卵白、小份子和联合界面的空间暗示，并结合猜测复合物三维布局、联合亲及力及卵白动力学相干指标。

Boltz-2的特色是，先猜测小份子怎样进入卵白联合口袋、要害彼此作用怎样形成，再评估联合强度。公然资料显示，该模子于常见亲及力猜测基准上的体现靠近自由能扰动（FEP）要领，但计较速率快1000倍以上。是以，Boltz-2更像是数智化“筛选器”及布局假定天生器，可以把有限的合成、FEP计较及体外试验资源集中到更有潜力的份子上。与小份子天生模子联历时，可构建“天生—布局猜测—亲及力排序—试验验证”闭环，使虚拟筛选从法则过滤进级为端到真个AI辅助研发体系。

场景四 动物毒理数据挖掘与虚拟动物实验

于非临床安全性评价范畴，既往动物实验数据正被转化为可复用的猜测资产。

AnimalGAN（天生匹敌收集模子）利用了6442只年夜鼠的临床病理数据举行练习，于给定化合物及给药方案后，天生了多项临床病理尽头的合成数据。随后，研究团队依托10万只“虚拟年夜鼠”开展肝毒性排序实验，发明该模子于肝毒性猜测上优在12种传统QSAR（定量构效瓜葛）要领。这种AI东西可以或许于药物研发的初期筛选阶段提供高通量、可量化的危害排序线索，使真实动物实验更多用在要害验证，同时联合类器官、器官芯片及体外体系，配合鞭策非临床安全性评价切合3R原则（替换、削减及优化动物实验）。此类模子的现实运用规模，取决在模子的验证程度、合用域、数据质量、偏倚节制，以和羁系机构对于详细利用情境的接管水平。

场景五 CMC研发数智化：从经验驱动到模子驱动

于药物CMC环节，AI技能的运用正从单点试验优化，扩大到模子驱动的工艺开发、范围放年夜及羁系沟通。

勃林格殷格翰利用机理性层析模子，撑持医治性卵白纯化工艺开发及申报，经由过程模仿辨认要害工艺参数及经证实可接管的规模，于限制前提下削减部门试验研究。美国生物技能公司Moderna将RNA序列设计东西与尺度化出产流程联合，形成为了可跨项目复用的数据布局及阐发要领。辉瑞于计较流体力学（CFD）仿真中踊跃运用GPU（图形处置惩罚器）算力，构建了两相搅拌生物反映器的数字孪生模子，用在模仿流体流动、传质及差别范围生物反映器差异。赛诺菲使用历程数字孪生技能，于虚拟空间中评估更多工艺前提以提早发明潜于问题，并于互助制造举措措施呈现误差时，辅助举行底子缘故原由阐发、评估解决方案。CMC数智化的要害，于在将处方、工艺、装备、质量属性及注册资料之间的瓜葛模子化、布局化及可追溯化。

场景六 临床研究数智化：从危害治理到证据天生

AI正鞭策临床研究从“加快履行”走向“证据重构”。国际人用药品注册技能协调会（ICH）发布的E6(R3)药物临床实验质量治理规范，夸大质量源在设计、要害质量因素及危害相当治理；美国FDA关在数字康健技能、去中央化临床实验及电子知情赞成的引导原则，也为长途访视、居家采样、可穿着装备及电子化数据流转提供了实行路径。

第一层级是运营效率型运用。诺华借助AI技能，年夜幅缩短血汗管药物临床研究的中央筛选及启动评估时间；葛兰素史克使用数字及AI东西，优化哮喘晚期药物临床实验的受试者招募、落地履行与数据处置惩罚效率。第二层级是数字化数据收罗。阿斯利康经由过程长途数据收罗、居家肺功效检测、患者体验指数及算法辅助事务辨认，改善患者体验，临床实验模式慢慢由“中央驱动”转向“患者场景驱动”；其慢性壅闭性肺疾病相干研究也证明，数字东西有望削减现场访视频次、降低研发成本、缩短临床实验周期。第三层级是证据天生方式转变。赛诺菲基在定量体系药理学及既有临床数据，构建虚拟哮喘患者行列步队，以盲法猜测Ⅰb期临床实验成果，与真实临床不雅测较为吻合；拜耳应用数字孪生技能，模仿抗凝药物最优给药剂量，并摸索糖尿病虚拟患者孪生体与外部比照臂。

AI赋能临床研究的焦点价值，于在让数据更持续、证据更可推演、历程更可审计。数字孪生及虚拟患者其实不会替换要害性临床实验，而是整合汗青研究数据、真实世界数据、长途收罗数据及临床实验数据，前瞻性优化实验设计、药物剂量筛选与危害管控。

场景七 试验室数据集成治理

高质量数据资产是AI融入药物研发质量系统的基础。以赛默飞的SampleManager LIMS为例，其整合了试验室信息治理、科学数据治理、试验室履行体系和电籽实验记载等功效，可毗连企业基础体系、阐发仪器及装备，撑持数据追溯与合规治理，并与企业资源规划体系及制造履行体系等外部体系互联。

不外，只有成立布局化、尺度化、可追溯的试验室数据，模子练习、工艺优化和申报质料的质量才能获得保障。是以，企业于推进AI项目时，需要同时管理数据布局、接口，完美数据的完备性、和时性及可审计性。

场景八 中医药经验数据挖掘与决议计划模子

中药研发的难点，于在将分离的临床经验及丹方纪律转化为可验证的现代证据。

最近几年来，学术界使用电子病历、处方数据库及份子信息练习深度进修模子，以发明中药丹方与临床表型之间的联系关系。此中，FordNet模子测验考试于同一框架下融入临床表型、丹方身分及份子作用信息，用在辅助丹方保举及机制注释。这种研究仍处在摸索阶段，其目的不是减弱中医的临床判定，而是将经验常识布局化，毗连临床经验、药效物资基础及现代药理研究，形成更容易验证及转化的研发依据。

场景九 医疗器械设计开发治理

医疗器械行业对于计较模子及仿真技能的持久运用，为药物研发提供了有价值的参考。

以美敦力为例，其于支架移植物设计中，使用法国工业软件公司DassaultSystèmes的SIMULIA/Abaqus及Isight平台，开展布局仿真、临床实验设计及靠得住性评估。两边配合的经验注解，仿真模子的价值不仅于在削减试验次数或者加快迭代，更于在形成模子与试验之间的彼此校验，并为研发决议计划提供可注释、可复核的证据。当模子成果能被试验数据撑持、被研发流程采取，并于要害决议计划中形成可审计的记载时，模子便再也不只是辅助东西，而是研发系统的一部门。

综上，AI于药物研发中的价值已经不只是提高局部效率，而是正于鞭策研发勾当从单点东西运用走向多场景协同及证据链重构。这一趋向与我国医药工业数智化转型和聪明羁系设置装备摆设标的目的高度契合。相干政策已经明确提出设置装备摆设高质量数据集、医药年夜模子立异平台、数智化研发出产场景和质量安全保障能力，并夸大“数智赋能、人工复核、全程留痕”。这象征着，将来AI医药研发的竞争重点，已经不单单是算法模子自己，而是企业可否缭绕真正的研发、出产、质量治理及羁系场景，成立起高质量的数据资产、模子验证机制、跨部分协同流程及可审计的质量治理系统。AI不会代替科学判定、试验验证及临床证据，但将转变这些证据被发明、构造、验证及利用的方式。对于我国医药财产来讲，真正主要的，是从详细的研提问题出发，将AI能力转化为可验证、可复核、可运用的研发支撑能力，使其真正办事在立异药研发、质量治理、羁系沟通及财产高质量成长。［作者为泓惠医药科技（北京）有限责任公司首席科学家］

国产首款DORA类促眠药法赞雷生片首处落地 掉眠医治范畴迎来本土方案

管线研发提速 临床数据向好 体内CAR-T赛道海潮已经至