BIO Asia Taiwan— AI正夯，数据驱动制药产业的未来

Author: Sean Liu / Market Research Consultant

新药的持续开发象征著制药产业的活力，虽然新药开发技术随着时间持续进步，包含各样电脑辅助新药开发等技术导入，但整体制药产业仍陷入Eroom’s Law的窘境，新药开发的效率长年赶不上研发经费的投入，近年因电脑运算能力大幅提升所推动的大数据分析与人工智能（artificial intelligence, AI）新一波崛起，有机会应用在药物研究与发展诸多环节以提高新药开发效率，成为众所期盼的焦点。

在本次BIO Asia Taiwan展会，有众多单位展示其如何将大数据分析与AI技术落实在产品开发或作为解决方案的一环（图一），分别介绍如下。

图一、2019 BioAisa-AI与大数据在制药产业应用案例

CYTLIMIC

CYTLIMIC可以说是应用AI技术在生技医疗产品开发的先驱者，该公司尚未从NEC分出来以前，在2001年NEC即发展以机器学习为基础用来预测免疫功效的技术，包含预测抗原胜肽（antigen peptide）的序列与其结合人类白血球抗原（human leukocyte antigen, HLA）亲和性的关系。

CYTLIMIC(NEC)在其AI技术的协助下筛选出治疗性癌症疫苗CYT001，其包含两个胜肽抗原（HSP70、GPC30）与佐剂（Poly-ICLC、LAG-3Ig），并已完成1个与正在进行2个临床一期试验（YNP01、YCP02、CRESCENT1），适应症范围主要锁定肝细胞癌与肠胃道癌症，在初步试验的病理切片分析显示，CYT001可以增加毒杀T细胞对肿瘤的浸润量以及使毒杀T细胞辨认被其胜肽所结合的癌细胞，促使肿瘤从不具免疫反应的（cold tumor）状态转变为具免疫反应性（hot tumor）。

AstraZeneca

AstraZeneca则展现出大药厂积极导入大数据或AI技术来强化新药开发的多个层面应用。(1)将真实世界数据以propensity score matching的统计方式来为single-arm的临床试验寻找可对比的控制组。(2)以PageRank算法进行病患对临床医师推荐的网络分析，借此协助进行临床试验地点的筛选（site selection）。(3)AstraZeneca与包含英格兰公共卫生署（Public Health England, PHE）在内三间单位合作，以机器学习的方式模拟英国国家癌症登录资料（NCRAS）来建立模拟的登录数据库，需求单位可在该模拟癌症登录数据库进行分析尝试，而后将最终的资料处理与分析的编码给予NCRAS的分析师去执行真实登录数据的分析并将结果释放予该需求单位发表。

Merck KGaA

Merck KGaA已和AI辅助新药开发的技术商CYCLICA与IKTOS合作，使用AI技术来加速新药开发的效率，包含应用在建立药物动力学（ADMET）模型、定量构效关系（Quantitative Structure-Activity Relationship, QSAR）模型、配位搜寻（Docking）、电脑辅助药物筛选等，并预测新候选分子（candidate）可能的药理效应、副作用或毒性。

此外，Merck KGaA针对大肠直肠癌的放射学影像以纹理分析（textural analysis），并结合生物标记蛋白质表现图谱尝试建立病患对药物反应的预测模型。

IQVIA

在本次BioAisa展会，两大CRO巨擎IQVIA与Syneos Health亦有展现导入大数据与AI技术在其提供的解决方案项目中。IQVIA的部分，包含有(1)整合其过往执行临床试验的经验、试验计画主持人之专业领域与参与临床试验经验、临床试验地点特性等资料建立起AI模型，以协助进行临床试验地点的筛选、控管风险、加快试验启动。(2)将执行临床试验所收集的数据，增加时间性参数，并以此为基础建立特定试验收案族群的临床治疗路径（treatment pathways），可协助试验赞助者（sponsor）从中挖掘新的机会或未来试验之假设。(3)针对病历这种非结构化资料，投入自然语言处理（NLP），除了可丰富资料量外，亦可借此建立风险预测模型以协助衡量临床试验品质。

Syneos Health

Syneos Health则结合基因体数据、蛋白质体数据、代谢体数据、临床数据等，以多种非监督式学习、监督式学习的AI技术进行病患的分群，再结合基因注解学（Gene ontology）等科学理论基础，协助客户进行病患选择与分层。

Syneos Health进一步举列以其方法找到对于临床试验新治疗方式无反应的病患新分群，虽然是属于试验之事后分析（post-hoc analysis）或回溯性研究（retrospective study）应用，但有助于解决部分治疗不确定性，仍可作为一部分的临床佐证或是新一轮临床试验设计的假设基础。

在本次BioAsia，看到多间单位已积极应用大数据与AI技术在其新药开发诸多环节，虽然尚有诸多挑战有待克服，例如数据标准不一致、数据的可取得性、数据拥有权与隐私权议题等，但可预期，这种数据驱动（data-driven）模式大量导入在产品开发与决策时，将形塑制药产业的未来，这些新技术的应用并非只诉求在提升单一新药产品开发成功率，而是强化药厂整体产品线（pipeline）竞争力、组合完整度与进入市场的效率。

延伸阅读：BIO Asia首次规划创新区子宫内膜异位症检测成亮点