醫(yī)藥產(chǎn)業(yè)是一個在十四五發(fā)展規(guī)劃中多次被“點名”的產(chǎn)業(yè)。無論是“加強原創(chuàng)性引領(lǐng)性科技攻關(guān)”還是“構(gòu)筑產(chǎn)業(yè)體系新支柱”，醫(yī)藥產(chǎn)業(yè)都被寄予厚望。

這個產(chǎn)業(yè)的兇險也人盡皆知。高投入、高風(fēng)險這樣樸實的詞匯已經(jīng)很難概括一個原創(chuàng)新藥的“九死一生”。

“全球數(shù)據(jù)統(tǒng)計顯示，新藥研發(fā)的成功率已經(jīng)從10%下降到現(xiàn)在的2-3%。”中國科學(xué)院計算技術(shù)研究所(以下簡稱“中科院計算所”)哲源圖靈達爾文實驗室副主任趙宇用數(shù)據(jù)說話，這個幾率低于“九死一生”，達到50活1的比例。

這樣的情況下，產(chǎn)業(yè)行業(yè)更加青睞風(fēng)險低的跟隨式創(chuàng)新。例如，PD1相關(guān)的研發(fā)項目由于獲得2018年諾貝爾獎再度頻繁上馬，CAR-T技術(shù)由于治好了美國前總統(tǒng)的腫瘤聲名大噪，也令藥企趨之若鶩。

研發(fā)資源一哄而上地跟隨創(chuàng)新使得我國藥品領(lǐng)域“供給側(cè)”矛盾突出：高端好藥新藥嚴重不足，低端仿制藥卻過剩。

驅(qū)動醫(yī)藥產(chǎn)業(yè)主動走向真正的創(chuàng)新，必須要讓科研院所、制藥企業(yè)解決新藥研發(fā)過程中的痛點，讓創(chuàng)新主體嘗到原始創(chuàng)新的“甜頭”。

有效性臨床試驗失敗是新藥研發(fā)失敗的主要原因，業(yè)內(nèi)形象地稱其為“死亡谷”。走進“死亡谷”面對的最大困惑是，理論上明明有效地針對了靶點，為什么在上人體的時候卻無效了?

現(xiàn)在進行的臨床試驗階段的方案設(shè)計、人群選擇仍帶有盲目性。中科院計算所西部高等技術(shù)研究院常務(wù)副院長張春明表示，事實上，現(xiàn)有已經(jīng)發(fā)表的大量論文中蘊藏著這些問題的答案，但是浩如煙海，人的能力是無法分析的。

換句話說，讀懂所有的文獻，就能找到答案，但這項工作單憑人力是做不到的。

“單單去年一年，能夠檢索到的與新冠病毒相關(guān)的論文已經(jīng)從0增長到11萬篇，這個體量的學(xué)習(xí)是人力無法窮盡的。”趙宇說。

基于超級計算機的人工智能卻可以做到。趙宇解釋，依托中科院高性能計算機研究中心的中國超算，研發(fā)團隊從全球發(fā)表的所有生命科學(xué)論文中獲得數(shù)據(jù)，并將其變成知識。根據(jù)全數(shù)據(jù)和人工智能算法生成模型，建立起藥物數(shù)字研發(fā)平臺。

這個平臺如何工作呢?舉個例子，它通過分析患者外顯子基因數(shù)據(jù)等，把個性化的基因在藥物數(shù)字平臺內(nèi)與細胞內(nèi)事件建立聯(lián)系，模擬信號通路的打通，可以預(yù)判這個患者體內(nèi)的信號通路是不是像理論一樣被激活，進而預(yù)測一個臨床試驗藥物到達某個患者體內(nèi)的作用效果。

通過人工智能的判斷，能夠找到藥物有效的特定人群。趙宇說：“以治療癌癥的抗血管生成藥物為例，目前普遍有效率20%，但哪些有效哪些無效的機制機理目前無解，而我們的機制性研究通過建立判斷模型、提前預(yù)判人群，可獲得將近90%的有效率。”

新冠疫情期間，從中國超算中誕生的藥物研發(fā)AI發(fā)現(xiàn)了兩種藥物對新冠肺炎治療有效，后均被臨床研究證實。

如果能在3期臨床進行新藥適用人群的細分，那么有效性驗證的“死亡谷”將不再難走。而由超算支撐的人工智能現(xiàn)在能夠提供400多個功能模型，解決創(chuàng)新藥研發(fā)過程中的靶點預(yù)判、有效成分篩選預(yù)判、臨床試驗效果預(yù)判等多方面問題，至少可以讓藥物的研發(fā)時間減半、投入減半，成功率提高一倍，到了臨床以后有效率提高一倍。

張春明認為，中國醫(yī)藥需要顛覆性、變革性的創(chuàng)新才能實現(xiàn)產(chǎn)業(yè)乃至行業(yè)的“變道超車”，而依托人工智能搭建起“計算醫(yī)學(xué)”體系有望擔(dān)起重任。

據(jù)介紹，依托中國超算的新藥數(shù)字研發(fā)平臺由中科院計算所持續(xù)20年研發(fā)而成，期間獲得國家“863”基因組學(xué)數(shù)據(jù)處理技術(shù)、國家“973”建立基因數(shù)據(jù)計算模型、科技部重點研發(fā)專項醫(yī)學(xué)大數(shù)據(jù)融合模型等國家項目的支持。