药物研发是我国AI应用领域的关键场景之一。近年来，相关法律法规的陆续出台，彰显了我国积极迎接数字化转型变革，不断探索科学监管新工具、新标准和新方法的决心。

　　我们应充分利用监管科学研究基地的技术和资源优势，建立跨部门、多领域合作机制，立足现阶段产业发展特点和需求，加强国际合作交流，使AI技术在加快高质量药物研发、优化审评资源、提升审评审批效率和强化上市后监管等领域发挥积极作用。

　　□ 李品品

　　人工智能（AI）是一项模拟人类认知和智能的研究。AI涉及多个方法领域，如推理、知识表示、解决方案搜索等，其中最重要的分支学科是机器学习（ML）。ML的一个子领域是深度学习（DL），它涉及人工神经网络（ANN）。神经网络包括一组相互关联的复杂计算元素和类似于人类生物神经元的“感知器”，可模拟人类大脑中电脉冲的传输。神经网络涉及多种网络类型，如多层感知器（MLP）网络、递归神经网络（RNN）、卷积神经网络（CNN），更复杂的形式包括Kohonen网络、RBF网络、LVQ网络、反向传播网络和ADALINE网络。

　　AI最常见的应用是在使用海量数据的系统中，利用DL优化给定意图的目标函数，以作出更好的决策、预测和分类。目前，AI已经对金融业、制造业以及医药行业等多个领域、多个行业产生了极大影响。

　　优势尽显 AI在新药研发领域潜力巨大

　　当前，新药研发面临着成本升高、收益率下降的双重困境。新药研发本身具有技术难度大、研发周期长、投入资金多、研发风险大等特征，随着疾病复杂程度不断上升，新药研发的难度和成本也随之增加，全球新药研发成功率呈明显下降趋势。

　　2019年，艾昆纬（IQVIA）发布报告指出，新药从临床试验开始到研发结束的平均开发时间在过去10年里增加了26%，2018年该数据已达到12.5年。同时，新药开发成功率不断下降，2018年降至11.4%。《自然》（Nature）杂志报道，新药研发成本快速增长，2018年新药研发的平均成本约为26亿美元。与此同时，新药的研发投资回报率不断下滑，德勤发布的报告显示，2017年全球前12大制药公司的研发投资回报率仅为3.2%，较2010年的10.3%下降近7个百分点。

　　AI技术的发展，为新药研发带来了新的技术手段，不仅可应用于小分子药物研发，还可应用于抗体药物、核酸药物、免疫治疗药物等的开发。目前，AI技术在药物研发领域已呈现出以下优势：遍历数据驱动模式，以识别新型药物靶点；通过预测模型筛选化合物，显著降低实验验证的成本和时间；生成新的候选药物结构，为药物优化提供理想路径；探究“老药新用”，拓展药物的新功效。除上述应用方向外，AI技术在药物研发中还可用于理化性质预测（如晶型预测）、药物重定向、制剂开发等。

　　TechEmergence研究报告显示，AI技术可使新药研发成功率提高到14%；此外，麻省理工学院的Chi Heem Wong等人的研究数据显示，AI技术可在化合物筛选、合成方面节约40%～50%的时间，每年可为整个制药行业节约260亿美元的成本。

　　AI技术的发展主要依赖于算法和数据。如果“已有药物研发数据-更准确的AI算法-更优质的药物-更多更好的药物研发数据”的循环逻辑在实践中落地成熟，AI技术在药物研发领域的应用优势还将进一步扩大。

　　与此同时，AI技术还在悄然改变传统的药物研发模式，例如有可能在未来取代动物实验。2016年，Thomas Hartung带领约翰霍普金斯大学的研究人员成功开发了一种AI算法，该算法可以利用构建的数据库预测化学药物的毒理学特性，高度还原动物实验结果。

　　积极应对 前行道路上面临诸多挑战

　　新技术的引进，让原有的药物研发模式发生改变，人员队伍、硬件支撑、技术应用能力等均需要同步更新，并需要有前瞻性的政策和技术指南以规范相关研究开发工作。

　　目前，高端复合型人才的缺乏极大限制了多数企业在“AI+药物研发”领域的发展。同时，在技术方面，AI多任务学习的“黑匣子”特征仍是深层神经网络从复杂生物信息中提取关键关联信息的阻力。因此，提升企业相关技术水平，促进自然语言处理实用化发展和知识图谱的多维度应用，以及对知识问答、分析决策和语义搜索领域开展研究都十分重要。与此同时，在决定“AI+药物研发”质量的数据及问题中，如何建立研发数据标准体系、如何建立风险利益共担的共享机制等，也是未来“AI+药物研发”所需要面对的重要课题。

　　值得关注的是，应用AI技术在药物研发领域的各种探索和尝试离不开监管机构的接纳、认可和指导。因此，监管机构与企业一样都面临来自技术、人才等方面的新挑战，只有积极应对，才能让监管走在前面，引导行业规范发展。

　　美国食品药品管理局（FDA）、欧洲药品管理局（EMA）等都已经把AI作为药品监管科学研究的重点领域。如FDA认为，AI解决方案有可能提升医疗设备的自动化和学习水平、提高诊断/治疗开发及商业生产的效率、优化上市前评估和上市后监管工作等。因此，FDA已加强对AI潜力和局限性的研究，包括AI相关技术和实际应用、AI技术引入后所产生的监管问题、AI解决方案在FDA监管产品整个生命周期中的影响等。同时，FDA也积极探索开发AI技术在提高审评效率方面的潜力，如将自然语言处理应用于监管审查递交，以对其进行复杂性分类；探索如何将AI技术应用于药物计量学，以帮助药物开发和/或监管决策；研究利用AI技术结合多重数据，以便用更全面、更快速的方式分析临床试验结果；探索如何在商业药物制造过程中使用AI技术来改善质量决策等。

　　应用新技术促进医药产业健康发展离不开法律、法规和制度保障。欧盟“关于制定人工智能统一规则”（AI法案）被认为是全球主要监管机构制定的第一部专门针对AI的法律，目前该法案正在审议中。此外，2022年6月，加拿大政府公布的数字宪章实施法案（DCIA），为AI开发和使用创建新规则。其中的人工智能和数据法案（AIDA）的既定目的是“规范人工智能系统中的国际和省际贸易和商业行为”，并提出相应的设计、开发和使用规则。

　　多措并举 探索科学监管新模式

　　药物研发是我国AI应用领域的关键场景之一。近年来，相关法律法规的陆续出台，彰显了我国积极迎接数字化转型变革，不断探索科学监管新工具、新标准和新方法的决心。

　　2020年12月，国家药监局药品审评中心（CDE）发布《模型引导的药物研发技术指导原则》；2021年4月，CDE发布《用于产生真实世界证据的真实世界数据指导原则（试行）》， 这两个指导原则分别针对药物研发模型开发和真实世界数据治理两个重要AI应用场景进行规范。

　　2022年1月工信部等九部门联合印发的《“十四五”医药工业发展规划》指出，立足新发展阶段，完整、准确、全面贯彻新发展理念，构建新发展格局，落实制造强国战略，全面推进健康中国建设，加快创新驱动发展转型，培育新发展新动能，推动产业高端化、智能化和绿色化，构筑国际竞争新优势，健全医药供应保障体系，更好满足人民群众多元化、多层次的健康需求。

　　2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》（以下简称《规划》）。《规划》提出，到2025年，基本形成横向打通、纵向贯通、协调有力的一体化推进格局，数字中国建设取得重要进展。数字基础设施高效联通，数据资源规模和质量加快提升，数据要素价值有效释放，数字技术创新实现重大突破，应用创新全球领先等一系列规划目标。

　　近年来，随着我国药品审评审批制度改革的深化，新药研发在政策红利下得到了极大的激励，我国药品研发整体实力正在逐步增强。放眼未来，数字化和AI驱动的新一轮产业升级，对于我国医药行业既是挑战，也是机遇。笔者建议，监管部门可将数字化及AI的所需基础建设、人才培养、制度创新纳入全面提升医药产业高质量发展的战略规划中，充分利用监管科学研究基地的技术和资源优势，建立跨部门、多领域合作机制，立足现阶段产业发展特点和需求，加强国际合作交流，使AI技术在加快高质量药物研发、优化审评资源、提升审评审批效率和强化上市后监管等领域发挥积极作用。

　　相信随着我国药品和医疗器械监管科学研究工作不断深入，通过学术界、产业界和监管机构的多方共同努力，我国医药产业高质量发展和创新生态系统构建，在AI技术和数字化创新的助力下必将迎来更大突破。

　　（作者系赛诺菲监管科学与政策研究中国及亚洲副总监）

(责任编辑：常靖婕)