AI技术何时能帮制药行业打破“倒摩尔定律”？

2020年，COVID-19商情全面爆发的元年，美国药监局仅批准了53种新药。而同一年，全球制药行业的总体药物研发投入高达近2000亿美元。这意味着2020年内获批的每种药品，平均成本接近38亿美元。当年发表的一项研究则给出了相对保守的新药成本估算，认为虽然新药成本在过去十年间急剧增长，但具体区间仍介于3.14亿美元至28亿美元之间。研究还发现，一种新药推向市场所投入的研发总开销，中位数接近10亿美元，而平均值估计在13亿美元左右。另外，新药的上市周期平均在10到15年，其中约一半时间和投资用于临床试验阶段，其余的半数成本则用于支撑临床前化合物发现、测试和监管。至于为什么每种新药花费甚巨、周期漫长，理由则包括缺乏临床疗效、缺乏商业利益和战略规划不当。总之，这一切复杂因素已经令制药行业的效能变成一种玄学，不少人甚至在高昂的新药上市成本之下成为怀疑论者，质疑既然技术水平和管理能力都在显著进步，制药行业为什么还会深陷当前的困境无法自拔。

这些人就是所谓“倒摩尔定律”的支持者，即尽管技术有所改进，但在过去几十年间，新药的开发成本仍呈指数级增长。倒摩尔定律认为，在抛开通胀影响的前提下，一种新药的开发成本大约每九年翻一番。这种观察提出的是一种类似收益递减的定律，按照经济学的概念来解释，如果增加某种商品生产环节中的某一项投入、而其他所有投入均保持不变，则整体态势最终将达到一个临界点——之后继续增加投入，则对应的产量反而开始逐渐减少。“倒摩尔定律”一词，由Jack Scannell博士及其同事于2012年在《自然·评论·药物发现》中提出。

倒摩尔定律，指向的自然就是大名鼎鼎的摩尔定律。这个来自1960年代的概念观察发现，大规模集成电路上的晶体管数理每两年左右就增加一倍。摩尔定律得名自英特尔公司联合创始人戈登·摩尔，是他对历史趋势的一种观察和总结。

Scannell博士强调，引发当前困境的主要是四个原因。首先，监管机构对疗法的标准要求越来越高；监管机构承受风险的能力越来越低，于是相应拉升了研发成本和难度；砸钱心态，这种想靠资源漫灌硬推项目的作法，很容易造成项目超支；再就是暴力破解基础研究，即高估了用粗暴试错突破基础研究难题的可能性。

尽管面对种种困难因素，我们也终有一天将击破倒摩尔定律的挑战，而决定战局的一大有力武器正是AI。好消息是，已经有人迈出了探索这条道路的第一步。

Scannell博士和他的合作科学家们，呼吁制药企业任命一名首席死药官，专门负责在研发过程的各个阶段内总结引发失败的原因，并将结果发表在科学期刊上。当前，制药企业甚至很少公布失败的实验或临床结果，而且多数还没想过要任命专职高管来处理失败案例中的有价值信息。但Scannell博士强调，要想打破倒摩尔定律，企业就必须先改变研发流程。协同和信息共享当然是个很好的起点，不过在制药行业内，能够真正打破倒摩尔定律的方法只有一个——AI。

过去几年来，人们已经多次尝试用AI来打破倒摩尔定律。如今，Exscientia和Insilico Medicine等多家机构正在为此全力冲刺。

总部位于牛津的Exscientia是一家全球制药科技企业，他们以患者为本，通过AI技术加快药物发现速度。去年，这家公司宣布首例由AI设计的免疫肿瘤分子已经进入人体临床试验阶段。在项目中，Exsientia与Evotec合作，使用前者的Centaur Chemist药物发现平台为患有晚期实体将为的成年患者开发A2a受体拮抗剂。这已经不是Exscientia做出的首次尝试，该公司在2020年就曾公布一种由AI驱动软件设计的强迫症治疗药物，且已经进入I期临床试验。

此外还有Schrodinger，他们开发出了制药行业最先进的化学模拟软件。Schrodinger最近已获药监局批准，可以在早期试验中研究其由计算机设计出的非霍奇金淋巴瘤治疗方法。该公司的平台基于机器学习技术，在10个月内对82亿种潜在化合物进行了分类，并最终确定了78种能顺利通过临床前实验合成与筛选的化合物。现在，该公司已经计划启动I期临床研究，并开始招募复发或难治性非霍奇金淋巴瘤患者。

与此同时，来自犹他州的Recursion Pharmaceuticals也在使用AI技术为现有药物寻找新的用途。去年，罗氏和Genetech同Recursion立项合作，共同探索细胞生物学的新领域，并尝试在神经科学和肿瘤学适应症领域开发新疗法。通过合作，两家公司将利用Recursion的AI药物发现平台对新型药物靶点开展全面筛选，借此加快小分子药物的开发。

在Insilico，一种领先的抗纤维化候选药也成功完成0期临床研究，正式步入I期临床阶段。而这款候选药的新靶点，正是由Pharma.AI平台所发现。从靶点发现到项目第一阶段启动，总时长甚至不足30个月，已经创下制药行业新药开发速度的新纪录。

别忘了，AI技术还将在脑机接口、深度学习、人机接口、机器学习以及其他智能模拟场景下发挥作用。这些概念业已存在数十年，早期医学AI系统曾严重依赖医学专家提供的临床知识与逻辑规则，但如今经过训练的超级计算机已经完全可以自行完成这些任务。

为了打破倒摩尔定律，数据科学家和医学科学家们必须共同规划可实现的用例，将AI技术应用于各类临床试验，同时把AI技术与将要替代/补充的现有技术加以对照。通过这种方式，AI有望顺利进入临床试验生态系统，在快速改善行业药物发现及开发流程的同时，有效降低研发失败率和成本。如今，几乎所有大型制药企业都在使用内部原研算法、与AI厂商合作或者直接收购AI厂商/技术，借此充实自己的产品组合与药物发现管道。海量融资与多家制药企业的合作伙伴声明也告诉我们，行业对AI工具在药物研发流程中的应用抱有极高期待。这一领域已经出现了不少变化，希望在未来几年中，企业能够将更好的投资策略同先进的AI技术结合起来，一举粉碎倒摩尔定律这道“魔咒”。