醫藥產業是一個在“十四五”發展規劃中多次被“點名”的產業。無論是“加強原創性引領性科技攻關”還是“構筑產業體系新支柱”，醫藥產業都被寄予厚望。

這個產業的兇險也人盡皆知。高投入、高風險這樣樸實的詞匯已經很難概括一個原創新藥的“九死一生”。

“全球數據統計顯示，新藥研發的成功率已經從10%下降到現在的2%—3%。”中國科學院計算所哲源圖靈達爾文實驗室副主任趙宇用數據說話，這個幾率低于“九死一生”，達到50活1的比例。

這樣的情況下，產業行業更加青睞風險低的跟隨式創新。例如，PD1相關的研發項目由于獲得2018年諾貝爾獎再度頻繁上馬，CAR-T技術由于治好了美國前總統的腫瘤聲名大噪，也令藥企趨之若鶩。

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

驅動醫藥產業主動走向真正的創新，必須要讓科研院所、制藥企業解決新藥研發過程中的痛點，讓創新主體嘗到原始創新的“甜頭”。

有效性臨床試驗失敗是新藥研發失敗的主要原因，業內形象地稱其為“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?

現在進行的臨床試驗階段的方案設計、人群選擇目前仍帶有盲目性。中科院計算所西部高等技術研究院常務副院長張春明表示，事實上，現有已經發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的論文已經從0增長到11萬篇，這個體量的學習是人力無法窮盡的。”趙宇說。

基于超級計算機的人工智能卻可以做到。張春明解釋，依托中科院高性能計算機研究中心的中國超算，研發團隊從全球發表的所有生命科學論文中獲得數據，并將其變成知識。根據全數據和人工智能算法生成模型，建立起藥物數字研發平臺。

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據等，把個性化的基因在藥物數字平臺內與細胞內事件建立聯系，模擬信號通路的打通，可以預判這個患者體內的信號通路是不是像理論一樣被激活，進而預測一個臨床試驗藥物到達某個患者體內的作用效果。

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，目前普遍有效率為20%，但哪些有效哪些無效的機制機理目前無解。我們的機制性研究通過建立判斷模型、提前預判的人群，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AI發現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“死亡之谷”將不再難走。而由超算支撐的人工智能現在能夠提供400多個功能模型，解決創新藥研發過程中的靶點預判、有效成分篩選預判、臨床試驗效果預判等多方面問題，至少可以讓藥物的研發時間減半、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，中國醫藥需要顛覆性、變革性的創新才能實現產業乃至整個行業的“變道超車”，而依托人工智能搭建起“計算醫學”體系有望擔起重任。

據介紹，依托中國超算的新藥數字研發平臺由中科院計算所持續20年研發而成，期間獲得國家“863”基因組學數據處理技術、國家“973”建立基因數據計算模型、科技部重點研發專項醫學大數據融合模型等國家項目的支持。(張佳星)

關鍵詞： 醫藥研發