1. 首頁 > 生活百科 > 科技 > >

|AI時代新藥研發：“虛擬患者“顛覆臨床試驗？

|AI時代新藥研發：“虛擬患者“顛覆臨床試驗？

文章圖片

|AI時代新藥研發：“虛擬患者“顛覆臨床試驗？

無處不AI ， 就連臨床試驗也不例外 。
芬蘭阿爾托大學（Aalto）披露 ， 2022年2月 ， 拜耳與該大學合作 ， 嘗試靠AI技術創造臨床試驗中的“虛擬”對照試驗組 。
理想情況下 ， “對照組不需要招募患者 ， 同時還能提高藥物開發的成本效益” ， 阿爾托大學人工智能中心的Harri L?hdesm?ki教授表示 。
在藥物研發至上市這一長線流程中 ， AI主要聚焦在更可控的制藥前端 。 據《全球44家頂尖藥企AI輔助藥研行動白皮書（2021年）》 ， 按照制藥階段來分 ， 這些藥企中2/3的AI業務均在藥物發現階段 ， 能夠介入到后期臨床試驗的AI項目少之又少 。
如果能靠AI虛擬對照組 ， 醫藥研發領域就能挺進新時代 。 問題是 ， 這靠譜嗎？
患者招募困境拜耳的這個項目于2021年5月啟動 ， 名為“未來臨床試驗” 。 項目為期3年 ， 第一期由拜耳和阿爾托大學聯手 ， 第二期于2022年2月啟動 ， 并加入了赫爾辛基大學醫院（HUS） 。
讓我們算一筆經濟賬 。 當前 ， 新藥研發成本超過10億美元 ， 其中最昂貴的就是最重要的臨床3期試驗 ， 2014年平均成本高達2.55億美元 。 有研究顯示 ， 每個招募的患者花費超過4萬美元 。
還有時間成本 。 臨床試驗是一個體力活 ， 在10年研發周期中 ， 臨床試驗可能長達7年 。
此外 ， 設置對照組常常涉及倫理問題 。 服用安慰劑而非藥品 ， 這讓很多沒有特效藥的罕見病患者難以接受 。

就算以上都不是問題 ， 還有患者招募這個大難題 。
招募人數不足正引起行業的關注 。 據統計 ， 新藥研發過程中近90%的藥物會在進入臨床試驗后失敗 ， 其中 ， 近三分之一的3期臨床試驗因患者招募而失敗 。
對于人口稀少的北歐國家 ， 患者招募難題尤為嚴重 ， 這也是前述項目將在芬蘭進行的重要原因之一 。
例如 ， 在最熱鬧的PD-1/PD-L1領域 ， 入局者眾多 ， 精準治療要求下符合臨床要求的患者越來越少 。 據美國癌癥研究發布數據 ， 2014年到2018年間 ， 腫瘤免疫療法試驗的月招募率下降66.96% 。
【|AI時代新藥研發：“虛擬患者“顛覆臨床試驗？】熱門賽道尚且如此 ， 在發病率極低的罕見病領域進行患者招募就難上加難 。
“AI技術作為一個好幫手 ， 在減少臨床試驗對招募患者的需求上是有前景的 。 ” 北京大學第一醫院醫學統計室主任姚晨對健識局表示 。
一場單臂試驗的夢前述AI項目中的虛擬對照組 ， 其實屬于外部對照組 。
理想情況下 ， 臨床試驗應該為雙臂試驗：一組為試驗組 ， 另一組為對照組 。 但在特殊情況下 ， 某些病癥患者極少 ， 不滿足開展雙臂試驗的要求 。 此時產生了另一種方式：單臂試驗 。 在單臂試驗中 ， 僅招募一組當下的病人作為試驗組 ， 然后 ， 基于病歷登記、醫保數據或大型人群隊列等外部數據資源庫 ， 設立外部對照 ， 來進一步控制偏倚 ， 增強研究結果的可解釋性 。
在拜耳這個項目中 ， 芬蘭當地最大的醫療服務機構赫爾辛基大學醫院負責提供患者數據 ， 阿爾托大學負責開發機器學習工具 ， 用以對不同時期收集患者的數據進行建模 。
難題在于受試組和對照組數據的可比性 ， 因為數據可能僅部分有重疊 ， 且測量變量不同 。 關于某種病患的記錄多樣 ， 其中難免會有一部分因歷史與當下差別太大 ， 因而不具備可比性 。

相關經驗推薦