如何提高醫(yī)療行業(yè)藥物研發(fā)的成功率
如果說化學階段的目的是Be better的話,那么醫(yī)學階段的目標似乎又收縮了,變成了Be usable,然而真實的情況是大部分藥物分子跨不過這個坎。在藥物研發(fā)里有個諺語,叫做“Fail fast, Fail early”,這其實是求之不得的事情,因為如果拖到臨床II期甚至III期臨床再失敗,將會造成摧毀整個公司市值的重大損失。
這看起來似乎是荒謬的,如果前期的生物學機理和化學優(yōu)化已經(jīng)完善,為什么放到真人身上就砸了呢。但這個荒謬背后的原因是非常深刻的:藥物分子在復雜的人體系統(tǒng),尤其是具有基因和組學異質(zhì)性的人群中的效應(yīng)是難以捉摸的,在不同的維度上可以呈現(xiàn)出不同的usability。
大部分的藥物如果是在II期及之后失敗,最大的問題可能不是因為藥不好,而是以錯誤的方式用在了錯誤的人群中。很多藥物其實在臨床試驗里并沒有死透,如果我們知道自己錯在那里,其實是有可能通過給藥方案和適用范圍的調(diào)整,達到新的臨床終點。
如果能夠及時止損,及時選擇合適的適應(yīng)癥,提高成功率的話,這才是真正值錢的地方。而這其實可以借助于機器學習對患者畫像的洞察來實現(xiàn),在臨床試驗開始之前就對這個藥在大人群中的可用性,或是對哪些細分marker的人群可用,以及最重要的,哪些marker人群和臨床終點無效做出判斷。這樣的洞見,在II期及以后的臨床試驗中都價值上億!
可以看到,目前的藥物研發(fā)的流程,最大的矛盾集中在生物學階段和醫(yī)學階段,相反,化學階段反而是最成熟的部分。而如果只是在這個非瓶頸部分做優(yōu)化,并不會顯著提升藥物研發(fā)的時間效率和回報率。
因此我認為,如果AI藥物研發(fā)的項目,僅僅是過去計算化學模擬,組學和藥物開發(fā)自動化的延續(xù),是用AI的工具去優(yōu)化和加強已有的研發(fā)流程,這當然是一個最具可行性的前期策略,但是這并不是那么值錢的市場。這些針對藥物研發(fā)中“化學”階段的AI創(chuàng)業(yè)項目,做的普遍是容易做,但不是必須做的事情。如果只是提升當前的藥物研發(fā)效率,那么AI藥物研發(fā)公司的估值,顯然有點高了。
大型藥企對這些創(chuàng)業(yè)項目的關(guān)注和支持,與其說是看好技術(shù)而去投資,不如說是出于財務(wù)KPI的考慮,以投資AI藥物研發(fā)公司的方式,將非藥企核心的研發(fā)業(yè)務(wù)外包給了CRO和這些“virtual biotech”的AI創(chuàng)業(yè)公司。這可以輸出藥企的優(yōu)勢:充沛的現(xiàn)金流投入,和臨床開發(fā)“接盤”能力,而產(chǎn)生的收益又不會立即體現(xiàn)在損益表上,而是通過收購-商譽的調(diào)節(jié),讓報表變得更好看。當然,從投資的角度去看,我也認同這種商業(yè)邏輯。
但真正具有極大價值的,應(yīng)該是用AI重構(gòu)藥物研發(fā)的整體邏輯,這可以從兩個方向進行努力:1,在生物學的階段,甩開可理解性的限制,以無監(jiān)督學習的方式去更高效尋找新機理和有效的新靶點,往外擴張成藥的空間。2,在醫(yī)學的階段,結(jié)合患者畫像參與到臨床實驗的決策中,以提高藥物定位和過審的成功概率,盡早識別并kill掉無底洞的爛藥,以免到了3期失敗被坑死。
這兩個方向其實都體現(xiàn)出同一個理念,那就是應(yīng)該用AI去提高藥物研發(fā)的成功率,而非藥物研發(fā)的運營效率,這兩者是質(zhì)和量的不同。如果能夠直面“生物學”和“醫(yī)學”階段的Hard Problem,實現(xiàn)顛覆性創(chuàng)新,我相信,這會比在“化學”階段做的任何漸進式創(chuàng)新,都更有價值。