如何提高醫(yī)療行業(yè)藥物研發(fā)的成功率

如果說(shuō)化學(xué)階段的目的是Be better的話，那么醫(yī)學(xué)階段的目標(biāo)似乎又收縮了，變成了Be usable，然而真實(shí)的情況是大部分藥物分子跨不過(guò)這個(gè)坎。在藥物研發(fā)里有個(gè)諺語(yǔ)，叫做“Fail fast, Fail early”，這其實(shí)是求之不得的事情，因?yàn)槿绻系脚R床II期甚至III期臨床再失敗，將會(huì)造成摧毀整個(gè)公司市值的重大損失。

這看起來(lái)似乎是荒謬的，如果前期的生物學(xué)機(jī)理和化學(xué)優(yōu)化已經(jīng)完善，為什么放到真人身上就砸了呢。但這個(gè)荒謬背后的原因是非常深刻的：藥物分子在復(fù)雜的人體系統(tǒng)，尤其是具有基因和組學(xué)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(wèn)題可能不是因?yàn)樗幉缓?，而是以錯(cuò)誤的方式用在了錯(cuò)誤的人群中。很多藥物其實(shí)在臨床試驗(yàn)里并沒(méi)有死透，如果我們知道自己錯(cuò)在那里，其實(shí)是有可能通過(guò)給藥方案和適用范圍的調(diào)整，達(dá)到新的臨床終點(diǎn)。

如果能夠及時(shí)止損，及時(shí)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(shí)可以借助于機(jī)器學(xué)習(xí)對(duì)患者畫像的洞察來(lái)實(shí)現(xiàn)，在臨床試驗(yàn)開始之前就對(duì)這個(gè)藥在大人群中的可用性，或是對(duì)哪些細(xì)分marker的人群可用，以及最重要的，哪些marker人群和臨床終點(diǎn)無(wú)效做出判斷。這樣的洞見，在II期及以后的臨床試驗(yàn)中都價(jià)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(xué)階段和醫(yī)學(xué)階段，相反，化學(xué)階段反而是最成熟的部分。而如果只是在這個(gè)非瓶頸部分做優(yōu)化，并不會(huì)顯著提升藥物研發(fā)的時(shí)間效率和回報(bào)率。

因此我認(rèn)為，如果AI藥物研發(fā)的項(xiàng)目，僅僅是過(guò)去計(jì)算化學(xué)模擬，組學(xué)和藥物開發(fā)自動(dòng)化的延續(xù)，是用AI的工具去優(yōu)化和加強(qiáng)已有的研發(fā)流程，這當(dāng)然是一個(gè)最具可行性的前期策略，但是這并不是那么值錢的市場(chǎng)。這些針對(duì)藥物研發(fā)中“化學(xué)”階段的AI創(chuàng)業(yè)項(xiàng)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(dāng)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(diǎn)高了。

大型藥企對(duì)這些創(chuàng)業(yè)項(xiàng)目的關(guān)注和支持，與其說(shuō)是看好技術(shù)而去投資，不如說(shuō)是出于財(cái)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(shì)：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(huì)立即體現(xiàn)在損益表上，而是通過(guò)收購(gòu)-商譽(yù)的調(diào)節(jié)，讓報(bào)表變得更好看。當(dāng)然，從投資的角度去看，我也認(rèn)同這種商業(yè)邏輯。

但真正具有極大價(jià)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(gè)方向進(jìn)行努力：1，在生物學(xué)的階段，甩開可理解性的限制，以無(wú)監(jiān)督學(xué)習(xí)的方式去更高效尋找新機(jī)理和有效的新靶點(diǎn)，往外擴(kuò)張成藥的空間。2，在醫(yī)學(xué)的階段，結(jié)合患者畫像參與到臨床實(shí)驗(yàn)的決策中，以提高藥物定位和過(guò)審的成功概率，盡早識(shí)別并kill掉無(wú)底洞的爛藥，以免到了3期失敗被坑死。

這兩個(gè)方向其實(shí)都體現(xiàn)出同一個(gè)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(yùn)營(yíng)效率，這兩者是質(zhì)和量的不同。如果能夠直面“生物學(xué)”和“醫(yī)學(xué)”階段的Hard Problem，實(shí)現(xiàn)顛覆性創(chuàng)新，我相信，這會(huì)比在“化學(xué)”階段做的任何漸進(jìn)式創(chuàng)新，都更有價(jià)值。