中國科協創新戰略研究院：2023年自我學習生物醫學研發新范式的黎明（8頁）.pdf

《中國科協創新戰略研究院：2023年自我學習生物醫學研發新范式的黎明（8頁）.pdf》由會員分享，可在線閱讀，更多相關《中國科協創新戰略研究院：2023年自我學習生物醫學研發新范式的黎明（8頁）.pdf（8頁珍藏版）》請在三個皮匠報告上搜索。

1、1創新研究報告第 6 期（總第 543 期）中國科協創新戰略研究院 2023 年 2 月 6 日自我學習：生物醫學研發新范式的黎明【按】【按】隨著大數據、人工智能等技術的發展，生物醫學研發正逐漸與之融合發展，麥肯錫公司研究員認為生物科學與數據、自動化、計算能力和人工智能進步的結合不僅將帶來研發范式的轉變，還將導致研發組織結構、研究者所需知識技能等一系列變革，并將大大促進醫學研發的效率和精準度，最終改善對病患的治療效果?，F予編發，供參閱。2世界正接近藥物研發的拐點，孕育著一場生物學革命。生物制藥公司將需要新的數據和技術基礎設施來提升整合能力。他們還需要考慮以不同的方式組織自己，因為新的研發范式需

2、要更多的合作，不僅是研究人員和機器之間的合作，也包括研究人員自身和外部合作伙伴之間的合作。這些顯著進步的動力來源于生物學科學與大數據、自動化、計算科學和人工智能交叉融合所取得的巨大突破，并已滲透生物醫學研發價值鏈各環節，從現象發現到臨床測試再到實際應用。更重要的是，如果自動化與人工智能整合各階段產生的數據與新見解能力獲得進一步提升，很可能帶來一場研究范式的革命。還原主義方法將成為過去，即科學家們通過放大致病源的單一成分或功能，并通過試錯仔細測試假說，最后開發和驗證新療法。而在新范式下，科學家們將借助研發價值鏈各階段之間的數據反饋循環推動，系統設計出覆蓋整個治療周期的治療方法。在某一階段獲得的數

3、據將為價值鏈上下游的其他人提供信息，并加強他們對疾病的了解。這將使藥物研發效率呈指數增長，大大降低臨床候選藥物篩選的失敗率，新型、高效、安全的治療方法將越來越多。相比之前主要針對疾病的晚期癥狀進行治療，面向疾病早期信號的預防方法和干預措施將越來越多，治療手段也將更精細化。一、生物醫學研發中的新興解決方案和方法一、生物醫學研發中的新興解決方案和方法面對新生物醫學研發價值鏈新進展，我們確定了五個要素：（一）理解疾病、（二）提出治療假設、（三）創新治療模式、（四）硅基和體外驗證方法、（五）臨床和現實世界證據反饋。一是理解疾病。一是理解疾病。在開發更多更好的療法方面，阻礙取得更快進展的主要因素是對損害

4、健康的機制和疾病的各種表現了解3有限。20 年前人類基因組的繪制是向前邁出的重要一步，為人類生物學研究開辟了許多新途徑。然而，基因只是健康和疾病這一更廣泛謎題的一部分，它們本身并不能提供足夠完整的圖像來解決大多數疾病。今天的重要進展包括新的實驗方法，如生成人工智能可分析的大量體外細胞數據、全人類的多組學測量（尤其是轉錄組學和蛋白質組學）以及匿名電子健康記錄。這些可以幫助醫療行業在充分考慮到多癥狀、疾病情況和個體差異的同時，更準確模擬和更好定義人類健康和疾病狀態。二是提出治療假設。二是提出治療假設。通過大數據獲得對疾病更全面理解，為提出系統性和擴展性的治療假設鋪平了道路。過去，科學家們傾向在探索

5、與特定疾病或生物標志物相關的單個細胞上尋求突破。在以下三個方面取得的進展可能會改變這一情況，有助于通過快速分析數據，發現與疾病相關的先前未知的生物關聯，并快速生成假說。（1）更好地訪問更多數據。訪問獲取更大量的疾病數據和更多種類的疾病數據，很大程度上歸功于開放存取數據庫的出現。例如，基因組數據、生物分子的結構和功能數據以及篩選數據都可在開放式數據庫中獲得。如果仔細使用這些數據，可幫助科學家檢驗“將現有藥物重新用于已知靶點和設計新靶點”的假設。（2）技術引擎。廉價和豐富的計算能力、量子計算的出現以及機器學習方法，都是幫助解決生物醫學中分析復雜系統任務的工具。（3）自動生成電子假設。自動生成電子假

6、設有助于快速探索以前未考慮的相關性，不僅是疾病和癥狀之間的相關性，還包括疾病和許多其他因素（如基因、營養和行為）之間的相關性。它還可以幫助我們簡化研究假設，并改進那些已使用的假設。三是創新治療模式。三是創新治療模式。伴隨對疾病理解的深入和科學技術的進4步，專門為某種疾病或某一患者量身定制類似代碼的治療方法成為可能。這些類型的治療方法具有附加的優點，即能夠快速將生物問題轉化為生物模型或藥物候選，從而加速啟動組織開展有效治療。由于信使核糖核酸（mRNA）是線性的、類似代碼的序列，設計和合成 mRNA 用于測試其對癌癥的影響比識別和合成靶向抗體或小分子抑制劑更容易。模態創新并不局限于生物學，例如，改

7、進的計算方法可以產生更精確設計的小分子。同時，材料科學和合成生物學等領域的進展將進一步改善現有的模式或幫助開發新的模式。在不久的將來，可能會設計、開發和測試個性化的干預措施組合，這是當今醫生通常只在患者對標準治療反應不佳時才會使用的方法。這樣的組合可能包括人工智能輔助手術，然后是處方藥、數字治療、微生物組移植，以及連接到可穿戴設備上監測病情的應用程序，它們將被精心設計，以最大限度發揮它們之間的協同作用。四是硅基和體外驗證方法。四是硅基和體外驗證方法。今天科學家可生成快速、高通量的硅基細胞或硅基器官測試模型，這些模型可復制患者的基因組成或代表疾病的細胞環境，重建人體器官的三維環境，可得出比使用動

8、物模型更準確的結果，而動物模型無法考慮物種之間的所有生物差異，且標準化細胞不考慮器官的背景環境?？茖W家通過體外模型了解到的疾病越多，就越容易設計出反映疾病的預測硅基模型。很快，科學家將有足夠數據來訓練硅基模型，不僅能用來預測分子特性（如毒性、吸收、分布、代謝和排泄），還能預測免疫原和藥物微生物組之間的相互作用。隨著時間的推移，臨床前篩選候選藥物可以越來越多地在計算機模型中進行，而不是在動物或體外模型中進行，這提高了藥物生產效率，并降低了與治療開發風險。5五是臨床和真實世界證據反饋。五是臨床和真實世界證據反饋?？萍即龠M海量數據的生成和收集。通過候選藥物臨床試驗積累的疾病數據越多，未來對假設的生成

9、和驗證就可能越集中和精確。電子健康記錄和其他真實世界數據中捕獲的數據也是如此，例如，可全天候生成數據的生物指標和可穿戴設備的廣泛應用。這種應用可獲得更健全的患者特征，從而得出更精細的疾病模型。計算方法（如自然語言處理）的成熟，確保了可從文獻中非結構化患者數據中挖掘出有價值的信息。二、一種新的生物醫學研發范式二、一種新的生物醫學研發范式新范式的目標是將收集到的每一個數據和獲得的每一個見解反饋并連接到單個數據庫中。這個數據庫中的算法分析可提高對許多不同疾病的理解和治療能力。對疾病更好的理解，即使不是對特定疾病狀態的重新定義，也會產生更準確、更可擴展的治療假設，從而帶來更多高度量身定制的治療模式。這

10、些假設的大部分初始測試可在計算機和體外實現自動化測試。同時從測試每一步中吸取的教訓可直接改進之前的所有步驟。在體外和現實世界中生成大量數據以及在計算機中分析大量數據能迅速為理解疾病提供信息，生成新假設，并幫助開發新平臺。人工智能對數據的評估可能會自動建議進行另一輪體外測試，并采用精確的實驗參數或優化治療候選方案。人工智能甚至可能啟動這些測試執行。例如，如果體外測試顯示候選藥物對靶點的結合親和力較弱，人工智能可能會將候選藥物的結構與靶點結構進行比較，并提出幾種改進候選藥物的方法，然后選擇最有希望的改進方法合成藥物，并在由真實世界數據支持的模擬臨床試驗中進行測試。人工智能和自動化的廣泛應用將加速醫

11、學突破。6三、適應新生物醫學研發范式的新研發組織模式三、適應新生物醫學研發范式的新研發組織模式已有公司啟動一些項目，致力于將新生物醫學研發價值鏈的一些不同元素與生物技術進步、人工智能和自動化相結合。然而，據我們所知，尚沒有一家公司掌握系統化整合并能在任何地方找到和使用相關數據的能力。掌握這種能力需要新的技術基礎設施，以確保數據相互連接，機器可讀，并存在質量改進機制（如誤報識別）。當然，也需要進行相應的組織變革。在許多組織中，研發的上下游是被分開的，門診部和現實世界的證據只能緩慢反饋給研究人員。研究人員通常被孤立在專注于單一治療領域的業務部門中，并且對于不同的生物學模型有許多并行的系統分類法。在

12、新的范式中，需要打破這種僵化的劃分，以反映更緊密的研發過程，從而對團隊構建方式、能力水平以及公司創新模式產生影響。團隊可能需要更廣泛的合作才能從快速的信息交換中獲益。它們將是無國界的，具有跨越研發過程各個要素的能力。雖然團隊將包括具備深厚專業知識的學科專家，但他們也需要能夠理解整個價值鏈并能夠利用生物學和技術潛力的多學科專家，這樣他們就可以選擇最可靠的科學方法，并確保高質量的數據?？赡苄枰碌闹卫頇C制來支持研發團隊迅速行動。團隊需要權力，將有希望的候選治療方案推進到下一階段（如果不是自動完成的話），確定且優先考慮有最高突破潛力的想法，并確定預算分配。效率低下的決策過程可能會抵消自動化和人工智能

13、帶來的收益。團隊還需要利用外部專業知識和能力的權力，因為成功不僅取決于專有藥物、技術和模式平臺，還取決于算法、數據集和數字解決方案。一些必要的元素將是開源資產，諸如 AlphaFold 蛋白質結構數7據庫和各種數據集等可廣泛訪問的算法是開源趨勢的早期例子。但也有不少數據資產為健康技術、數據和分析公司所有，這將迫使雙方加強合作和伙伴關系。需要如此多領域專業知識表明，任何一家制藥公司都不可能擁有滿足全部所需數據資產的能力和技術?？紤]到這種情況和研發中的快速變化，公司可能會發現，最有效的方式是開放式架構的生物醫學研發創新模型，其中數據、算法和驗證方法等組件可根據需要無縫銜接。這將是一種創造性的創新模

14、式，使公司能夠靈活地在研發過程中的正確時間點投資和部署最佳方法和最佳解決方案。四、結語四、結語當前的技術進步正形成一個更具確定性的循環生物醫學研發價值鏈，該價值鏈由數據反饋回路快速推動。新的范式仍在演變，最終的結局尚不明朗。我們所描述的只是一種潛在的前進方式。然而，很明顯，生物科學與數據、自動化、計算能力和人工智能進步的結合，將優化傳統生物醫學研發方法，從而改善對患者的治療效果。五、思考與啟示五、思考與啟示一是組建國家醫學研究院。一是組建國家醫學研究院。面對生物醫學領域的新發展趨勢，面向人民健康，豐富國家戰略科技力量，建議組建獨立于醫學院校和醫療機構的國家級醫學研究院，統籌人工智能、大數據、計

15、算機等多學科資源，匯聚各類各級醫療機構診斷數據，加快推進新技術融合和新研究范式創新發展。二是鼓勵生物醫學數據共享。二是鼓勵生物醫學數據共享。在依法保障個人隱私和尊重數據權屬的條件下，建議由衛生健康委員會牽頭，構建全國統一、來源明確、權屬清晰的國民健康醫學數據庫，對企業間科研數據交易給與補貼，并對企業數據交易的指標、值、單位等信息8進行登記監管。面向科研院所、醫藥企業有序開放和共享醫學健康數據資源，支持科研機構和企業立足數據基礎上，在醫學、藥物、診療、器械等領域開發新應用。三是完善生物醫學數據治理法律法規。三是完善生物醫學數據治理法律法規。建議由全國人大牽頭對生物醫學數據收集、修改、讀取、使用、交易等行為進行立法。對相關數據的使用應在保障隱私、最小范圍原則下進行資格審查，確保僅用于科研用途和被使用者的知情權等。（編譯：趙云波 林書羽；責任編輯：黃詩愉）文章來源：https:/ 王國強 黃詩愉 苗晶良 王 楠 電話：68788193創新研究公眾號中國科協創新戰略研究院