重庆化工职业学院,重庆市长寿区, 401228
摘要:人工智能技术在医药行业的应用,可以显著提高药物研发的通过率,高效改进药物生产过程。人工智能技术能在大量的临床医学互联网大数据中,提取众多对患者有效的信息,在药品技术审评中,可以大大提高审评阶段的效率。人工智能技术在医药行业的合理应用,最终将开启自主药物创新和产品研发、制造、临床医学应用的新时代。
关键词:人工智能;药物研发;监管领域;应用发展
前言:人工智能技术是利用软件的快速、分布式系统计算能力,模拟人脑的信息处理和认知方式,赋予电子计算机分析、解决疑难问题的一项优秀技术。 2017年2月,工业生产和信息化部发布《中国人工智能规划文件》,强调了我国下一步产业发展规划在人工智能产业的发展前景。根据2017年的一项调查表明,我国AI行业初创公司的融资金额已经超过英国,成为全球第一。预计未来,我国人工智能产业,将在全球范围内继续保持领先优势。
1人工智能—神经网络技术简介
现代计算机具有超强的计算和信息处理能力,但缺乏自我学习、适应变化的能力,仅能按照预先设定的程序解决问题。人脑是一种具有复杂纵横比、离散系统和并行计算的信息解决系统,它由许多神经细胞通过复杂的互连产生的。单个神经细胞的反应速度在毫秒级,而这比电子计算机的逻辑门要低5到6个数量级,但因人脑中的神经细胞总数极其庞大,每个神经细胞都可以与数千个独立的神经细胞相连,因此对某些问题的响应速度比电子计算机快得多。人工智能从模仿人脑智能的角度,探索新的信息展示、存储和处理方式。现代升级的电子计算机模型结构,是一种更贴近人的智能来处理具体工程项目的信息化系统[1]。给人们日常生活的各行各业带来前所未有的变化,并促进了神经网络系统的科学研究。
2人工神经网络在药物研发领域的应用
2.1药物高通量筛选
在药物研发的过程当中,通常需要十年左右的时间来选择大约10万种候选化学物质,成本达到10亿美元。进入21世纪以来,药物研发的成本和时间持续飙升。自主创新药物研发的大部分时间和预算,均花在对化学物质的筛选:从10万种化学物质中筛选出1000到100个,甚至10个,并最终获得明确药效的化学物质。人工智能技术通过查询化学物质数据库,可以获得大量有关化学物质、副作用、有效性的重要信息,利用此技术不仅可以防止盲目尝试,而且能大大提高有效化合物的选择通过率。基于神经网络自主学习的AI技术可以用于药物的高通量筛选,将小分子化学药物的产品开发通过率提高10倍,大大减少产品开发时间,降低成本费用并使通过率接近实际的生物制药过程,药物研发的合格率也在研发行业获得新高。
2.2药物工艺优化
人工神经网络适合解决复杂多样系统的相关性问题。药物研发的整个过程是一个多变量优化问题,涉及药物配方的改进和工艺变量等优化。配方设计方案定量分析的难点之一是了解不同要素与个体药物反应之间的关系,这种复杂的关系难以用传统的数学模型建模。经常存在对某种特性良好的中药制剂,但其他特性并不满足要求的情况。人工神经网络可以通过训练,识别输入输出数据的相关模式,训练结束后,可用于预测和分析新数据的输出。人工神经网络最有效的特点之一是其预测分析能力,特别适合处理中药制剂行业在药物研发设计中的难题。在已有的研究中,研究人员将ANN网络模型用于口服缓控型中药制剂的处方改进中,同时利用ANN模型分析盐酸帕罗西汀缓凝微丸的效果。在基于构效关系分析的研究中,人工神经网络用于其定量分析。研究人员将药物分子结构的相对分子量、正辛醇、氢键共体数等作为人工神经网络的输入,以药物经皮渗透系数作为神经元网络输出,对神经网络进行训练,最终将其用于对药物的经皮渗透性进行预测。结果表明,人工神经网络模型具有较高的精度,可以为操作过程提供可靠的依据。
2.3药物分析
药物分析是控制药物开发和质量的重要组成部分。神经网络也可用于药物分析的科学研究。实际研究中,高效毛细管电泳(HPCE)具有柱效高、实验试剂消耗少、环境污染小、分离方法多样等优点,被广泛应用于药物分析。HPCE试验中参数的传递时间与标准实验条件的关系一直是人们关注的焦点。研究人员根据毛细管区带电泳原理(CZE)的实验工作电压和缓冲液的电离度,将ANN用于毛细管电泳转移时间预测,研究结果表明,人工神经网络可以准确预测药物的CZE转变时间,并将其作为药物判定的依据[2]。
3人工智能在评审与监管的应用展望
创新药技术审评是一项高知识水平的脑力劳动。审核人员必须具有丰富多样的药物研发经验,深刻的政策法规见解以及拥有评估和控制风险的能力。近年来,在国家新政策的全力支持下,我国药品审评员总数从100多人猛增至近800人,除了相应的人工成本增加外,人员增加带来相应的管理成本。药品审评是典型的专业知识密集型领域。如果人工智能技术能够得到有效应用,对神经网络模型进行训练,就能继承审核人员的工作经验,并提高审核质量,避免人为错误。同时利用人工智能技术能减少工作人员数量,降低公共支出。
3.1药品的技术评审阶段
在评审阶段,涉及到很多技术资料的仔细阅读,重要信息的获取,以及技术与政策法规的区分。这项工作基本上是案头工作,非常枯燥,从业者常称其为“繁重的工作”。如果可以利用人工智能技术,在申请材料信息获取环节自动读取申请材料中的重要信息,并生成基本的评审报告,就能为众多权威评审专家省下精力,从而提高评审效率。审查效率的提高将促使评审专家将注意力集中在技术判断和审查结果的制定上,从而进一步推动行业的良性发展。
3.2业务管理阶段
在该阶段引入AI,进行药品批文的自动准备。人工智能将根据政策法规、药品安全说明书、药品质量标准等进行自动化校对,让专家在评审环节更专注于核心技术信息内容的评审。利用人工智能技术能解决目前技术审查阶段人力资源匮乏、审查时间长等问题,也将促进审核机构着力提高审核人的技术专业水平,摆脱繁杂的日常业务流程,努力打造一批高素质的审核权威专家。
结束语
现阶段,人工智能技术在药物研发方面的科学研究和应用还处于起步阶段。期待人工智能技术在药物研究中与制药工业技术的融合,提高药物研发的生产力,改善优质高效药物的供给侧结构,高效进行药品评审与管控,使医药产品的产业链和项目生命周期实现质的飞跃。
参考文献
[1]刘伯炎,王群,徐俐颖,褚淑贞.人工智能技术在医药研发中的应用[J].中国新药杂志,2020,29(17):1979-1986.
[2]张星一,吕虹.人工智能在药物研发与监管领域的应用及展望[J].中国新药杂志,2018,27(14):1583-1586.
作者简介:眭超亚(1990-),女,汉族,重庆人,硕士,助教,研究方向(人工智能)
基金:重庆市长寿区科技计划项目(CS2021034)