转自：医药观澜
▎药明康德内容团队编辑
根据美国药物研究与制造商协会（PhRMA）报告，一款新药从最初的研发到获得上市批准，平均耗时达10-15年之久[1]。生物技术创新组织（BIO，Biotechnology Innovation Organization）依据2011-2020年近万个临床试验的数据也得出了类似的结论：从1期临床试验到监管部门批准上市平均需要10.5年[2]。
如果看全行业的平均研发速度，我们还很难找到显著提速的迹象，塔夫茨大学药物研发中心（Tufts Center for the Study of Drug Development）统计了377个获FDA批准的新药的研发耗时，发现平均的临床验证时间还从2008-2013年的83.1个月增加到了2014-2018年的89.8个月[3]。
漫长的研发时间让医药产业创新的成本居高不下，平均一个新药的经济投入达26亿美元[1]。这也意味着很多疾病仍缺乏有效的药物，例如近7000种罕见病只有5%有治疗手段[1]。
但也不乏有一些新药，短短几年时间就可以完成启动1期临床到FDA加速批准的“三级跳”，这指向产业界是可以以更高的效率完成新药开发的，医药行业可能还有很多可以增效提速的机遇尚未被挖掘。那么当下以及可预期的未来，又有哪些创新可能让医药产业界提速呢？在10月27日即将上线的药明康德（维权）“BOLD”系列第4期活动科学转化专场中，近30位产业领袖和先锋将带来多元视角下的探讨。我们抢“鲜”送上部分嘉宾洞见，更多独家见解，欢迎注册观看！
技术进步打下提速的基础
2010年以来，以免疫检查点抑制剂和CAR-T为代表的肿瘤免疫疗法，为癌症治疗带来过去完全不存在的创新机遇。这一领域中的多个药物都曾以远短于行业平均的时间完成临床验证，获批上市，造福患者。不过回溯这些技术突破的起源，会发现这些肿瘤免疫疗法之前已有十多年，乃至数十年的积累。如在上世纪90年代，学术界的研究人员就发现了免疫检查点的抗肿瘤作用，或是设计出了如今用于CAR-T疗法的嵌合抗原受体（CAR）结构。
这种缓慢的技术积累到突然的创新提速具有一定普遍性：颠覆性的技术、思想不仅不会经常发生，往往还要经过漫长的逐步改善、推进，才会成熟到能够进入关键应用的程度。
基础研究运用到药物研发，之所以需要如此长的时间，一大困难是临床前数据与临床表现的对应度低：一个潜在的药物分子在动物模型中的表现难以预测它在人体中的安全性和有效性。
不过这方面已经有了一些极为重要的技术进步，像PDX等动物模型可能可以更好地对应人体疾病。包括基因组学在内的多种组学的技术积累也让我们能更全面分析患者的疾病，例如找到某位肿瘤患者的具体癌症驱动突变。这些技术在临床前阶段的应用也能提高临床前模型与实际疾病的可比性。
对产业界来说，有意义的技术进步不局限于从无到有，通量的改变也能带来巨大变迁。例如组学技术能被更广泛应用，很大程度上是因为近年来这些技术在通量上有了大幅提升。对于药物研发来说，药物筛选方面的通量提升也提升了筛选出潜在药物分子的效率，可以转化为产业效率的改善。
我们讨论医药产业的研发效率往往聚焦在早期研发方面的技术，其实医药产业的各个阶段都可能有增效的技术出现。进入市场的药物都要解决如何进行大规模生产的问题，更安全高效地制造出适合某个药物的制剂的技术进步，也会提升产业转化的效率。
AI、大数据分析有望推动高效研发
在所有能促使医药产业提速的技术突破中，人工智能（AI）的地位尤为突出，这也与产业界对大数据分析的期望密切相关。
如果我们看F1赛车，这一人类顶尖工程技术的代表每年都会有大幅更新；即便是NASA的重返月球计划，也是打算5年内完成载人登月。为什么这些听上去更艰巨的工程行业成果产出如此快，而研发一个新药却需要十几二十年？当然不是因为那些领域的工程师们比生命科学领域的科学家们聪明，而是因为在生命科学领域我们了解的信息还很有限。
图片来源：123RF人体的复杂程度远远超过了制造一艘宇宙飞船所需的知识。因此，想要大幅提升医药产业的效率，我们必须对人体的生理机制有更好的了解。而大数据分析与AI在这方面有望扮演重要角色。
医药产业如今已经积累了大量的数据。例如肿瘤免疫疗法方面，PD-1与CTLA-4免疫检查点药物都积累了很多患者数据，包括患者免疫系统与肿瘤细胞在药物前后的变化。通过对这些积累的数据做分析，我们可以尝试找到哪些患者对这类药物更有可能产生应答，做到精准治疗。而进一步的数据分析也能启发我们哪些因素可能让这些药物发挥不了作用，抗药与耐药的机制是什么，进而进行针对性的研发。
此外，如前文所言，随着很多技术如组学技术的通量提升，生命科学领域的数据积累速度也在飞速提升。这更让大数据分析，特别是AI创新带来的数据分析令人值得期待。
AI、大数据分析的应用也不仅局限于累积的人体数据，高通量药物筛选、大量临床前模型都伴随着大数据的产生，AI完全有可能在这些方向带来新的“见解”与增速。我们甚至可以畅想，如果将AI与高通量筛选技术结合，或许可以在有些情况下做不基于动物模型的临床前药物筛选，让我们更快知道哪些分子可能会对患者有效，哪些可以在第一时间排除。
多方位整合、合作提升研发效率
AI、大数据分析的另一大应用前景是帮助整合不同来源、不同类型的数据。例如，当下的组学已不仅是基因组学，而是包括基因组、蛋白质组等在内的多组学。如果能将这些不同组学的数据有效整合，那么我们甚至可能可以在单个患者的水平上，更好地判断什么药物会有作用。
而这类整合的思维也将是提升医药研发效率的关键。例如医药研发过程中我们习惯将临床前研发与临床研发阶段做区分，但在研发早期就将临床应用的思考整合进来会有助于建立良好的研发基础。比如在一开始就思考在临床阶段会需要什么样的工具来监测药物的活性、选择适用人群等等，这能让后期的开发更为顺利。
图片来源：123RF与整合类似的还有合作。例如CAR-T治疗能迎来井喷式发展，离不开学术界与产业界的密切合作。例如2012年诺华通过与宾夕法尼亚大学的合作，从Carl June教授实验室引入tisagenlecleucel。根据诺华的官方信息，也是在与诺华与宾夕法尼亚大学的合作下，费城儿童医院成了第一个在儿童患者中研究tisagenlecleucel的机构。到2017年获得FDA批准时，诺华也通过在多个国家与地区为超过200名患者生产CAR-T的经验，为tisagenlecleucel设计了一个可靠的集成制造和供应链平台。而监管部门也与产业界密切合作，对这类新疗法提供契合的监管路径。
即便在产业界日益强调合作的今天，医药行业仍然存在过度“自立”的问题。如何开展有意义的合作值得更多思考，不仅是生物技术公司与大型医药公司间的合作，还有与产业生态圈上下游更多创新者、赋能者的合作——这些也能提升研发的效率。
整合、合作也有着国际层面的意义。例如在新药研发日渐活跃的亚太地区，采用国际化的高质量研究标准，引入能促进在研发早期fail early的技术，可以减少无效投入，提升整体的研发效率。
总之，对于产业界来说，如何提升效率将是一个永恒的话题与挑战。伴随着过去多年的累积，从高通量筛选到AI，很多新的技术乃至思维方式正在为行业提供更多的机遇。2023年10月27日“BOLD”系列第4期活动，大型药企研发掌门、新近收获大额融资的新锐掌舵人、跨界权威学者将共话前沿科学与疗法研发。本次活动面向全球同行免费开放，扫描文中二维码，即可免费注册预约观看。我们期待与您共同聚焦科学转化，加速医药研发，造福更多患者！
致力于汇聚智慧、推动合作、加速为全球病患带来突破，药明康德“BOLD”系列在线活动将持续关注具有革新潜力的开创性策略和重要进展。2023年是充满挑战和机遇的一年，相信产业先锋的洞见将坚定我们前行的信念，鼓舞我们携手解决未满足治疗需求。
参考资料：
[1] Research & Development Policy Framework. Retrieved October 16, 2023 from https://phrma.org/policy-issues/Research-and-Development-Policy-Framework
[2] Clinical Development Success Rates and Contributing Factors. Retrieved October 16, 2023 from https://go.bio.org/rs/490-EHZ-999/images/ClinicalDevelopmentSuccessRates2011_2020.pdf
[3] Trend of Longer Trial Timelines is Likely to Continue. Retrieved October 16, 2023 from https://www.centerwatch.com/articles/25033-trend-of-longer-trial-timelines-is-likely-to-continue
[4] AstraZeneca and Moderna Therapeutics announce exclusive agreement to develop pioneering messenger RNA Therapeutics™ in cardiometabolic diseases and cancer. Retrieved October 16, 2023 from https://www.astrazeneca.com/media-centre/press-releases/2013/astrazeneca-moderna-therapeutics-cardiometabolic-diseases-cancer-treatment-21032013.html#!
VIP课程推荐
APP专享直播
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
