首页
>
资讯
>
FDA 与辉瑞合作综述当前 AI 在药物研发中的代表性应用
出自识林
FDA 与辉瑞合作综述当前 AI 在药物研发中的代表性应用
2025-12-23
FDA CDER研究人员与辉瑞研发中心在11月联合发布了综述文章《人工智能在临床与转化科学中的应用：从实验室洞见到临床影响》 ，该文汇集了来自全球的30多篇研究论文，系统梳理了人工智能（AI） 在药物研发全生命周期 中的技术进展与实践案例。
当前各类AI 相关新闻和文献众多，似乎其应用已遍地开花，但近期Endpoints的一次调研显示，尽管48%的受访者自称在工作场所中是AI“重度用户”，75%受访者预计到2030年AI将彻底改变药物研发，但与高涨的行业热度相比，AI当前的实际影响力仍显参差。超过半数受访者认为AI目前的影响“有限”（modest）或“微不足道”（inconsequential），仅15%的受访者认为AI正在研发领域带来变革性工作。
作为被高度监管的行业，AI要想在制药行业真正落地，必然需要药监部门的引导。该文献有FDA参与，说明其中提及的技术已经进入监管视野。以下概要仅介绍这些技术，供读者参考。
AI在早期药物发现与临床前研究中的应用
AI赋能药代动力学 建模： Pillai等人利用系列机器学习（ML）模型，开发出仅根据化合物结构即可预测大鼠血浆PK特性的平台。该平台在结构相似化合物中预测误差可控，使研究人员 能够在获得任何实验数据之前就得到PK数据，拓展了AI在虚拟筛选中的应用。
靶点发现与患者表型识别： Zhang等人通过整合转录组学、高通量药物筛选与因果特征选择，识别出神经内分泌前列腺癌的潜在新靶点烟酰胺磷酸核糖基转移酶（NAMPT），并在实验中验证 其疗效。Basile等人开发了一套基于规则的ML方法，能够从多医疗系统的电子健康记录（EHR）中高效、准确地识别非酒精性脂肪肝（NAFLD）患者并进行风险分层，展示了AI在真实世界患者表型挖掘中的转化潜力。
生成式AI与混合建模： Titar与Ramanathan利用变分自编码器（Variational Autoencoder，VAE）生成具有多种合并症的虚拟人群，模拟其生理指标以支持个体化给药决策。Elmokadem等人提出的“分层深度房室模型 ”（Hierarchical Deep Compartment Modeling，HDCM）将神经网络嵌入传统PK 模型结构，并采用贝叶斯推断处理变异与不确定性，兼具数据学习能力与机制外推能力，为复杂药理建模提供了新范式。
AI在临床开发阶段：重塑试验设计与个性化治疗
试验设计 与执行的智能化：AI 正被用于生成研究方案、监控终点、优化剂量 探索与协变量分析。Huh等人利用开源大语言模型Meta Llama 3自动化分析去中心化临床试验 的注册信息，显示出AI在运营审查与趋势分析中的潜力。此外，关键路径研究所（C-Path）等机构正在构建基于云端的AI增强数据管道，以支持实时、可扩展的真实世界证据（RWE） 生成。
患者分层与预测建模的精细化： 多项研究展示了AI在高维临床与生物数据中提取风险信号的能力。Zhang等人开发基于淋巴细胞亚型的ML列线图，显著提高脓毒症患者腹腔念珠菌感染的预测准确性。Ambe等人利用可解释ML模型预测顺铂引起的急性肾损伤。Khozin提出肿瘤分类框架应从解剖学分类转变为基于AI、数据驱动和分子水平的分层，以重塑肿瘤治疗策略。
个性化治疗与剂量优化： Venkatapurapu等人探讨了增强智能（augmented intelligence）在精准医学中的应用，即结合AI/ML与定量系统药理学（QSP）模型，构建动态临床决策支持系统。Raman等人进一步阐述了AI与模型引导的药物研发（MIDD）结合的协同效应。Vidovszky等人则聚焦于数字孪生在临床试验中的接受度，指出其可用于虚拟对照组 构建、患者特异性预测等场景，但需通过可解释工具（如SHAP、LIME）与严格验证以建立可信度。
AI在上市后监测与真实世界证据生成中的作用
规模化药物警戒与表型识别： Basile等人的研究显示，基于EHR的ML方法可快速、准确识别NAFLD患者，支持大规模疾病监测与分层干预。Anderson等人则构建了基于亚马逊云服务（AWS）的端到端RWE分析管道，实现了数据摄取、处理与建模的全流程自动化，为全球药物警戒 提供了可扩展的基础设施。
可解释AI助力安全信号识别： Amato等人利用可解释ML预测特泊替尼治疗中水肿不良事件 ，不仅模型准确性高，其输出也为医生提供了可信的决策依据。类似地，Ambe等人开发的急性肾损伤预测模型也强调了透明度在临床整合中的关键作用。
数字孪生延伸至上市后阶段： 数字孪生作为患者虚拟代表，不仅用于临床试验 优化，也可在真实世界中模拟个体患者的治疗轨迹，为用药前的安全性与有效性评估提供参考，形成从上市前到上市后的闭环学习系统。
识林-梓
识林® 版权所有，未经许可不得转载
