人工智能赋能的药物研发:一个增长迅速但总体仍处于早期阶段的临床管线

《Cancer Treatment Reviews》:Artificial intelligence–enabled drug discovery: A growing but largely early-stage clinical pipeline

【字体: 大 中 小 】 时间:2026年10月09日 来源:Cancer Treatment Reviews 10.6

编辑推荐:

   摘要人工智能(AI)正日益融入药物发现领域,但AI赋能的药物资产转化为临床阶段项目的程度尚未得到充分刻画。我们进行了一项横断面描述性分析,纳入截至2026年3月1日已进入至少一项干预性人体临床试验的、利用AI方法发现或开发的药物资产。我们共识别出69家公司旗下的129项AI赋

  

摘要

人工智能(AI)正日益融入药物发现领域,但AI赋能的药物资产转化为临床阶段项目的程度尚未得到充分刻画。我们进行了一项横断面描述性分析,纳入截至2026年3月1日已进入至少一项干预性人体临床试验的、利用AI方法发现或开发的药物资产。我们共识别出69家公司旗下的129项AI赋能药物资产。肿瘤学是主导治疗领域(74项资产,57.3%),小分子药物占管线的大部分(103项资产,79.8%)。在这些资产中,72项(55.8%)已完成I期,24项(18.9%)已完成II期;仅有5项进入或完成了III期。I期的观察成功率(probability of success)为77.8%,II期为19.5%。48项资产(37.2%)被归类为靶向新生物学靶点。在有可用数据的公司中,从公司成立到进入I期临床试验的中位时间为6.5年(四分位距4.0–9.2),累计融资总额的中位数为1.867亿美元(四分位距4810万–5.950亿美元),进入临床时的员工人数中位数为73人(四分位距32–129),运营强度的中位数为每名员工272万美元。AI赋能药物正以日益扩大的规模进入临床测试,但大多数项目仍处于早期开发阶段,仅少数项目推进至II期之后。本数据集为未来评估AI赋能药物发现能否最终改善监管批准率和临床结局提供了基线。

引言

人工智能(AI)和机器学习已日益融入药物早期开发环节,重塑了候选分子识别、优化及优选推进的方式 [1]、[2]、[3]。计算学方法,包括基于结构的设计 [4]、[5]、生成式分子建模,以及从基因组数据集中进行靶点识别 [6]、[7]、[8]、[9]、[10],现已广泛应用于学术界和工业界,许多生物科技公司正是围绕AI驱动的药物发现平台而创立的 [2]。这些进展吸引了制药合作伙伴 [11]、投资者和监管机构 [12]、[13] 的广泛关注,后者已开始着手探讨如何评估和监督AI对药物开发的贡献 [3]。
尽管AI在药物发现领域的应用受到越来越多的关注 [14]、[15],但其对临床阶段管线开发的可衡量贡献尚未得到清晰刻画。此前的分析表明,AI赋能的药物发现正在产出越来越多的开发候选药物,但其特征及长期临床进展尚未得到系统性评估 [2]。这一差距具有重要意义:临床转化是最终决定AI能否改善药物开发效率和患者结局的关键终点。
多个因素促使我们重新审视这一领域。首先,自早期的该管线研究以来,AI模型能力和可用的生物学训练数据集规模均已大幅扩展,生物学数据集的可及性也显著提高。其次,包括美国食品药品监督管理局在内的监管机构已发布不断演进的AI赋能技术指导方针,并建立了减少依赖传统临床前测试模式的激励机制 [16]。第三,定义模糊性问题仍然存在:AI赋能缺乏标准化的分类体系,这意味着企业的自我分类方式会导致哪些资产被计为AI发现资产的范围存在异质性,从而带来夸大AI直接贡献的重大风险。
在此,我们报告了截至2026年3月1日已进入干预性人体临床试验的69家公司旗下129项AI赋能药物资产的横断面分析结果。我们刻画了该管线的治疗领域、分子类型、临床分期分布以及部分公司层面的属性,为未来评估进展提供了经验基线。

各章节摘要

研究设计与资产识别

我们进行了一项横断面分析,纳入截至2026年3月1日已进入人体临床试验的、利用人工智能方法发现或开发的药物资产。排除观察性研究、诊断试验和非治疗性干预。由于未接触个体层面的临床或可识别健康信息,因此无需获得机构审查委员会批准。候选AI赋能资产通过结构化筛选程序进行识别

资产特征

我们共识别出69家公司旗下已进入临床试验的129项AI赋能药物资产。肿瘤学是最大的治疗领域,包含74项资产(57.3%),其次是神经病学和精神病学(21项资产)以及自身免疫性疾病(8项资产)。自2010年代后期开始,AI赋能资产进入临床试验的数量加速增长,至2025年累计增长迅速(图1)。
AI赋能的临床阶段资产以小分子药物为主,共占103项

讨论

在这项涵盖69家公司129项AI赋能药物资产的描述性分析中,我们发现AI赋能的药物发现已在广泛的治疗领域中催生了快速增长的临床管线。开发这些药物的公司通常在公司成立后数年内即开始推进,公司规模相对较小但运营强度高,反映了资本密集型的结构特征 [20]。然而,大多数项目仍处于临床开发的早期阶段,且仅有少数

局限性

本研究存在若干局限性。首先,我们依赖企业和临床试验注册库的公开信息对AI赋能进行分类,这可能无法完整反映未公开的开发项目或专有发现方法。其次,AI赋能的分类依赖于企业的自我报告,而AI对药物发现的实际贡献程度可能存在差异。第三,样本中的大多数项目处于I期或II期,但历史上III期试验所占的比重

结论

AI赋能的药物发现已催生出强大的治疗项目管线,这些项目正陆续进入临床测试阶段。尽管大多数资产仍处于开发的早期阶段,但随时间推移临床项目数量不断增加的趋势表明,人工智能正成为现代药物发现中不可或缺的重要组成部分。我们的研究结果为持续评估AI在治疗开发中的作用提供了透明的基线,随着这一队列的资产推进至后期临床试验以及更新的

资金资助

研究获得了James Thomas基金会和Styliades希腊基金会以及肺癌研究基金的资助支持。本研究未接受任何特定资金的资助。

利益冲突声明

作者声明,不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢

作者感谢Michaela K. Kasparcova(芝加哥大学)对数据收集工作的贡献。
Waqas Haque | Kareena Sai-Palm | Iemaan Rana | Alessandra Esposito | Loic Verlingue | Marina Chiara Garassino | Pietro Veronesi
美国芝加哥大学医学中心,内科系,血液学/肿瘤学教研室,伊利诺伊州芝加哥,美国
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号