药物开发中的人工智能校对工作流程

药物发现的过程和药物开发的早期阶段仍然是神秘的，并且在很大程度上依赖于经验引起的直觉和机会。制药公司开发的工作流程已被证明昂贵且缺乏效率，导致将候选药物从实验室转移到诊所的总体成本巨大。

基于AI(人工智能)的软件解决方案可以提供制药公司通常缺乏的关键要素——连接基础。将此类人工智能工具注入现有工作流程的艺术需要仔细规划和对行业管理系统的深入了解。

灵活的集成

JoVarshney博士是VeriSIMLife的创始人兼首席执行官。

“根据我的经验，药物开发的不同层面有许多专家，但交叉合作很少。这产生了固有的风险，导致药物开发管道的失败率很高。公司之所以消亡，是因为它们无法达到临床试验的终点，也无法维持该过程的时间和成本。”VeriSIMLife创始人兼首席执行官JoVarshney博士说道。

新型药物的发现和开发取决于透明的数据共享。然而，最好的数据共享政策和实践可能无法在孤立的部门之间传达重要的见解。

“我们的目标是开发一个简单明了、灵活敏捷的工作流程集成系统，”Varshney说。

灵活性是编译和吸收早期发现以及通过将最佳候选药物转移到下一阶段药物开发来缩小转化差距的关键。制药行业人工智能解决方案的主要成果包括通过识别死胡同研究、实验错误和不必要的分析(例如昂贵且不必要的动物研究)，可量化地降低失败率风险。

BIOiSIM由VeriSIMLife开发，是一个充当虚拟药物开发引擎的计算平台。它集成了从发现到临床试验的连续过程中的不同工作流程。该系统的重复应用不仅可以预测药物开发方面的效率和风险，还可以生成更好的选择建议。

“我们的混合人工智能系统使用多种机器学习模型和反映生物相关性的定量方法来解决关键问题，”瓦尔什尼说。

记分

基于人工智能/机器学习的工具的问题之一是预测等输出很难追溯以确定其强度。为了规避这个问题并让客户深入了解系统的预测，BIOiSIM采用了转化指数评分，这一概念类似于财务预测和信用卡检查中使用的FICO评分。

“我们不想让我们的客户成为人工智能/机器学习专家才能使用我们的软件或与我们的软件交互。事实上，我们希望我们的客户成为其资产方面的专家。但我们希望他们知道我们的方法效果如何，以及我们对我们的系统有多大信心。”Varshney说道。“分数可以实现这一点，并提供所需的透明度，而客户无需成为建模、机器学习或人工智能方面的专家。”

转化指数得分的逐项细分为客户提供了有关哪些内容有效、哪些内容需要改进的见解，以及如何以不同的方式完成工作以获得更好结果的建议。这可能包括药物特性、动物研究结果和首次人体剂量等参数的加权测量。

“这就是我们提供的可见性，这样您就不会被未知事实的黑匣子所困扰。它还可以帮助您确定是否想要做一些不同的事情来提高分数，我们也提供这些建议，”Varshney说。

转化指数得分还有助于小型生物技术公司与可能有兴趣收购资产或建立合作伙伴关系的大型公司进行公开讨论。

“通过TIS，您不仅要考虑财务风险，通过风险调整后的NPV[净现值]降低风险，还要考虑知识产权资产的降低风险。这是一个强大的组合，对于任何公司来说都是一个良好且公平的战略。那么你就不会考虑ML/AI，而是会考虑需要做什么才能进一步更快地发展。”

进化而非革命

BIOiSIM专注于在管道的关键阶段战略性地使用人工智能解决方案，以整合药物开发行业固有的孤岛，而无需彻底改变现有方法并基于人工智能基础设施重新开始。

“我们希望建立合作伙伴关系，而您无需学习全新的东西即可使用它。能够进行定制以适应任何生物技术公司的任何工作流程，使我们成为一流的。”Varshney说。“因为大多数工具和软件都是不可定制、不可扩展的。他们不像我们那样使用人工智能。”

Varshney将现有用于药物开发的人工智能工具与BioiSIM之间的差异解释为现有汽车和自动驾驶汽车中的巡航控制功能之间的差异。

“巡航控制的问题在于它无法告诉你前方的路况。你必须不断观察路况。”Varshney说道，他打算通过人工智能驱动的学习解决方案和见解来培养制药行业的自主思维。

“我们的解决方案提供的是进化而不是革命，因为制药公司已经存在了几十年，而且他们有一定的做事方式，”瓦尔什尼说。

随着时间的推移，数字化转型可以从根除制药行业建立的整个现有协议开始，并使用人工智能/机器学习来重建系统。一些专家和公司认为这是理想的前进方向。另一种选择是让这些公司的专家改变他们的工作流程，提高效率，降低风险、时间和成本，使他们能够更快地将药物推向市场。

“我们选择后一种方式，”瓦尔什尼说。“我们希望通过向现有公司展示一种不需要改变一切的更好方法来帮助他们。您只需要集成，您必须在不同方面进行即插即用，以获得您需要的答案，以便更快地前进并在花费数百万美元之前对风险有更多的了解。这对我们的客户和我们来说都是双赢的局面。这使得互动变得公平。”

Varshney认为，尽管该行业尚未成熟，但人工智能驱动的预测有一天可能会完全取代临床前动物研究。

“我们希望利用我们的系统告诉您可以避免的浪费，”瓦尔什尼说。她指出，FDA现代化法案2.0强调非动物试验的重要性，这是朝着正确方向迈出的一步。

案例分析

“我们的客户范围从学术合作伙伴到大公司以及医院。我们已经宣布与梅奥诊所建立合作伙伴关系。根据我们提供的专业知识、模拟和预测，我们客户的几种化合物现在正处于第一阶段试验，”Varshney说。

BIOiSIM已被用于为2型糖尿病患者提供氯佐沙宗(一种肌肉松弛剂)的个性化剂量指导。为此，该平台预测了研究中受试者的药代动力学(PK)特征。

患者的生理差异可能会影响给药方案。基于疾病状况或受试者特定特征(例如年龄、体重、性别、种族等)的队列差异可能会影响其PK和药效(PD)特征。在这种情况下，可能需要对患者进行分层给药，以正确施用安全有效的剂量。1

对于该项目，BIOiSIM的PK预测模型针对1,000多种化合物进行了训练和验证。模型中使用的生理参数是从已发表的研究和其他可靠来源中提取的。该平台模拟健康受试者体内的药物分布，并将其与经过验证的数据进行比较。

根据已发表的研究，肝脏清除率会影响化合物的PK。因此，该平台确定了健康受试者和2型糖尿病患者之间不同的受试者特异性肝脏清除率，并模拟了2型糖尿病患者的结果，以捕捉PK处置指标的差异。

总体目标是创造个性化治疗药物，BIOiSIM人工智能驱动的计算平台的不同应用超越了分层剂量优化，包括给药途径、药物相互作用、联合疗法、功效、安全性和毒性分析的优化，以及动物和疾病模型的选择。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！