Eroom 定律怎么破?这是新药开发商最头疼的问题。 然而,实际情况是,人工智能确实在临床试验前的药物研发阶段让研发提速,但进入临床试验阶段,情况却截然不同。 截至目前,AI 最大的优势是在实践中训练学习,试验规模越大对训练学习越有利,但新药的临床试验大都只有数百例,这就局限了机器的学习能力。而且,AI 更适合解决明确的问题,如识别病理图像;而不是模糊不清的问题,如分析电子病历,也就是说,目前AI无法理解医疗信息中的模糊性。 由于机器学习方式和医生工作方式之间的不匹配,IBM Watson 正在遭遇挑战。 Eroom 定律何来 医药巨头正在面临一个尴尬局面:重磅炸弹药物时代即将结束,如今新药研发既漫长又昂贵。一个新药需要 10 年到 15 年的时间,耗资高达 15 亿到 20 亿美元,并且其中一半的时间和经费都花在了药物临床试验上。更糟糕的是,只有十分之一的试验药物能进入市场。 临床试验后期失败的代价太大。因为一款治疗心力衰竭的3期药物失败,诺华公司 2017 年第一季度的净收入下降了 15%;同样是 2017 年,美国制药公司 Tenax Therapeutics 一款心脏药物在 3 期失败后,首席执行官辞职。 Eroom 定律从何而来?我们有必要回答这个问题。 一个有说服力的解释是,新药研发(这里指重磅炸弹药物,不包括仿制药)就像挖矿,先来的开发商总是容易挖到第一桶,后来者则需要挖得更深才可能有所发现。原北京协和医学院教授、目前专注研发抗癌新药的立博美华基因科技创始人王晨光告诉 DeepTech,在药物研发中,药物靶点是没有专利的,那么各个公司会针对靶点大把烧钱来筛选新药,加上计算机技术辅助,往往一筛就是几百万个化合物。这就意味着,留给后来者有所发现的机会越来越少。 与电子产业的迭代不同,药物研发有其特殊性。王晨光的看法是,药物研发有非常大的偶然性,往往并不是说按照某个程序就一定能做出新药来,这就为新药研发带来了很大困难。另外,后研药需要在某些方面表现优于现在的一线用药才有可能获批,只有这样,才能保证每做一个新药出来,它都是最好的。这都是新药研发的挑战。 当然也有例外。比如说这几年很火的免疫疗法,这两三年在全球范围内批准了好几个新药。但是接下来很快就会降温,再出来新药就又要经过多年。 另外的研发成本源自政府监管。自郑晓庾后,中国药监部门近些年加强了药物研发的监管,尤其在临床审批这一阶段,对 1、2、3 期临床试验要求越来越严格,这就导致研发经费增加得非常厉害。 这就需要监管部门有所作为。一直以来,监管部门如美国 FDA 一直遵从单药单病种的审批程序,这就束缚了一些可治疗多病种的新药临床试验空间,因为对于同一种药,每新加一个病种就要从头再来一遍临床试验。据王晨光介绍,2018 年美国 FDA 出台了一份肿瘤药物临床试验的指南草案,只要符合要求,单药或者多药针对多种肿瘤类型的临床试验可以纳入同一个设计方案。 AI 来解题 政府监管部门的作为有限,药品开发商只能寻求新的药物开发手段,多家巨头将目光投向了 AI。 Watson 从未真正参与过医疗诊断过程,只是帮助确定患者的治疗方案。Watson 参与临床决策的基础是其自然语言加上提出假设和基于证据的学习能力。一旦医生向系统提出问题,Watson 首先解析输入信息来找出最重要的信息,然后挖掘患者数据,找出与患者诊疗和遗传史相关的事实,随后检查可用的数据源以提出和检验假设,最后给出个性化、有依据的建议。Watson 用于分析的数据来源可包括治疗指南、电子病历、医疗服务提供者的说明、研究材料、临床研究、期刊文章和患者信息。 IBM 的“AI 医生”之路正面临着尴尬局面。尽管有着 1997 年深蓝(Deep Blue)赢得国际象棋胜利的战绩以及 2011 年在智力问答电视节目中打败人类智力竞赛冠军的辉煌,但近期却在医疗领域遇挫。早在 2018 年上半年,IBM Watson Health 业务裁员高达 50% 到 70%。同样在今年 7 月,媒体曝出 IBM Watson Health 负责肿瘤、生命科学和个人健康的副总裁兼总经理 Lisa Rometty 将离职。 实际上,IBM Watson 遭遇挑战的本质在于,机器学习方式和医生工作方式之间的不匹配。IBM 的 AI 医生之路比起想象的要艰难得多。在 2018 年发表于《肿瘤学家》杂志(The Oncologist)的一篇论文中,Watson 在处理诊断结果时,其准确率可高达 90% ~ 96% 不等,但对于像治疗时间表这样信息时,其准确率仅有 63% ~ 65%。 业内人士并不看好人工智能阅读医疗记录文本的能力。据 IEEE Spectrum 报道引述蒙特利尔大学计算机科学教授 Yoshua Bengio 看法称,人工智能系统无法理解医疗信息中的模糊性,也无法关注到人类医生会注意到的微妙线索,人工智能还比不上人类医生的理解和洞察力。 一个典型案例是,在 2018 年,美国 FDA 批准了广谱抗癌药拉罗替尼(larotrectinib),这种药物对所有表现出特定基因突变的肿瘤都有效,并且在 55 名患者身上取得了显著的效果,其中 4 名是肺癌患者。纽约纪念斯隆-凯特琳癌症中心肺癌专家 Mark Kris 说,基于有 4 名肺癌患者有疗效,那么这时候我们应当抛弃之前的诊疗指南,对所有肺癌患者进行该基因的检测,然而 Watson 不会仅根据 4 名患者的情况就改变其结论。 马里兰大学放射诊断学教授 Eliot Siegel 曾与 Watson 有过合作,他对 IBM 的 AI 医学并不看好,“我不认为他们站在人工智能的最前沿,最激动人心的进展应该发生在谷歌、苹果和亚马逊那里。”事实上,谷歌和苹果正在健康医疗 AI 领域发力,希望挖掘个人健康大数据。 IEEE Spectrum 报道还引述了 2014 年从 IBM 离职的 Kohn 的批评。他说,仅仅拥有强大的技术是不够的,最重要的是让患者得到好处才行,然而他并未看到 IBM 的人工智能改善了患者的疗效,以及节约了医疗费用。 不过,Mark Kris 并不气馁,他仍然看好 AI 医疗的潜力,毕竟 IBM Watson 也有成功的案例,只是道路曲折而漫长。 IBM 文章也承认,由于 AI 方法在过去的 5 到 8 年内才开始应用于临床试验,而药物开发周期长达 10 到 15 年,因此全面评估 AI 在临床试验的影响还需要几年。 参考: https://www./trends/pharmacological-sciences/fulltext/S0165-6147(19)30130-0 https://www./trends/pharmacological-sciences/fulltext/S0165-6147(19)30135-X https://www.ibm.com/watson-health/learn/clinical-trial-recruitment https://www-03.ibm.com/press/us/en/pressrelease/53783.wss?mhsrc=ibmsearch_a&mhq=Tufia%20Haddad https://spectrum./biomedical/diagnostics/how-ibm-watson-overpromised-and-underdelivered-on-ai-health-care https://en./wiki/Watson_(computer) https://www./artificial-intelligence/ibm-watson-health-vp-lisa-rometty-steps-down-3-notes.html https://www./research/clinical-trials-ai-tech-disruption/ 关注 DeepTech 发现改变世界的新兴科技 |
|
来自: Zhanjh1936 > 《医疗与保健》