简体
  • 简体中文
  • 繁体中文

热门资讯> 正文

数据共享 助力AI制药奔向广阔未来

2025-07-17 08:46

(来源:中国医药报)

转自:中国医药报

目前AI在医药行业中得到了广泛应用,数据共享是大势所趋,但解决数据合规使用等问题是让企业主动、放心地共享数据的前提

在政策层面,要出台强约束的数据监管法规、数据标准以及引导鼓励性质的指导原则,以保证数据安全和合规使用;在行业层面,要达成数据互惠共享共识,并形成满足各方利益和需求的数据交易机制;在教育层面,则需要培养既会治理数据又懂医药行业的复合型人才

□ 本报实习记者 张一

在日前举办的2025药物信息大会暨展览会/DIA中国年会期间,记者观察到,“拥抱与共享”已经成为AI(人工智能)制药未来发展的行业共识。同时,AI制药面临数据、算法、应用场景等多方面待解决的问题。在诸多热议话题中,数据共享相关话题最受业界关注。

“目前AI在医药行业中得到了广泛应用,数据共享是大势所趋,但解决数据合规使用等问题是让企业主动、放心地共享数据的前提。”复星医药联席总裁、全球研发中心首席执行官王兴利认为。

AI助力制药行业降本增效

近年来,我国部分医药企业通过自建团队、技术合作等方式进入AI制药赛道,已在AIDD(人工智能药物设计)、AI+CRO(合同研发组织)、AI+SaaS(软件即服务)等多个领域实现落地应用。

“AI给医药行业带来的最直接利好是降本增效。”上海星元辉健康科技有限公司是一家数字医疗公司,其CEO张心程认为,AI的这一优势体现在早期药物开发、临床前研究、临床研究、药物上市后评价等药品研发的全流程。

英矽智能高级副总裁、生物及转化医学负责人张曼表示,对于传统的药物研发,从靶点发现到临床前化合物提名阶段共需约4.5年时间,花费可达数千万美元。而对于目前全球进展最快的由AI辅助靶点发现的TNIK项目,在AI平台的支持下完成同样的研究仅仅需要用时18个月,花费260万美元。

除了在早期药物开发方面能大大缩短研发周期和减少经济投入外,AI在真实世界研究中同样发挥着重要作用。

艾昆纬真实世界数字化技术负责人陈灿认为,与传统方式相比,AI+NLP(自然语言处理技术)在处理真实世界研究数据方面的精准度和效率均有显著提升。

“借助当前先进的数据处理技术,特定疾病领域的关键信息提取准确率显著提升。例如,在针对阿尔茨海默病的研究中,生物标志物识别准确率已高达99%,特定合并症的提取准确率接近90%。在宫颈癌活检病理报告的应用中,自然语言识别准确率达到96%,将人工评估结果的时间从30小时缩短至仅0.5小时,效率提升超98%。”陈灿说。

在患者管理方面,AI同样表现出色。陈灿介绍,艾昆纬开发的能够预测卒中风险的AI工具已在英国3000多家基层医疗机构使用。该工具可通过算法识别高危房颤患者,根据病历信息将患者分组并及时预警。

AI越聪明,对制药行业的助力越大。“AI在制药行业的作用并不局限于助力单个环节的降本增效。如果能够整合行业资源并获得训练,AI有可能逐步成长为创新者、组织者,帮助人类解决神经再生等生命健康领域难题。”王兴利说。

数据孤岛掣肘AI制药发展

王兴利的观点获得了与会专家的广泛认同。专家们一致认为,要想实现这一目标,必须实现数据共享。但当下,数据共享面临数据安全、数据孤岛等诸多挑战。

王兴利告诉记者,新药研发是一项与时间赛跑、追求首创的“游戏”,而药物研发成败的评价依据是数据。“原始数据”于任何一家企业而言都是商业秘密,不仅凝聚了企业在药物发现阶段和临床试验阶段的心血,而且包含了疾病特征、药物疗效、潜在靶点等多方面信息。“如果无法保障数据安全,企业很难将自己的数据拿出来共享。”他表示。

数据孤岛问题在行业内普遍存在。张心程还参与了许多大型制药企业和临床试验机构的数据治理工作。在实际工作中,他强烈感受到AI制药中数据缺乏治理的问题同样突出。

以不同企业针对同种疾病研发的产品为例,这些产品在多个医学中心进行不同的临床试验,但在这些临床试验中,其安慰剂组、健康对照组等组别招募的受试者和收集的数据极为相似。

“如果这部分数据能够共享,不仅可以进一步提升药物研发的效率,还能有效减少企业研发的时间成本和经济成本。”张心程说。

而现实情况是,不同企业和机构所收集的数据,在类型、格式标准、存储方式上不尽相同,专家难以对这些“飘在空中”的数据进行有效整合,进而对AI模型进行有效训练。

不仅如此,张心程还发现,在临床医生和企业之间存在着数据孤岛。除了制药企业,不少临床医生也会有意识地收集整理数据,但他们并不知道行业需要什么样的数据,或收集到的数据质量参差不齐,无法将数据量转化成为有效的信息量。

类似的问题还体现在患者信息管理、数据统计等多方面。这些因素在客观上限制了数据共享的实现,AI无法获得更加充分的训练,从而无法完全发挥“聪明才智”辅助决策。

力求破解共享难题

复星医药全球研发中心副总裁、生物统计与数据科学部总经理邱婧君认为:“在共享业态下,谁收集数据?收集什么样的数据?如何合规共享使用?这些问题是行业关注的焦点。”

邱婧君建议从三方面发力:在政策层面,要出台强约束的数据监管法规、数据标准以及引导鼓励性质的指导原则,以保证数据安全和合规使用;在行业层面,要达成数据互惠共享共识,并形成满足各方利益和需求的数据交易机制;在教育层面,则需要培养既会治理数据又懂医药行业的复合型人才。

针对行业担忧的数据安全问题,张心程认为,现有技术可以帮助企业实现数据脱敏。企业共享数据后,其原始数据依然保留在“源头”,不会随AI智能体传递给共享用户,能够保护企业的商业秘密。

邱婧君则特别强调,合理的数据资产交易是数据共享的必由之路,“可通过将数据资源转化为数据资产,来解决共享后的利益分配问题”。

以复星医药联合药友制药、水木分子、华为等单位共同构建AI+医药健康大数据联盟为例,由于形成了数据共享、风险同担的共识,各成员单位可以通过联盟共建的平台共享或使用数据,通过将“无形”的资产量化,实现各方利益的平衡。如A单位在该平台上传了一项Ⅰ期临床试验数据,平台便根据数据量、数据质量等因素为其赋分;当A单位需要使用共享平台上其他单位上传的数据时,便可以用积分进行交易。

邱婧君也期待相关权威机构能够整合资源,协同制药企业、科研机构、数据治理企业等各方搭建起更大的数据共享平台,让AI制药之路越走越宽。

风险及免责提示:以上内容仅代表作者的个人立场和观点,不代表华盛的任何立场,华盛亦无法证实上述内容的真实性、准确性和原创性。投资者在做出任何投资决定前,应结合自身情况,考虑投资产品的风险。必要时,请咨询专业投资顾问的意见。华盛不提供任何投资建议,对此亦不做任何承诺和保证。