近日，FDA局長Scott Gottlieb博士在2018年美國臨床腫瘤學會（ASCO 2018）年會上表示，FDA正在嘗試采取一些新的措施，推動藥品研發(fā)更加高效，同時增加創(chuàng)新藥物和療法的上市機會。具體而言，FDA新政將臨床試驗招募與執(zhí)行、新藥申請與審評等各階段都納入其中。動脈網對此進行了解讀。

臨床試驗招募與執(zhí)行：突破受試者標準束縛

傳統(tǒng)的受試者標準通常將年老、身體機能欠佳、器官功能障礙，患有腦轉移或其他綜合征的患者排除在外，然而藥物一旦上市，他們卻是最有可能接受這些藥物治療的人群。舊的受試者標準無疑制約了亟待救治的患者接觸試驗藥物，并且對腫瘤學臨床試驗產生負面影響。

然而，即使有嚴苛的排除標準，藥物試驗的失敗率仍然相當高。據麻省理工學院研究人員統(tǒng)計，2015年，抗癌新藥試驗總體成功率僅為8．3％，相對于10年前的3．4％進步很小。高失敗率導致行業(yè)藥物開發(fā)成本高昂，并傳遞到市場端，形成藥價上漲壓力。

此外，舊受試者標準也制約了藥物競品的多樣性。通常，首先上市意味著長久的市場獨占期，從而形成壟斷價格。如果有大量替代藥物充斥市場，高昂的壟斷價格將被終結。

解開這種戈迪爾之結的一個途徑，就是將提供治療與處理對患者執(zhí)行實際臨床試驗所產生的海量數據同步進行。這樣一來，臨床試驗中的關鍵問答需要得到系統(tǒng)性重新設置，從而讓醫(yī)療護理、試驗設計和產品升級都實現最優(yōu)化。

盡管有擴大化將未經臨床驗證的藥物用于患者的做法的風險，但在實際場景中，及時而有效的新藥可以避免患者病情進一步惡化，例如組織有長期淋巴瘤和入侵型并使的糖尿病患者再患上乳腺癌。

因此，FDA正在嘗試向臨床試驗的申請者提供額外支持，幫助他們招募更多具有不同特質的患者加入試驗。截止目前，FDA已經發(fā)布了在成人抗腫瘤藥物臨床試驗中納入青少年患者的指導性文件。根據這份文件，只要如果沒有證據表明試驗藥物對年輕患者產生的毒性超過成人患者，在成人藥的臨床實驗中納入青少年患者就是合法的。

藥物審評：格式化表格提高數據采集質量

此外，擴大臨床試驗受試者覆蓋范圍后，藥物審評中一些人為因素也會延緩新藥上市進度。其中，申請者與監(jiān)管當局對審評材料的認知差異，往往會造成一些并不能提供最終決策依據的文檔和信息拖宕審評流程。對此，FDA正在試點逐步將與安全性和有效性最相關的數據作為藥物審評的重心，他們要求申請者在提交材料之前進行實質性審查。

具體而言，當申請人鎖定了數據庫，并決定向FDA提出申請，他們就會被要求開始與FDA共享底線數據，包括關鍵的原始數據和派生數據集、安全性和有效性表格和數字、研究協議和修訂以及包裝插頁的草案。

通常，FDA可以在申請人鎖定數據庫2－4周時開始查驗數據，評估其充分性和完整性。從而審評人員和申請人能夠在實時互動中及早解決數據質量問題，推動審評過程更加高效和徹底。據統(tǒng)計，這種方式可以釋放10％至30％的審評者時間。在此基礎上，FDA將嘗試創(chuàng)建動態(tài)數據提交系統(tǒng)

一年前由FDA建立的腫瘤卓越中心（OCE）目前正在執(zhí)行這個試點。他們采用基于對申請人提交的表格按照FDA實質性審評標準進行格式化設定的腫瘤藥實時審評（ Real－Time Oncology Review，RTOR）。

在實踐中，表格格式具體包含兩部分：申請人的工作內容和FDA對申請人工作內容的評估。從而格式化表格可以作為靈活的數據審查平臺，FDA實時出具的同意或不同意意見，并添加新的分析結論。RTOR試點早期側重于已獲批上市抗癌藥物新增功效的補充申請，已經有不少申請人參與到試點中。后期，OCE的RTOR方式可能向創(chuàng)新藥物和生物制劑申請擴展，并嘗試多個補充申請平行審評。

美國企業(yè)和資本已在“AI＋藥物研發(fā)”領域布局

FDA的藥物審評新政實際上從質和量兩個方面對新藥研發(fā)數據提出了更高要求，從而讓人工智能在其中能夠發(fā)揮重要作用。目前，已經有不少美國的創(chuàng)業(yè)企業(yè)正在做這方面的嘗試。

Qrativ

Qrativ成立于2017年，由梅奧診所攜手nference公司創(chuàng)立，致力于將臨床專業(yè)知識和人工智能相結合，以推進新藥研發(fā)。Qrativ可以直接訪問梅奧診所的這些專業(yè)知識和臨床數據，這種優(yōu)勢將大大助力Qrativ在新藥研發(fā)上取得新的突破。

目前，Qrativ結合nference基于AI的知識綜合平臺和梅奧診所的醫(yī)療專業(yè)知識和臨床數據，開發(fā)了一個藥物治療平臺Darwin．ai，輔助系統(tǒng)性的藥物研發(fā)，特別是針對罕見病的新藥研發(fā)。Qrativ的合作伙伴可以利用Darwin．ai藥物治療平臺來尋找候選藥物的所有潛在用途，包括確定潛在的罕見疾病指征，并找到最有可能對給定候選藥物最有效果的患者亞群。

Engine Biosciences

Engine Biosciences是一家將機器學習應用于藥物發(fā)現基因組學的生物技術公司，在舊金山和亞洲都設有辦公地點，開創(chuàng)了網絡生物醫(yī)學。Engine Biosciences專有的專利技術旨在解讀生物網絡的復雜性，包括高通量濕實驗室實驗和用于藥物發(fā)現和細胞重編程的AI算法。

Engine Biosciences受到包括百度、藥明康德在內的國內外多家資本青睞，其技術已應用于四個領域：一、藥物重新定位，即探究已知藥物的新適應癥；二、新靶點開發(fā)，即識別引起疾病的生物學因素；三、根據病人特有基因組成來提供獨特治療方案的精準醫(yī)療；四、生物學通路分析。

Cloud Pharmaceuticals

Cloud Pharmaceuticals成立于2014年，致力于通過計算設計和新療法的快速發(fā)現來改善健康和福祉。Cloud Pharmaceuticals使用專有設計流程，結合AI技術和云計算來搜索虛擬分子空間，并應用于復雜的分子建模，從一開始就設計出具有開發(fā)資質的新藥。 該過程能夠以更低的成本和更高的成功率推進藥物開發(fā)進程，并提高對于難以用藥適應癥的針對性。

Cloud Pharmaceuticals的方法放大了云計算和人工智能的力量，從根本上改善了藥物發(fā)現和設計，其正在立一個適應癥廣泛的產品流程，涉及藥物開發(fā)的各個階段，即從藥物發(fā)現到診所合作。

Numerate

Numerate成立于2007年，總部位于美國加州圣布魯諾。Numerate在云規(guī)模下應用新穎的機器學習算法，以克服小分子藥物發(fā)現中的主要挑戰(zhàn)。2014年6月，Numerate獲800萬C輪融資，投資方分別是Atlas Venture和Lily Ventures。

Numerate的藥物設計平臺將計算機科學與統(tǒng)計學的進步與傳統(tǒng)的藥物化學方法結合起來，同時解決了確定候選藥物的成敗的因素。 Numerate正在使用這個專有平臺，在心血管，代謝和神經退行性疾病領域開發(fā)一系列藥物治療計劃，重點是計算機輔助藥物發(fā)現通常不能解決的問題。

Atomwise

Atomwise成立于2012年6月，是一家利用超級計算機進行藥品研發(fā)的公司。Atomwise運用超級計算機分析已有數據庫，并用AI和復雜的算法來模擬藥品研發(fā)的過程，在研發(fā)的早期評估新藥研發(fā)風險，讓藥物研究的成本降至數千美元，并且該評估可以在幾天內完成。 Atomwise已經實現了新的藥物靶點發(fā)現，結合親和力預測和毒性檢測的結果。

Atomwise目前已經獲得了近700萬美元融資，其獨特之處在于，它把人從生到死過程的大量數據抽取出來。由于涉及大量昂貴和耗時的藥物，該功能解決了制藥行業(yè)的“生死”問題。Atomwise公司稱其在新藥發(fā)現、結合親和力預測和毒性檢測上得到了世界上最好的結果。

Insilico Medicine

Insilico Medicine成立于2014年，專注于運用AI技術發(fā)現新藥，延長壽命，致力于個人健康管理和老齡化問題的相關研究。Insilico Medicine開發(fā)了注釋藥物，小分子，生物制劑和可能影響分子，細胞和組織水平上許多事件的所有其他因素的綜合可擴展藥物知識管理系統(tǒng)。 該公司根據個別患者的基因表達數據和信號云調節(jié)藥物發(fā)現在腫瘤學和老化中使用他們的專門知識進行靶向藥物選擇。PHARMA．AI、Young．AI和NUTRIOMI是Insilico Medicine的三個重要產品

截止目前，Insilico Medicine已經獲得826萬美元融資，公司長期目標是與頂級制藥公司合作，幫助分析其藥物數據庫和引導化合物，提高臨床試驗的入學率，并使其能夠準確預測其藥物對患者組和個體患者的療效。

Teckro

Teckro成立于2015年，致力于使用信息檢索和機器學習技術來提高臨床試驗的速度和準確性，其解決方案能夠即時捕獲和分享團隊的知識，該公司為全球的制藥公司和臨床研究人員提供服務。

Teckro公司與制藥和生物技術公司合作，簡化了臨床開發(fā)過程，這是將有效和安全的藥物引入市場的主要瓶頸。Teckro幫助試驗人員與他們所需專業(yè)知識之間、試驗團隊與網站、患者之間建立有效的聯系，的聯系； 并幫助研究團隊，網站和患者進行聯系，從而大大降低了CRA，醫(yī)療監(jiān)視器，數據管理和研究人員的負擔。