AI引領藥物研發革命：乳癌治療精準化，新藥開發成本效益大增

【記者簡詩雅／綜合外電】新藥研發向來是醫藥領域最耗時且成本高昂的挑戰，平均每種新療法從概念到上市需耗資約20億美元，且僅約十分之一進入第一期臨床試驗的藥物能成功進入市場，這顯示了新藥研發的複雜流程與高風險。然而，人工智慧（AI）的發展，正逐步改變這項傳統模式，為藥物發現帶來革命性突破。

近期，中國西湖大學的科學家們開發出一個AI模型，能有效預測細胞對藥物的反應，為過去難以治療的三陰性乳癌患者帶來希望。三陰性乳癌約佔所有新乳癌診斷的15%，其特點是缺乏三種主要分子標靶，因此容易產生抗藥性。該AI模型在包含16個三陰性細胞株在內的18種乳癌細胞株資料上進行訓練，並運用了63種經美國食品藥物管理局（FDA）核准的抗癌藥物。經過訓練後，這項AI模型在預測81種未曾接觸過的藥物反應時，準確度高達88%。在臨床測試中，它也成功預測了501名患者化學治療的臨床結果，並針對三名三陰性乳癌患者的腫瘤樣本，從逾3,000種已核准或正在試驗的藥物中，識別出最具潛力的組合療法，甚至建議了三種比標準療法更有效的新型化合物，顯示AI在藥物發現中的具體技術應用。

AI的介入不僅能提高藥物研發的精準度，更能大幅提升效率並降低成本。管理顧問公司麥肯錫曾指出，AI有助於縮短臨床研究報告的草稿撰寫時間。透過自動化勞力密集流程，並簡化傳統上需長達14週才能完成的文件工作，AI能顯著縮短藥物開發時程與費用。例如，英科智慧公司（Insilico Medicine）的藥物rentosertib，是全球首個由生成式AI設計藥物標靶和分子的藥物，目前已取得正面的第二期臨床試驗初期數據。AI的進步也有望將藥物研發的成功率從目前的一成提升至兩成，這將為患者帶來更多治療選擇，同時提升研發投入的生產力。

此外，Google旗下AI研究室DeepMind開發的AlphaFold等大規模生物資料計畫，已展現AI在理解複雜生物學機制上的強大能力。貝塞默風險投資夥伴等創投公司也觀察到，越來越多的生物AI模型正在被開發，對訓練資料的需求也隨之增加。未來，生物學基礎模型可能需要比現有資料集多上千倍的數據。隨著AI技術持續成熟，它將能在臨床試驗設計、早期安全性風險識別等關鍵決策點提供協助，從根本上改變藥物開發的經濟效益，並大幅改善病患的治療結果。

參考來源

• Breast cancer: can AI predict the most effective treatments?（Evidence Network）

• The AI Drug Discovery Revolution（Tema ETFs）